Робастен анализ на панелни данни
Здравите анализи на панелни данни прилагат стандартни панелни оценители — фиксирани ефекти, случайни ефекти или обединени най-малки квадрати (pooled OLS) — като заменят конвенционалните стандартни грешки с клъстерно-здрави или хетероскедастично-съгласувани (HC) варианти. Точковите оценки остават непроменени; това, което се променя, е матрицата на ковариациите, използвана за изводи, което прави t-тестовете и F-тестовете валидни дори когато грешките са хетероскедастични или корелирани в рамките на напречните единици във времето.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Arellano, M. (1987). Computing robust standard errors for within-groups estimators. Oxford Bulletin of Economics and Statistics, 49(4), 431–434. link ↗
- Cameron, A. C., & Trivedi, P. K. (2015). Microeconometrics: Methods and Applications. Cambridge University Press. ISBN: 978-0521848053
Как да цитирате тази страница
ScholarGate. (2026, June 3). Robust Panel Data Analysis with Cluster-Robust and Heteroscedasticity-Consistent Inference. ScholarGate. https://scholargate.app/bg/econometrics/robust-panel-data-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Модел с фиксирани ефектиИконометрия↔ compare
- Анализ на панелни данниИконометрия↔ compare
- Модел с фиксирани ефекти за панелни данниИконометрия↔ compare
- Тест на Хаусман за панелни данниИконометрия↔ compare
- Модел с произволни ефекти за панелни данниИконометрия↔ compare
- Robust OLS (OLS с робастни стандартни грешки)Иконометрия↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →