Стандартные модели эконометрики с непрерывными данными в виде пространственной выборки или временного ряда не всегда позволяют адекватно оценить представляющие интерес параметры. В ряде случаев получаются неэффективные, иногда смещенные и несостоятельные оценки. В некоторых случаях применение стандартной модели и вовсе оказывается невозможным. В настоящей главе мы рассмотрим другие типы выборочных данных и связанные с ними экономические модели.
Основная часть этой главы посвящена панельным данным, которые в некотором роде оказываются объединением пространственных данных и временных рядов. Также мы рассматрим ограничения на возможные значения зависимой переменной и отбор наблюдений в выборку.
Статистические модели с панельными данными
В экономических исследованиях нередко приходится рассматривать большие массивы данных в последовательные моменты времени. Это могут быть индивидуумы, домашние хозяйства, регионы, страны, у которых отслеживается динамика некоторых количественных показателей. Такие данные, сочетающие в себе пространственные выборки и временные ряды, называются панельными данными.
Пусть имеется п объектов, Т временных наблюдений. Рассматривается зависимая переменная Y со значениями yti, где.
t = 1,Ту / = 1,…, п; и к регрессоров X со значениями Xj tj,
j = 1,к, t = ,Г, i = ,…, n.
Во многих случаях допустимо предположение, что наблюдения в различные моменты времени не коррелируют друг с другом. Соответствующие модели называются статическими.
Возможны две крайние точки зрения на такую структуру наблюдений: их можно рассматривать как единый временной ряд с «толстым сечением», в котором наблюдения представляют собой п значений объясняемой переменной. В этом случае модель принимает вид.
и содержат к +1 параметр. По сути эта модель является классической, и ее следует оценивать обычным методом наименьших квадратов. В этой модели объекты панели лишены какой-либо индивидуальности и представляют собой наблюдения однородной выборки.
Противоположная точка зрения заключается в том, чтобы рассматривать данные как п различных временных рядов. То есть все объекты считаются абсолютно индивидуальными, и действия регрессоров на них различными. Тогда уравнения модели имеет вид.
и содержат кп + п параметров.
Модели с панельными данными позволяют сочетать оба этих подхода: объекты считаются индивидуальными, но изучается общее действие регрессоров на эти объекты. Один из возможных подходов заключается в следующем: регрессоры действуют на все объекты одинаково, но кроме рассматриваемых величин Xj, есть еще — как правило, ненаблюдаемые — факторы Qa, которые, собственно, и обуславливают различия между объектами. Если считать факторы Qa постоянными по времени, можно рассматривать уравнения Обозначив
получим модель с панельными данными в виде