Панельное исследование — Продольный панельный дизайн
- Автор метода
- Social science and econometric traditions; systematized by Cheng Hsiao and others from the 1970s-1980s
- Год
- 1970s-1980s (econometric formalization); earlier social survey use from 1940s
- Тип
- Quantitative longitudinal observational design
- Семейство
- Survey / observational design
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Панельное исследование — это количественный продольный дизайн, в котором одни и те же индивиды, организации или другие единицы измеряются многократно в двух или более временных точках.
В отличие от перекрестных опросов, которые фиксируют один момент времени, панель отслеживает изменения внутри единиц, позволяя исследователям отделить подлинные изменения внутри единиц от различий между единицами и моделировать причинно-следственную динамику во времени.
Интуиция метода
Представьте, что вы ежегодно в течение десятилетия отслеживаете одни и те же 2000 домохозяйств, записывая их доход, статус занятости и состояние здоровья. Поскольку вы всегда возвращаетесь к одним и тем же домохозяйствам, любые наблюдаемые вами изменения являются реальными изменениями внутри человека или домохозяйства, а не различиями между разными людьми, измеренными в разные моменты времени. В этом заключается основная сила панели: вы можете спросить не только о том, у кого доход выше, но и о том, что вызвало рост или падение дохода у одного и того же человека с течением времени. Оценщики с фиксированными и случайными эффектами используют эту повторяющуюся структуру для контроля ненаблюдаемых, стабильных во времени характеристик, которые в противном случае могли бы исказить перекрестные сравнения.
История
Метод панели возник в социальных науках в 1940-х годах, когда электоральные исследования Пола Лазарсфельда стали пионерами в использовании повторных интервью для изучения изменений установок. Экономисты формализовали эконометрическую теорию панельных данных с 1960-х по 1980-е годы; Яир Мундлак (1961, 1978) и основополагающий учебник Ченг Сяо 1986 года (пересмотренный в 2003 году) установили оценку фиксированных и случайных эффектов как стандартные инструменты. Крупные национальные панельные исследования — Панельное исследование доходов США (PSID, начато в 1968 году) и Немецкий социально-экономический панель (SOEP, начато в 1984 году) — укрепили панельные исследования как краеугольный камень эмпирических социальных наук и экономики.
Когда применять
Используйте панельное исследование, когда основной вопрос касается изменений во времени внутри одних и тех же единиц, или когда вы хотите контролировать ненаблюдаемую гетерогенность на индивидуальном уровне, которую не могут учесть перекрестные дизайны. Панельные дизайны подходят для изучения траекторий дохода, здоровья, установок, эффективности фирм или образовательных результатов. Они требуют возможности отслеживать и повторно связываться с одними и теми же единицами между волнами, достаточных ресурсов для повторного сбора данных и значимого временного интервала, в течение которого ожидается изменение исхода. Не используйте панельный дизайн, если повторные измерения могут сенсибилизировать участников и изменить их поведение (панельное кондиционирование), если популяция очень мобильна и неуслеживаема во времени (высокий риск структурного отсева), если исследовательский вопрос касается распространенности в один момент времени (используйте перекрестный опрос вместо этого), или если важны только агрегированные тенденции по разным выборкам (используйте трендовый или повторный перекрестный дизайн).
Ограничения и замечания
- Отсев из панели вносит потенциальное смещение выборки, если выбытие связано с исходом или предикторами.
- Панельное кондиционирование — повторные измерения могут изменять установки или поведение респондентов, компрометируя внешнюю валидность.
- Модели с фиксированными эффектами не могут оценить влияние инвариантных во времени предикторов (например, пол, раса, страна рождения), которые отбрасываются путем дифференцирования.
- Дорогостоящий и логистически сложный: поддержание контакта с панелью в течение лет или десятилетий требует значительной инфраструктуры.
- Оценки случайных эффектов искажены, если ненаблюдаемые эффекты единиц коррелируют с предикторами — предположение, которое часто нарушается.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Позволяет проводить причинно-следственный анализ внутри единиц, контролируя все инвариантные во времени ненаблюдаемые конфаундеры с помощью оценки фиксированных эффектов.
