เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| แบบจำลองความคลาดเคลื่อนแบบสุ่มฟูเรียร์ (Fourier Random Effects Model)× | แบบจำลองผลกระทบสุ่มการเปลี่ยนแปลงโครงสร้าง× | |
|---|---|---|
| สาขาวิชา | เศรษฐมิติ | เศรษฐมิติ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 2006-2012 | 1998–2000s |
| ผู้ริเริ่ม≠ | Becker, Enders & Lee; Enders & Lee | Bai & Perron (break detection); Baltagi (panel RE framework) |
| ประเภท≠ | Panel regression with Fourier approximation | Panel regression with regime shifts |
| แหล่งต้นตำรับ≠ | Becker, R., Enders, W., & Lee, J. (2006). A stationary test in the presence of an unknown number of smooth breaks. Journal of Time Series Analysis, 27(3), 381-409. DOI ↗ | Bai, J., & Perron, P. (1998). Estimating and testing linear models with multiple structural changes. Econometrica, 66(1), 47–78. DOI ↗ |
| ชื่อเรียกอื่น | Fourier RE model, FFF random effects, flexible Fourier random effects, Fourier augmented random effects | RE model with structural breaks, break-adjusted random effects, random effects break model, panel RE with regime shifts |
| ที่เกี่ยวข้อง | 5 | 5 |
| สรุป≠ | The Fourier Random Effects Model extends the standard random effects panel estimator by incorporating trigonometric (Fourier) terms to approximate smooth, gradual structural change in time trends or intercepts. It retains the GLS efficiency advantages of the random effects estimator while allowing parameters to shift continuously over time without requiring knowledge of exact break dates. | The structural break random effects model extends standard panel RE estimation by allowing one or more breakpoints at which slope coefficients or error variances shift across time. It combines structural change detection (e.g., Bai-Perron) with the GLS-based random effects estimator, producing regime-specific parameter estimates while retaining the efficiency gains of pooling individual-level variation as random draws from a common distribution. |
| ScholarGateชุดข้อมูล ↗ |
|
|