Doğrusal Olmayan Sabit Etkiler Modeli
Nonlinear Fixed Effects Panel Data Model · Ayrıca şöyle bilinir: nonlinear FE model, NLFE, conditional fixed effects model, incidental parameters model
Doğrusal olmayan sabit etkiler modeli, sabit etkiler panel tahminini, doğrusal olmayan yanıt fonksiyonları tarafından yönetilen sonuçlara (örneğin ikili, sayım veya sansürlenmiş sonuçlar gibi) genişletirken, gözlemlenmeyen bireysel heterojenliği birim-spesifik kesme terimleri aracılığıyla emer. Anahtar özel durumlar arasında ikili sonuçlar için koşullu logit ve sayım verileri için Poisson sabit etkileri yer alır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Panel verileriniz olduğunda, sonucunuz ikili, sayım değerli veya başka şekilde sınırlı bağımlı olduğunda ve regresörlerle potansiyel olarak ilişkili gözlemlenmeyen zaman-sabitliği birim heterojenliğini kontrol etmeniz gerektiğinde doğrusal olmayan sabit etkiler modelini kullanın. Birim içi varyasyonun tanımlamanın birincil kaynağı olduğu ve sonuç dağılımının açıkça Gauss-olmayan olduğu durumlarda uygun tahmin edicidir. Panel çok kısa (T = 2 veya 3) ve sonuç ikili olduğunda kullanmayın — rastgele parametreler yanlılığı şiddetlidir; yanlılık düzeltilmiş probit veya doğrusal olasılık sabit etkiler modeli tercih edilebilir. Anahtar regresörlerde anlamlı birim içi varyasyon olmadığında (sabit etkilerle mükemmel çoklu doğrusallık) kullanmayın.
Güçlü yönler & sınırlılıklar
- Dağılımını belirtmeden tüm zaman-sabitliği gözlemlenmeyen heterojenliği kontrol eder, rastgele etkilerin aksine.
- Koşullu olabilirlik yaklaşımı (logit, Poisson) rastgele parametreler sorununu tamamen ortadan kaldırır, tutarlı tahminler verir.
- Bireysel sabit etki ile regresörler arasındaki korelasyona karşı sağlamdır — rastgele etkilere göre önemli bir avantajdır.
- Poisson sabit etkileri, sonuç gerçekte Poisson dağılımlı olmasa bile, koşullu ortalama doğru bir şekilde belirtildiği sürece, dikkat çekici derecede sağlam ve tutarlıdır.
- Doğal olarak çok sayıda birim (büyük N) ve orta derecede kısa panellerle panel verilerini işler.
- Probit ve tobit için kesin yeterli istatistik yoktur; koşullu olabilirlik mevcut değildir ve yanlılık düzeltilmiş tahmin ediciler daha karmaşıktır.
- Sonuçta birim içi varyasyon olmayan birimler (örneğin, hiç çıkmayan firmalar) koşullu olabilirlikten düşürülür, potansiyel olarak seçilmiş bir örneklem oluşturur.
- Zaman-sabitliği regresörlerinin etkisini tanımlamaz — bunlar alpha_i içine emilir.
- Çok kısa panellerde (küçük T) ve ikili sonuçlarda, koşullu logit hala iyi performans gösterir, ancak diğer birçok doğrusal olmayan SABİT ETKİ tahmin edicisi artık rastgele parametreler yanlılığı ile karşı karşıyadır.
- Ortalama marjinal etkiler ek hesaplama gerektirir ve OLS katsayılarından daha az doğrudan yorumlanabilir.
SSS
Her birim için kuklalarla probit neden kullanamıyorum?
Bir probit modeline birim kuklaları eklemek, beta ile birlikte alpha_i'yi tahmin eder. Alpha_i parametrelerinin sayısı N ile arttığından, beta'nın maksimum olabilirlik tahmin edicisi kısa panellerde tutarsızdır — bu rastgele parametreler sorunudur. Yanlılık, küçük T ayarlarında %100'ü aşabilir. Koşullu veya yanlılık düzeltilmiş tahmin ediciler bunu önler.
Koşullu logit ile rastgele etkili logit arasındaki fark nedir?
Koşullu (sabit etkiler) logit, yeterli bir istatistik kullanarak alpha_i'yi koşullandırır, sabit etkiler hakkında herhangi bir dağılım varsayımı yapmaz ve onların regresörlerle serbestçe korelasyon kurmasına izin verir. Rastgele etkili logit, alpha_i'nin x_it'den bağımsız olduğunu varsayar ve onu entegre eder. Bağımsızlık varsayımı başarısız olursa, rastgele etkili logit yanlıdır; Hausman testi bunu tespit edebilir.
Sayısal olmayan sonuçlar için Poisson sabit etkilerini kullanabilir miyim?
Evet. Koşullu ortalama exp(x_it * beta + alpha_i) olarak doğru bir şekilde belirtildiği sürece, verilerin aslında Poisson dağılımlı olup olmadığına bakılmaksızın, Poisson sözde-maksimum olabilirlik (PPML) tahmin edicisi tutarlıdır. Ticaret akışları ve sıfırların çoğu dahil olmak üzere diğer negatif olmayan sürekli sonuçlar için yaygın olarak kullanılır.
Doğrusal olmayan sabit etkilerle zaman-sabitli regresörleri nasıl ele alırım?
Zaman-sabitli regresörler, birim sabit etkileriyle mükemmel bir şekilde çoklu doğrusaldır ve tanımlanamazlar. Etkilerinin tanımlanması önemliyse, zaman-sabitli regresörleri modelde tutarken alpha_i ve x_it arasındaki bağımlılığı birim ortalamaları aracılığıyla modelleyen korelasyonlu rastgele etkiler (Mundlak) yaklaşımını düşünün.
Koşullu olabilirlikten birçok birim düştüğünde ne yapmalıyım?
Sonuçta birim içi varyasyon olmayan birimler (örneğin, her zaman sıfır, her zaman bir) koşullu olabilirlik için hiçbir bilgi sağlamaz ve hariç tutulur. Kaç birimin düşürüldüğünü bildirin ve gözlemlenebilir özelliklerini tutulan birimlerle karşılaştırın. Hariç tutma sistematik ise, sonuçları dikkatli bir şekilde yorumlayın; sonuçlar, sonuç varyasyonu gösteren birim alt kümesi için geçerlidir.
Kaynaklar
- Chamberlain, G. (1984). Panel data. In Z. Griliches & M. D. Intriligator (Eds.), Handbook of Econometrics (Vol. 2, pp. 1247–1318). Elsevier. link ↗
- Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press. ISBN: 978-0262232586
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Nonlinear Fixed Effects Panel Data Model. ScholarGate. https://scholargate.app/tr/econometrics/nonlinear-fixed-effects-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Dinamik Panel Veri ModeliEkonometri↔ karşılaştır
- Sabit Etkiler ModeliEkonometri↔ karşılaştır
- Doğrusal Olmayan Rastgele Etkiler ModeliEkonometri↔ karşılaştır
- Panel Veri AnaliziEkonometri↔ karşılaştır
- Panel Sabit Etkiler ModeliEkonometri↔ karşılaştır