U19 Fixed effects regression med paneldata og hierarkisk data Flashcards
(17 cards)
Tværsnitsdata
Data for flere enheder, men kun for ét tidspunkt
Grupperet data
Data indlejret i grupper: Observationer inden for samme gruppe er afhængige af hinanden
Kan både være konkrete grupper (skoler, institutioner, lande) og abstrakte grupper (samme enhed men over tid)
Paneldata
Data for flere af de samme enheder målt på flere tidspunkter, dvs. inddelt i abstrakt (tidsmæssig) gruppe
Ift. tidsseriedata: Kun én enhed, men på flere tidspunkter
Hierarkisk data
Data, der er inddelt i hierarkiske niveauer, dvs. data inddelt i konkrete grupper
F.eks.: Niveau 1 – individer
Niveau 2: Institutioner
Niveau 3: Lande
Fixed effects kan kun anvendes på højere niveauer (f.eks. skoler), hvilket begrænser dens effektivitet sammenlignet med paneldata.
Afhængighed i observationer
Observationer er afhængige, når hver ny observation ikke bidrager med ny information, fordi deres værdi på de relevante variable er korreleret med andre observationer (i gruppen).
Gælder også for abstrakte grupper: Data for det samme land, men for forskellige tidspunkter, afhænger af sig selv: autokorrelation.
Afhængighed = data har mindre statistisk power.
Effekt heraf (Afhængighed i observationer) på standardfejl
Hvis vi ikke tager højde for observationers afhængighed, så kommer vi til at overestimere std. fejl. Dette leder os til for ofte at forkaste H0, selvom den er sand (falsk positiv, type I-fejl).
Skal derfor korrigeres 🡪 klyngerobuste std. fejl. Tager også højde for heteroskedasticitet.
Klyngerobuste std.-fejl
En metode til at håndtere afhængige observationer inden for grupper (f.eks. lande eller skoler) for at korrigere standardfejl.
Skal kun bruges, hvis enten
1) Treatmenttildeling på gruppeniveau
2) Treatmentvariabel på individniveau, men kun data for få (ud af mange) grupper
3) Treatmentvariabel på gruppeniveau, men kun få niveau-1 obs. pr. gruppe.
Fixed-effects
En metode til at kontrollere for tidsinvariante karakteristika ved at inkludere enheds- eller tids-specifikke konstanter. Dette hjælper med at reducere selektionsbias.
Fixed effects holder alle tidsinvariante faktorer mellem grupper konstant
Kun variation internt i grupper.
Virker ved at tilføje en gruppespecifik konstant (dvs. trækker gruppegns. fra). Tager altså højde for, at hver gruppe har forskelligt udgangspunkt.
Koefficienter skal derfor tolkes i relation til den gruppe, vi vil udtale os om.
Hjælper altså kraftigt på at eliminere systematiske forskelle mellem grupperne, (dvs. selektionsbias).
Two-way fixed effects
Udvider fixed effects til både enheder og tid, hvilket fjerner både tidsinvariante og fælles tidsvariante faktorer.
Kontrollerer for ovennævnte (Fixed effects), men kontrollerer nu for alt tidsvariant, der er fælles for grupperne (f.eks. globale pandemier).
Kausal Inferens (Fixed effects)
Fixed effects og two-way fixed effects gør det muligt at nå tættere på kausale slutninger ved at kontrollere for flere kilder til bias.
Fixed Effects Regression:
En model, der inkluderer dummyvariable for enheder eller grupper for at fange tidsinvariante egenskaber.
Unit Fixed Effects
En specifik form for fixed effects, der kontrollerer for enhedsspecifikke, tidsinvariante faktorer.
Time Fixed Effects
Kontrollerer for tidsvariante faktorer, der påvirker alle enheder (f.eks. økonomiske kriser).
Level 1 og Level 2: (Hierarkisk data)
I hierarkisk data refererer Level 1 til det laveste niveau (f.eks. elever), og Level 2 til det højere niveau (f.eks. skoler).
Tidsinvariante Faktorer:
Faktorer, der ikke ændrer sig over tid (f.eks. geografisk placering).
Tidsvariante Faktorer
Faktorer, der ændrer sig over tid (f.eks. BNP).
Heteroskedasticitet
Varians i fejlled, der ikke er konstant på tværs af observationer
