Ο έλεγχος Hausman σε δεδομένα πάνελ βοηθά στην επιλογή μεταξύ υποδείγματος σταθερών και τυχαίων επιδράσεων. Τα δύο υποδείγματα χειρίζονται διαφορετικά τη μη παρατηρούμενη ετερογένεια των μονάδων. Η βασική ερώτηση αφορά τη σχέση αυτής της ετερογένειας με τις ερμηνευτικές μεταβλητές. Αν υπάρχει συσχέτιση, το υπόδειγμα τυχαίων επιδράσεων μπορεί να δώσει ασυνεπείς εκτιμήσεις. Ο Hausman συγκρίνει τους συντελεστές των δύο υποδειγμάτων. Έτσι παρέχει στατιστική ένδειξη για την επιλογή του καταλληλότερου μοντέλου.
Περιεχόμενα άρθρου
- 1. Τι είναι τα δεδομένα πάνελ και ποια υποδείγματα χρησιμοποιούμε;
- 2. Τι ελέγχει ο έλεγχος Hausman σε δεδομένα πάνελ;
- 3. Πώς πραγματοποιείται ο έλεγχος Hausman;
- 4. Πώς ερμηνεύουμε την τιμή p και επιλέγουμε μοντέλο;
- 5. Πώς παρουσιάζεται ο έλεγχος Hausman σε πτυχιακή εργασία;
- Χρειάζεσαι βοήθεια με τη στατιστική ανάλυση;
1. Τι είναι τα δεδομένα πάνελ και ποια υποδείγματα χρησιμοποιούμε;
Τα δεδομένα πάνελ παρακολουθούν τις ίδιες ερευνητικές μονάδες σε περισσότερες χρονικές περιόδους. Οι μονάδες μπορεί να είναι επιχειρήσεις ή χώρες.
Για παράδειγμα, μια μελέτη μπορεί να εξετάζει 80 επιχειρήσεις για δέκα συνεχόμενα έτη. Κάθε επιχείρηση εμφανίζεται επομένως επανειλημμένα στο σύνολο δεδομένων.
Αυτή η δομή προσφέρει περισσότερη πληροφορία από μία απλή διαστρωματική έρευνα. Επιτρέπει επίσης την εξέταση μεταβολών μέσα στην ίδια μονάδα.
Το βασικό πρόβλημα είναι ότι κάθε μονάδα διαθέτει χαρακτηριστικά που δεν παρατηρούμε πλήρως. Ορισμένα παραμένουν σχετικά σταθερά στον χρόνο.
Μια επιχείρηση μπορεί, για παράδειγμα, να έχει συγκεκριμένη διοικητική κουλτούρα. Αυτή μπορεί να επηρεάζει την απόδοσή της χωρίς να μετριέται άμεσα.
Το υπόδειγμα σταθερών επιδράσεων επιτρέπει σε αυτή την ατομική επίδραση να συσχετίζεται με τις ερμηνευτικές μεταβλητές.
Ουσιαστικά αξιοποιεί κυρίως τη μεταβολή που συμβαίνει μέσα στην ίδια μονάδα με την πάροδο του χρόνου.
Αντίθετα, το υπόδειγμα τυχαίων επιδράσεων αντιμετωπίζει την ατομική επίδραση ως τυχαίο μέρος του σφάλματος.
Για να είναι συνεπές αυτό το υπόδειγμα, απαιτείται κρίσιμη υπόθεση. Η ατομική επίδραση δεν πρέπει να συσχετίζεται με τις ερμηνευτικές μεταβλητές.
Αν αυτή η υπόθεση ισχύει, οι τυχαίες επιδράσεις μπορούν να προσφέρουν αποδοτικότερες εκτιμήσεις. Επιτρέπουν επίσης την εκτίμηση διαχρονικά σταθερών μεταβλητών.
Το υπόδειγμα σταθερών επιδράσεων δεν μπορεί να εκτιμήσει ξεχωριστά μια μεταβλητή που παραμένει απολύτως σταθερή μέσα σε κάθε μονάδα.
Για τη γενικότερη λογική των υποδειγμάτων μπορείς να δεις τον οδηγό για την πολλαπλή παλινδρόμηση.
