Paneldaten

In der Statistik und Ökonometrie sind Paneldaten und Längsschnittdaten ^{[ 1 ] [ 2 ]} beides mehrdimensionale Daten, die Messungen über die Zeit umfassen. Paneldaten sind eine Untergruppe der Längsschnittdaten, bei denen die Beobachtungen jeweils dieselben Personen betreffen.

Zeitreihen- und Querschnittsdaten können als Spezialfälle von Paneldaten betrachtet werden, die nur eine Dimension aufweisen (ein Panelmitglied bzw. eine Einzelperson im Falle von Zeitreihendaten, ein Zeitpunkt im Falle von Paneldaten). Literaturrecherchen umfassen häufig Zeitreihen-, Querschnitts- oder Paneldaten.

Eine Studie, die Paneldaten verwendet, wird als Längsschnittstudie oder Panelstudie bezeichnet.

Im obigen Beispiel des multiplen Antwortpermutationsverfahrens ( MRPP ) werden zwei Datensätze mit Panelstruktur dargestellt. Ziel ist es zu prüfen, ob signifikante Unterschiede zwischen den Personen in den Stichprobendaten bestehen. Individuelle Merkmale (Einkommen, Alter, Geschlecht) werden für verschiedene Personen und Jahre erhoben. Im ersten Datensatz werden zwei Personen (1, 2) über drei Jahre (2016, 2017, 2018) jährlich beobachtet. Im zweiten Datensatz werden drei Personen (1, 2, 3) über drei Jahre (2016, 2017, 2018) beobachtet: Person 1 zweimal, Person 2 dreimal und Person 3 einmal. Person 1 wird im Jahr 2018 nicht beobachtet, Person 3 weder 2016 noch 2018.

Ein balanciertes Panel (z. B. der erste Datensatz oben) ist ein Datensatz, in dem jedes Panelmitglied (d. h. jede Person) jedes Jahr beobachtet wird. Enthält ein balanciertes Panel Panelmitglieder und Perioden, so ist die Anzahl der Beobachtungen ( ) im Datensatz notwendigerweise . ${\displaystyle N}$${\displaystyle T}$${\displaystyle n}$${\displaystyle n=N\cdot T}$

Ein unbalanciertes Panel (z. B. der zweite Datensatz oben) ist ein Datensatz, in dem mindestens ein Panelmitglied nicht in jeder Periode beobachtet wird. Enthält ein unbalanciertes Panel Panelmitglieder und Perioden, so gilt daher die folgende strikte Ungleichung für die Anzahl der Beobachtungen ( ) im Datensatz: . ${\displaystyle N}$${\displaystyle T}$${\displaystyle n}$${\displaystyle n<N\cdot T}$

Beide Datensätze sind im langen Format strukturiert , d. h. jede Zeile enthält eine Beobachtung pro Zeitpunkt. Eine andere Möglichkeit zur Strukturierung von Paneldaten ist das breite Format, bei dem jede Zeile eine Beobachtungseinheit für alle Zeitpunkte repräsentiert (im Beispiel hätte das breite Format nur zwei (erstes Beispiel) oder drei (zweites Beispiel) Datenzeilen mit zusätzlichen Spalten für jede zeitvariable Variable (Einkommen, Alter).

Ein Panel hat die Form

${\displaystyle X_{it},\quad i=1,\dots ,N,\quad t=1,\dots ,T,}$

Dabei bezeichnet die individuelle Dimension und die Zeitdimension. Ein allgemeines Paneldaten-Regressionsmodell lässt sich wie folgt darstellen : . Es können verschiedene Annahmen über die genaue Struktur dieses allgemeinen Modells getroffen werden. Zwei wichtige Modelle sind das Fixed-Effects-Modell und das Random-Effects-Modell . ${\displaystyle i}$${\displaystyle t}$${\displaystyle y_{it}=\alpha +\beta 'X_{it}+u_{it}}$

Betrachten wir ein generisches Paneldatenmodell:

${\displaystyle y_{it}=\alpha +\beta 'X_{it}+u_{it},}$

${\displaystyle u_{it}=\mu _{i}+v_{it}.}$

${\displaystyle \mu _{i}}$sind individuelle, zeitlich unveränderliche Effekte (z. B. könnten dies in einer Ländergruppe Geographie, Klima usw. sein), die über die Zeit konstant sind, wohingegen es sich um eine zeitlich variable Zufallskomponente handelt. ${\displaystyle v_{it}}$

