Panel Basit Doğrusal Regresyon
Panel Data Simple Linear Regression · Ayrıca şöyle bilinir: panel SLR, longitudinal simple regression, two-way panel simple regression, fixed-effects simple linear regression
Panel basit doğrusal regresyon, aynı birimleri (bireyler, firmalar, ülkeler) birden çok zaman periyodu boyunca izleyen verileri kullanarak sürekli bir çıktıyı tek bir yordayıcının doğrusal bir fonksiyonu olarak modeller. Bu yöntem, birim içi varyasyonu birimler arası varyasyondan ayırarak, basit bir kesitsel regresyonu karıştırabilecek gözlemlenmemiş zamandan bağımsız özellikleri kontrol etmeyi sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Tek bir sürekli yordayıcınız, sürekli bir çıktınız ve zaman içinde aynı birimler üzerinde tekrarlanan gözlemleriniz olduğunda panel basit doğrusal regresyon kullanın. Yordayıcı ile ilişkili gözlemlenmemiş birim heterojenliğinden şüpheleniyorsanız (sabit etkiler) veya boylamsal yapıyı kullanarak verimliliği artırmak istiyorsanız (rastgele etkiler) doğru araçtır. Panel aşırı kısa olduğunda (küçük N ile T = 2 katsayı tahminini gürültülü hale getirir), yordayıcının birim içi varyasyonu olmadığında (zamandan bağımsız bir değişken sabit etkilerle silinir) veya gerçek ilişkinin birden fazla yordayıcı gerektirdiği durumlarda kullanmayın — bu durumda panel çoklu doğrusal regresyon kullanın.
Güçlü yönler & sınırlılıklar
- Zamanla değişmeyen tüm gözlemlenmemiş karıştırıcı faktörleri açıkça ölçmeden kontrol eder.
- Hem kesitsel hem de boylamsal varyasyonu kullanarak, saf kesitlerden daha hassas tahminler elde eder.
- Sabit etkiler tahmincisi, birim etkileri yordayıcı ile ilişkili olduğunda bile tutarlıdır.
- Basit ve şeffaf — tek bir eğim katsayısı yordayıcının birim içi etkisini yakalar.
- Farklı sayıda zaman gözlemine sahip birimlerin olduğu dengesiz panellerle uyumludur.
- Sabit etkiler, zamandan bağımsız yordayıcıları emer, bu nedenle bireysel etkileri tahmin edilemez.
- Yordayıcıda yeterli birim içi varyasyon gerektirir; çoğu birim için x zamanla zar zor değişiyorsa, tahminci hassasiyetini kaybeder.
- Zamanla değişen karıştırıcı faktörleri ele almaz — yalnızca gözlemlenmemiş zamandan bağımsız heterojenlik kontrol edilir.
- Kısa paneller (küçük T) gecikmeli bağımlı değişkenle birleştiğinde sabit etkiler tahmininde Nickell yanlılığına neden olur.
SSS
Sabit etkiler mi yoksa rastgele etkiler mi kullanmalıyım?
Hausman testini çalıştırın. Test anlamlıysa (p < 0.05), birim etkileri yordayıcı ile ilişkilidir ve sabit etkiler tutarlı bir seçimdir. Bu korelasyon yoksa rastgele etkiler daha verimlidir, ancak mevcut olduğunda yanlı tahminler verir.
Neden standart hataları kümelemeliyim?
Aynı birimden gelen gözlemler zaman içinde ilişkilidir. Sıradan (kümelenmemiş) standart hatalar bunları bağımsız olarak ele alır, bu da hassasiyeti önemli ölçüde abartır. Birim düzeyinde kümeleme, bu birim içi bağımlılığı düzeltir.
Ya tek yordayıcım birimler içinde zar zor değişiyorsa?
Sabit etkiler, eğimi yalnızca birim içi değişikliklerden tanımlar. Yordayıcı çoğu birim için neredeyse zamandan bağımsızsa, birim içi varyasyon küçüktür ve sabit etkiler tahmincisinin standart hataları çok büyük olacaktır — etkili bir şekilde bilgilendirici değildir. Birim etkileri ve yordayıcının ilişkisiz olduğu makul görünüyorsa rastgele etkileri düşünün veya tanımlama sınırlamasını kabul edin.
Bunu birim başına sadece iki zaman periyodu ile kullanabilir miyim?
Evet, T = 2 sabit etkiler için minimumdur. Tam olarak iki periyotla, birim içi tahminci bir birinci fark tahmincisine eşdeğerdir. Tahminler geçerlidir ancak N (birim sayısı) da küçükse hassas olmayabilir.
Ne zaman daha fazla yordayıcı eklemeliyim?
Diğer gözlemlenen değişkenler yordayıcınız ile çıktı arasındaki ilişkiyi karıştırıyorsa, bunları dahil edin — bu panel çoklu doğrusal regresyondur. İlgili karıştırıcı faktörleri dışlamak, gözlemlenmemiş zamandan bağımsız heterojenliği kontrol eden sabit etkilerle bile eğimi yanlı hale getirir.
Kaynaklar
- Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press. ISBN: 978-0262232586
- Baltagi, B. H. (2021). Econometric Analysis of Panel Data (6th ed.). Springer. ISBN: 978-3030534875
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Panel Data Simple Linear Regression. ScholarGate. https://scholargate.app/tr/statistics/panel-simple-linear-regression
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Hiyerarşik Doğrusal Model (HDM)İstatistik↔ karşılaştır
- Karma Etkiler Modeliİstatistik↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır
- Panel Veri Rastgele Etkiler ModeliEkonometri↔ karşılaştır