В чем разница между эконометрикой временных рядов и эконометрикой панельных данных?

Этот вопрос может быть очень наивным, но то, как меня учат эконометрике, меня очень смущает, если есть разница между временными рядами и методом панельных данных.

Что касается временных рядов, я рассмотрел такие темы, как стационарная ковариация, AR, MA и т. Д. Что касается данных панели, я видел дискуссии только в форме фиксированного эффекта или случайного эффекта (или, в более общем случае, иерархической модели), различий - в отличиях и т. д.

Эти темы связаны каким-то образом? Поскольку данные панели также имеют временное измерение, почему не обсуждаются AR, MA и т. Д.?

Если ответ заключается в том, что мое образование по методам панели просто недостаточно, не могли бы вы указать на книгу, которая охватывает больше, чем просто FE / RE, различия в различиях?

По крайней мере, в социальных науках у вас часто есть групповые данные, которые имеют большие N и маленькие T-асимптотики, то есть много объектов, но каждый из которых вы наблюдаете в течение относительно короткого периода времени. Вот почему прикладная работа с панельными данными часто несколько меньше связана с компонентом временных рядов данных.

Тем не менее элементы временных рядов по-прежнему важны при обработке данных панели. Например, степень автокорреляции определяет, являются ли фиксированные эффекты или первые различия более эффективными. При разнице в различиях для правильного вывода важно правильное обращение со стандартными ошибками для учета автокорреляции (см. Bertrand et al., 2004 ). Динамические панели, использующие оценки для малых N, больших T асимптотик, также доступны, такие данные часто можно найти в макроэкономике. Там вы можете столкнуться с известными проблемами временного ряда, такими как нестационарность панели.

Отличная трактовка этих тем представлена ​​в работе Wooldridge (2010) «Эконометрический анализ данных поперечного сечения и панелей».

Второе измерение данных панели не должно быть временем. У нас могут быть данные о близнецах, братьях и сестрах или данные о N лицах, отвечающих на вопросы T-опроса. Продольные данные, где T является вторым измерением, возможно, являются наиболее распространенным типом панельных данных и фактически стали синонимами этого.

Микро или короткие панели (большой N, маленький T) обычно имеют асимптотику, которая отправляет N на бесконечность, сохраняя T фиксированным. Макрос или длинные панели имеют умеренную N и большую T, и асимптотика имеет тенденцию удерживать N фиксированной и увеличивать T, или увеличивать как N, так и T. С микропанелями зависимость между единицами обычно не является проблемой, поскольку единицы выбираются случайным образом, тогда как с макропанелями это может представлять реальную проблему (например, пространственная зависимость между странами или государствами). С макропанелями вам также нужно беспокоиться о единичных корнях, структурных разрушениях и коинтеграции - все это знакомые проблемы временных рядов. Вам также иногда приходится беспокоиться о проблемах избирательности (таких как истощение, самоселективность и отсутствие ответа). Когда T достаточно долго, даже страны могут исчезнуть.

Я хотел бы взглянуть на эконометрический анализ панельных данных Балтаги , особенно на главы 8, 12 и 13. В нем также подробно рассматриваются короткие панели. Предыдущее издание также имело сопутствующий том с решениями для упражнений, что было очень приятно.

Это во многом вопрос акцента, так как данные состоят из компонентов поперечного сечения и временных рядов.

Данные панели, скорее всего, будут иметь большое N и меньшее T.

Больше внимания уделяется отдельным компонентам (например, магазинам со временем, потребителям с течением времени) и большей вероятности сегментирования этих отдельных компонентов (например, потребителей с высоким доходом, потребителей, которые перешли от среднего к высокому доходу).

Отдельные компоненты имеют проблемы с выживанием / заменой (компоненты почему-то покидают исследование и должны быть заменены). С эконометрическими данными вы, скорее всего, будете иметь дело с более агрегированным уровнем, и зачастую это чья-то проблема (например, тех, кто работает в BLS), чтобы справиться с этими проблемами.

Проблемы автокорреляции действительно возникают, но часто моделируются как история прошлого, а не как автокорреляция как таковая, например, ваша предыдущая история покупки шоколадных замороженных сахарных бомб http://www.gocomics.com/calvinandhobbes/1986/03/22 сообщает прогноз будущего покупательского поведения.

Как упоминалось выше, данные панели часто использовались на индивидуальном уровне, а не на агрегированном уровне с большим N и малым T. Есть много плюсов с использованием данных панели, так как мы можем устранить индивидуальную неоднородность и часто получить более высокую мощность при тестировании, чтобы упомянуть два , Это новое измерение времени действительно вводит некоторые новые методы, предположения и проблемы по сравнению с данными поперечного сечения (я отошлю вас к книге Вулдриджа, чтобы изучить их ближе).

Однако в экономике очень распространено использование панельных данных странового уровня с малым N и большим T. Это создает целый ряд трудностей, с которыми не сталкиваются при работе с большими N, маленькими T-панельными данными. Например, мы могли бы иметь корни модулей в нашей панели, и есть также специальные тесты корней модулей для решения этой конкретной проблемы. Обратите внимание, что они имеют значительно более высокую мощность, чем тесты единичного корня на отдельных сериях. Мы могли бы также иметь все виды других видов нестационарности в этих панелях. Кроме того, при работе с панельными данными с малым N и большим T мы также можем иметь коинтеграцию. Еще одна важная проблема при работе с большими данными T и малых N панелей состоит в том, что эти данные часто относятся к экономическим переменным уровня страны и что в этом случае допущение независимости часто нарушается, и это следует проверить.

Таким образом, данные панели с большим N и малым T вводят измерение временного ряда по сравнению с данными поперечного сечения и аналогичны анализу поперечного сечения, в то время как панели с большим T и небольшим N вводят измерение поперечного сечения по сравнению с подходом временного ряда и которые аналогичны анализ временных рядов.

Отличная книга по панельным данным с большим N и малым T - «Эконометрический анализ поперечного сечения и панельных данных» Вулдриджа. Эта книга довольно плотная и содержит много информации на каждой странице, поэтому вы можете начать с вводной книги по эконометрике и сначала прочитать раздел о данных панели.

Я не знаю конкретной книги для панелей с большим T и маленьким N, но есть том под названием: «Нестационарные панели, объединение панелей и динамические панели», Baltagi, ed.

Я хотел бы дополнить приведенные выше ответы ссылкой, где вы можете прочитать больше о зависимости от времени в моделях данных панели, как вы и просили: Verbeek, Marno. Руководство по современной эконометрике , Wiley. В этой книге есть глава о панельных моделях данных, которая может послужить хорошим введением.

В качестве примера современного исследования зависимости от времени в данных панели вы можете прочитать:

Фредрик Н.Г., Андерссон: пересмотр динамики обменных курсов: групповая проверка данных порядка дробной интеграции. Empir Econ (2014) 47: 389–409.