Ist die Variable unbeobachtet und mit mindestens einer der unabhängigen Variablen korreliert, führt dies in einer Standard -OLS- Regression zu einem Bias durch ausgelassene Variablen. Paneldatenmethoden wie der Fixed-Effects-Schätzer oder alternativ der First-Difference-Schätzer können jedoch verwendet werden, um diesen Bias zu kontrollieren. ${\displaystyle \mu _{i}}$

Wenn die Variable mit keiner der unabhängigen Variablen korreliert ist, können lineare Regressionsmethoden der kleinsten Quadrate verwendet werden, um unverzerrte und konsistente Schätzungen der Regressionsparameter zu erhalten. Da die Variable jedoch zeitlich konstant ist, führt sie zu serieller Korrelation im Fehlerterm der Regression. Daher stehen effizientere Schätzverfahren zur Verfügung. Die Methode der Zufallseffekte ist ein solches Verfahren: Sie ist ein Spezialfall der verallgemeinerten Methode der kleinsten Quadrate , die die durch die Variable hervorgerufene serielle Korrelation berücksichtigt . ${\displaystyle \mu _{i}}$${\displaystyle \mu _{i}}$${\displaystyle \mu _{i}}$

Dynamische Paneldaten beschreiben den Fall, in dem eine Verzögerung der abhängigen Variablen als Regressor verwendet wird:

${\displaystyle y_{it}=\alpha +\beta 'X_{it}+\gamma y_{it-1}+u_{it}.}$

Das Vorhandensein der verzögerten abhängigen Variable verletzt die Annahme strikter Exogenität , d. h. es kann zu Endogenität kommen. Sowohl der Fixed-Effects-Schätzer als auch der Differenzenschätzer basieren auf der Annahme strikter Exogenität. Wenn also angenommen wird, dass die abhängige Variable mit einer der unabhängigen Variablen korreliert ist, muss ein alternatives Schätzverfahren verwendet werden. Instrumentalvariablen- oder GMM-Verfahren werden in dieser Situation häufig eingesetzt, beispielsweise der Arellano-Bond-Schätzer . Für die Schätzung dieses Schätzers müssen die entsprechenden Informationen über die Instrumentalvariablen vorliegen. ${\displaystyle u_{i}}$

• Sozio -oekonomisches Panel (SOEP)
• Haushalts-, Einkommens- und Arbeitsmarktdynamik-Studie in Australien (HILDA)
• Britische Haushaltspanelstudie (BHPS)
• Erhebung zu Einkommen und Programmteilnahme (SIPP)
• Lebenslange Arbeitsmarktdatenbank (LLMDB)
• Panelstudie zur Einkommensdynamik (PSID)
• China Family Panel Studies (CFPS)
• Nationale Längsschnittstudien (NLSY)
• Arbeitskräfteerhebung (LFS)

• Baltagi, Badi H. (2008). Ökonometrische Analyse von Paneldaten (4. Aufl.). Chichester: John Wiley & Sons. ISBN 978-0-470-51886-1Die
• Davies, A.; Lahiri, K. (1995). „Ein neuer Rahmen für die Prüfung von Rationalität und die Messung aggregierter Schocks mithilfe von Paneldaten“. Journal of Econometrics . 68 (1): 205–227 . doi : 10.1016/0304-4076(94)01649-K .
• Davies, A.; Lahiri, K. (2000). „Eine erneute Überprüfung der Hypothese rationaler Erwartungen anhand von Paneldaten für Mehrperiodenprognosen“. Analyse von Paneldaten und Modellen mit beschränkter abhängiger Variable . Cambridge: Cambridge University Press. S.  226–254 . ISBN 0-521-63169-6Die
• Frees, E. (2004). Längsschnitt- und Paneldaten: Analyse und Anwendungen in den Sozialwissenschaften . New York: Cambridge University Press. ISBN 0-521-82828-7Die
• Hsiao , Cheng (2003). Analyse von Paneldaten (2. Aufl.). New York: Cambridge University Press. ISBN 0-521-52271-4Die

• PSID
• KLIPS
• Paarfamilie
• Korea-Beschäftigungsstudie