2. Τι ελέγχει ο έλεγχος Hausman σε δεδομένα πάνελ;
Ο έλεγχος Hausman σε δεδομένα πάνελ συγκρίνει τις εκτιμήσεις των συντελεστών από τα δύο υποδείγματα.
Η λογική του βασίζεται σε μια συγκεκριμένη ιδέα. Υπό τη μηδενική υπόθεση, οι δύο εκτιμητές πρέπει να δίνουν συστηματικά παρόμοιους συντελεστές.
Η μηδενική υπόθεση θεωρεί ότι η μη παρατηρούμενη ατομική επίδραση δεν συσχετίζεται με τις ερμηνευτικές μεταβλητές.
Σε αυτή την περίπτωση ο εκτιμητής τυχαίων επιδράσεων παραμένει συνεπής. Παράλληλα μπορεί να είναι αποδοτικότερος από τον εκτιμητή σταθερών επιδράσεων.
Η εναλλακτική υπόθεση θεωρεί ότι υπάρχει σχετική συσχέτιση. Τότε το υπόδειγμα τυχαίων επιδράσεων χάνει τη συνέπειά του.
Ο εκτιμητής σταθερών επιδράσεων παραμένει κατάλληλος υπό αυτή την εναλλακτική. Για αυτό ένα σημαντικό αποτέλεσμα ευνοεί τις σταθερές επιδράσεις.
Ο έλεγχος εξετάζει αν οι διαφορές μεταξύ των δύο συνόλων συντελεστών είναι μεγαλύτερες από όσες αναμένονται από τη δειγματοληπτική μεταβλητότητα.
Η στατιστική του ελέγχου ακολουθεί ασυμπτωτικά κατανομή χ² υπό τις συνήθεις προϋποθέσεις.
Οι βαθμοί ελευθερίας συνδέονται με τον αριθμό των συντελεστών που συμμετέχουν στη σύγκριση.
Η τεκμηρίωση του ETH Zürich για οικονομετρική ανάλυση δεδομένων πάνελ παρουσιάζει τον Hausman ως βασικό έλεγχο επιλογής μεταξύ των δύο υποδειγμάτων.
Στην ίδια παρουσίαση, η μη απόρριψη της μηδενικής υπόθεσης υποστηρίζει τη χρήση του αποδοτικότερου υποδείγματος τυχαίων επιδράσεων.
Πρέπει όμως να αποφεύγουμε μια υπερβολικά μηχανική ερμηνεία. Ο Hausman εξετάζει συγκεκριμένη υπόθεση και δεν αξιολογεί κάθε πρόβλημα του μοντέλου.
3. Πώς πραγματοποιείται ο έλεγχος Hausman;
Πριν εκτελέσεις τον Hausman πρέπει να εκτιμήσεις δύο υποδείγματα με συγκρίσιμη προδιαγραφή. Το ένα χρησιμοποιεί σταθερές επιδράσεις.
Το δεύτερο χρησιμοποιεί τυχαίες επιδράσεις. Οι ερμηνευτικές μεταβλητές που συγκρίνονται πρέπει να είναι συμβατές μεταξύ των δύο υποδειγμάτων.
Ας υποθέσουμε ότι μελετάς την κερδοφορία επιχειρήσεων σε περίοδο δέκα ετών. Ως ερμηνευτικές μεταβλητές χρησιμοποιείς μόχλευση και εταιρικό μέγεθος.
Πρώτα εκτιμάς το υπόδειγμα σταθερών επιδράσεων. Έπειτα αποθηκεύεις τους εκτιμώμενους συντελεστές του.
Στη συνέχεια εκτιμάς το αντίστοιχο υπόδειγμα τυχαίων επιδράσεων. Η εξαρτημένη μεταβλητή πρέπει να παραμένει ίδια.
Έπειτα ο Hausman συγκρίνει τα δύο διανύσματα συντελεστών. Παράλληλα λαμβάνει υπόψη τις αντίστοιχες μήτρες διακύμανσης.
Το αποτέλεσμα περιλαμβάνει συνήθως μία τιμή χ². Περιλαμβάνει επίσης βαθμούς ελευθερίας και τιμή p.
Σε λογισμικά οικονομετρίας η διαδικασία εκτελείται αυτόματα μετά την εκτίμηση των δύο μοντέλων.
Στη γλώσσα R, για παράδειγμα, το πακέτο plm διαθέτει τη συνάρτηση phtest για τη σχετική σύγκριση.
