固定效应模型的局限 | 统计原理
- Vaisey, S., & Miles, A. (2017). What you can—and can’t—do with three-wave panel data. Sociological Methods & Research, 46(1), 44-67.
- 利用面板数据处理未观测异质性
- 面板数据通用模型
- 三种处理方法
- 滞后因变量模型（lagged dependent variable，LDV）
- 将y的滞后值当作 ʊ的代理变量
- 缺点是依赖于yt-1与 ʊ之间的模糊关系预设，而不是直接对 ʊ建模
- 最小二乘虚拟变量回归模型（least-squares-dummy-variables-estimator，LSDV）
- 加入个体作为虚拟变量，这样只有个体特征随时间变化的变量可以被估计
- 均值差分模型（mean differencing，MD）
- 所有不随时间变化的异质性已经被差分掉
- 一阶差分模型（first-difference model，FD）
- 所有不随时间变化的异质性已经被差分掉
- 固定效应模型（first effect model）与混合模型（hybrid model）
- 混合模型本质上是一种附带固定效应扭曲值的随机效应模型（RE mdoel with an FE twist）
- 固定效应模型的局限
- 干预选择预设（Treatment Selection Assumption）
- 固定效应模型对时期滞后项的正确设定很敏感
- 如果滞后期Y与当期X存在关联，那么对不可观测非时变变量建模（如固定效应模型），依然无法保证X估计的无偏性
- 滞后期Y对X的影响，说明存在时变异质性
- 此时LDV估计量优于FE或混合模型
- 比如家庭不幸福->离婚->家庭不幸福
- 检验干预选择预设
- 等价轨迹预设（Equal Trajectories Assumption）
- FE模型不经常检验的假设是：处理组与控制组在干预前具有相同的潜在时间轨迹（same underlying time trajectory）
- 这个等同于预期效应
- 如要结婚的群体与不结婚的群体相比，他们在结婚前的幸福感变化是不同的，要结婚的群体在结婚前的幸福感可能在增加（即便还没有结婚）
- 检验等价趋势
- 类似于混合模型，但允许X与时间趋势相互作用
- 三项建议
- 使用固定效应模型与面板数据来控制时间恒定不可观测异质性
- 检验固定效应模型关于内生选择和时间轨迹的假设，如果这些假设违反，则使用替代模型
- 不要依靠数据的排序来确定因果优先顺序，除非各面板之间的滞后项与现实世界的滞后项相匹配