Глава 3 посвящена методам статистического анализа панельных данных, т.е. данных, содержащих наблюдения за некоторым достаточно большим количеством субъектов в течение некоторого относительно небольшого количества периодов времени. Особенностью многих моделей, используемых для статистического анализа таких данных, является предположение о наличии различий между субъектами исследования, которые постоянны во времени, но которые не удается реально измерить в виде значений некоторой объясняющей переменной. Такие различия специфицируются в этих моделях как фиксированные или случайные эффекты, и в зависимости от пригодности той или иной интерпретации этих эффектов, используются различные методы оценивания параметров модели (обычный или обобщенный метод наименьших квадратов). Метод инструментальных переменных, рассмотренный в главе 2, находит новое применение в динамических моделях панельных данных, в которых в качестве объясняющих переменных в правых частях уравнения могут выступать и запаздывающие значения объясняемой переменной, и реализуется в виде обобщенного метода моментов, ставшего весьма популярным в последние годы. В заключительной части этой главы модели, рассматривавшиеся в главе 1 (пробит, логит, тобит), распространяются на случай панельных данных. [c.8]
Если щ статистически независимы от объясняющих переменных, то модель со случайными эффектами представляется более подходящей, и в этом случае проще рассматривать не логит, а пробит-модель. (Хотя можно использовать и логит-модель, что и делается в приводимом далее примере.) [c.323]
Тобит-модель со случайными эффектами отличается от пробит-модели со случайными эффектами механизмом наблюдений. В тобит-модели [c.334]
Бинарного выбора модель для панельных данных, 316 логит-модель с фиксированными эффектами, 319 пробит-модель со случайными эффектами, 323 Бройша-Пагана критерий [c.374]
Смотреть главы в:
Экономика для начинающих -> Пробит-модель со случайными эффектами