- Фиксирует динамику и последовательность изменений, а не только результат в один момент времени.
- Более статистически эффективен, чем независимые перекрестные выборки, для оценки изменений, поскольку вариация внутри единиц обычно меньше вариации между единицами.
- Позволяет одновременное изучение множества исходов и их взаимосвязей во времени.
- Поддерживает анализ траекторий подгрупп; различные когорты или группы могут быть сравнены по их путям изменений.
Применение
- Отслеживание траекторий дохода и занятости одних и тех же домохозяйств на протяжении десятилетий для изучения динамики бедности и социальной мобильности.
- Оценка причинного эффекта образовательной политики путем отслеживания студентов в течение учебных лет и контроля ненаблюдаемых характеристик на уровне студентов.
- Изучение роста производительности на уровне фирм и внутрифирменного эффекта внедрения технологий в течение нескольких лет.
- Отслеживание пациентов на протяжении повторных клинических визитов для оценки того, как приверженность лечению изменяет исходы для здоровья у одного и того же индивида.
- Анализ изменений политических установок избирателей в течение избирательных циклов для отделения смены поколений от реальных изменений мнений.
- Моделирование эффектов политики на уровне стран в сравнительной политической экономии с использованием многолетних панельных данных по нескольким странам.
Как это работает
Как это работает
Исследователь определяет единицу панели (индивиды, фирмы, страны), количество и сроки проведения волн измерения, а также отслеживаемые переменные. Интервалы между волнами должны быть выбраны так, чтобы уловить значимые изменения; слишком короткий интервал упускает существенные сдвиги, тогда как слишком длинный интервал рискует потерей участников и упущением динамики между волнами.
На этапе базового исследования (Волна 1) набирается вероятностная или целенаправленная выборка целевой популяции. Получается информированное согласие на повторное участие. Полностью измеряются базовые характеристики. На этом этапе решаются вопросы весов выборки и запланированного сверхвыборочного охвата редких подгрупп, поскольку вся стратегия анализа панели зависит от установленной здесь репрезентативности.
На каждой последующей волне одни и те же единицы повторно опрашиваются, и измеряются одни и те же основные переменные, а также любые ковариаты, изменяющиеся во времени. Для сохранения сопоставимости между волнами используются стандартизированные инструменты. Новые переменные могут добавляться между волнами, но основные пункты должны оставаться неизменными, чтобы изменения внутри единиц можно было отслеживать без искажений измерения.
Диагностируется отсев из панели — выбытие участников между волнами. Исследователи сравнивают тех, кто завершил исследование, с выбывшими по базовым характеристикам, чтобы оценить, является ли отсев случайным (пропущено полностью случайно) или систематическим (пропущено случайно или не случайно). Систематический отсев искажает оценки; средства устранения включают множественную импутацию, взвешивание по обратной вероятности или анализ чувствительности.
Применяются специфичные для панели оценщики. Модели с фиксированными эффектами (внутригрупповой оценщик) контролируют все инвариантные во времени ненаблюдаемые конфаундеры путем дифференцирования или центрирования данных внутри каждой единицы. Модели со случайными эффектами предполагают отсутствие корреляции между ненаблюдаемыми эффектами единиц и предикторами, повышая эффективность за счет этого предположения. Тест Хаусмана часто используется для выбора между ними. Разность разностей является заметным частным случаем.
Коэффициенты интерпретируются как изменения внутри единиц: увеличение предиктора на одну единицу связано с определенным изменением исхода для той же единицы с течением времени, при условии сохранения ее стабильных во времени ненаблюдаемых характеристик. Интерпретации между единицами требуют предположений о случайных эффектах или объединенном МНК. Причинно-следственные утверждения требуют дополнительных элементов дизайна, таких как экзогенная вариация или инструментальные переменные.
Частые ошибки
- Игнорирование паттернов отсева: рассмотрение выбытия как случайного без проверки предположения приводит к искаженным оценкам; всегда сравнивайте выбывших и завершивших исследование по базовым переменным.
- Изменение основного инструмента между волнами: даже небольшие изменения формулировок нарушают сопоставимость переменной исхода во времени, делая оценки изменений внутри единиц недействительными.
- Применение объединенного МНК к панельным данным без учета кластеризации внутри единиц: стандартные ошибки занижены, что увеличивает значимость; всегда кластеризуйте стандартные ошибки по единице панели или используйте подходящие для панели оценщики.
- Смешение панели с когортным дизайном: когортное исследование отслеживает индивидов, родившихся или вступивших в определенную группу в одно время; панель отслеживает одних и тех же отобранных индивидов независимо от принадлежности к когорте — эти методы отвечают на разные вопросы.
- Чрезмерные утверждения о причинно-следственной связи: фиксированные эффекты контролируют только инвариантные во времени конфаундеры; конфаундеры, изменяющиеся во времени, по-прежнему угрожают причинно-следственной связи, если они не устранены дизайном (например, инструментальные переменные, регрессионный разрыв).
Часто задаваемые вопросы
В чем разница между панельным исследованием и продольным исследованием?
Все панельные исследования являются продольными, но не все продольные исследования являются панельными. Панельное исследование специально отслеживает одни и те же отобранные единицы на каждой волне. Другие продольные дизайны — такие как трендовые исследования или повторные перекрестные выборки — собирают новые выборки на каждой волне и поэтому не могут оценить изменения внутри единиц или применить оценщики фиксированных эффектов.
Когда следует использовать фиксированные эффекты вместо случайных эффектов?
Используйте фиксированные эффекты, когда вы подозреваете, что ненаблюдаемые характеристики на уровне единиц коррелируют с вашими предикторами — это распространенный случай в наблюдательных социальных науках. Фиксированные эффекты устраняют эту корреляцию, удаляя из данных средние значения, инвариантные во времени для каждой единицы. Используйте случайные эффекты только тогда, когда вы можете достоверно предположить отсутствие такой корреляции. Тест Хаусмана предоставляет формальную статистическую проверку: значимый результат указывает на нарушение предположения о случайных эффектах, и следует предпочесть фиксированные эффекты.
Сколько волн мне нужно для панельного исследования?
Минимум две волны необходимы для оценки изменений внутри единиц, но две волны часто оставляют мало возможностей для моделирования траекторий или обнаружения нелинейных изменений. Три или более волн необходимы для моделирования кривых роста или изменений в скорости изменений. Оптимальное количество зависит от исследовательского вопроса, скорости изучаемого процесса и практических ограничений, таких как бюджет и допустимый уровень отсева.
Как обрабатывать пропущенные данные в панельных исследованиях?
Во-первых, определите причину пропусков данных: пропуски полностью случайны (MCAR), случайны (MAR) или не случайны (MNAR). При MAR — наиболее обоснованном предположении на практике — множественная импутация или оценка максимального правдоподобия дают несмещенные оценки. При MNAR требуются анализы чувствительности с использованием моделей выбора или моделей смешанных паттернов. Простое исключение неполных случаев приводит к смещению, когда выбытие не является MCAR.
Могут ли панельные данные доказать причинно-следственную связь?
Оценщики панельных данных с фиксированными эффектами устраняют все инвариантные во времени конфаундеры, что является значительным преимуществом по сравнению с перекрестными дизайнами, но они не устраняют конфаундеры, изменяющиеся во времени. Для усиления причинно-следственных утверждений исследователи комбинируют панельные данные с естественными экспериментами, инструментальными переменными, дизайнами регрессионного разрыва или разностью разностей с проверкой параллельных трендов. Панельные данные позволяют делать более сильные причинно-следственные выводы, чем перекрестные, но не являются заменой экспериментальной вариации.
Похожие методы
Источники
Hsiao, C. (2003). Analysis of Panel Data (2nd ed.). Cambridge University Press.
ISBN: 978-0521522717Скопировано.Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press.
ISBN: 978-0262232586Скопировано.