Στο Stata η συνηθισμένη διαδικασία περιλαμβάνει πρώτα εκτίμηση των σταθερών επιδράσεων. Μετά εκτιμάται το υπόδειγμα τυχαίων επιδράσεων.
Στο EViews μπορείς επίσης να εκτιμήσεις το υπόδειγμα πάνελ και να ζητήσεις έλεγχο συσχέτισης τυχαίων επιδράσεων.
Το λογισμικό όμως δεν αποφασίζει αν το υπόδειγμα έχει σωστή θεωρητική προδιαγραφή. Αυτό παραμένει ευθύνη του ερευνητή.
Πριν από τον Hausman πρέπει επίσης να έχεις εξετάσει αν η χρήση μοντέλου πάνελ είναι δικαιολογημένη έναντι απλού συγκεντρωτικού υποδείγματος.
4. Πώς ερμηνεύουμε την τιμή p και επιλέγουμε μοντέλο;
Η ερμηνεία του Hausman ξεκινά από τη μηδενική υπόθεση. Αυτή υποστηρίζει ότι οι διαφορές των συντελεστών δεν είναι συστηματικές.
Ας υποθέσουμε ότι ο έλεγχος δίνει χ²(4) = 18,62 και p = 0,001.
Η τιμή p βρίσκεται κάτω από το συνηθισμένο επίπεδο 0,05. Επομένως απορρίπτουμε τη μηδενική υπόθεση.
Το αποτέλεσμα αποτελεί ένδειξη ότι η βασική υπόθεση των τυχαίων επιδράσεων δεν υποστηρίζεται από τα δεδομένα.
Σε αυτή την περίπτωση επιλέγουμε συνήθως το υπόδειγμα σταθερών επιδράσεων για τη συγκεκριμένη προδιαγραφή.
Ας υποθέσουμε τώρα ότι p = 0,38. Δεν έχουμε επαρκή ένδειξη για απόρριψη της μηδενικής υπόθεσης.
Τότε το υπόδειγμα τυχαίων επιδράσεων μπορεί να προτιμηθεί λόγω μεγαλύτερης αποδοτικότητας, εφόσον οι υπόλοιπες παραδοχές είναι κατάλληλες.
Μην γράψεις όμως ότι p > 0,05 «αποδεικνύει» ότι οι τυχαίες επιδράσεις είναι σωστές. Η μη απόρριψη δεν αποδεικνύει τη μηδενική υπόθεση.
Μπορεί απλώς το δείγμα να μην παρέχει αρκετή πληροφορία για να εντοπιστεί ουσιαστική διαφορά μεταξύ των εκτιμητών.
Για αυτό η επιλογή μοντέλου δεν πρέπει να στηρίζεται αποκλειστικά σε ένα όριο p = 0,05.
Χρειάζεται να εξετάσεις τη θεωρία πίσω από τις μεταβλητές. Αναρωτήσου αν είναι εύλογο η ατομική ετερογένεια να συσχετίζεται με αυτές.
Χρειάζεται επίσης έλεγχος για προβλήματα όπως ετεροσκεδαστικότητα. Η σειριακή συσχέτιση μπορεί επίσης να επηρεάζει τη στατιστική συμπερασματολογία.
Οι τυπικοί Hausman έλεγχοι μπορούν ακόμη να παρουσιάσουν προβλήματα όταν χρησιμοποιούνται μη συμβατές εκτιμήσεις διακύμανσης.
Σε τέτοιες περιπτώσεις εξετάζονται ανθεκτικότερες διαδικασίες ή προσεγγίσεις συσχετισμένων τυχαίων επιδράσεων.
5. Πώς παρουσιάζεται ο έλεγχος Hausman σε πτυχιακή εργασία;
Στη μεθοδολογία εξήγησε πρώτα γιατί χρησιμοποιείς δεδομένα πάνελ. Περιέγραψε πόσες μονάδες περιλαμβάνει το δείγμα και ποιες χρονικές περιόδους καλύπτει.
Στη συνέχεια εξήγησε ότι εκτιμήθηκαν υποδείγματα σταθερών και τυχαίων επιδράσεων. Μην εμφανίσεις τον Hausman χωρίς προηγούμενη περιγραφή των μοντέλων.
Μετά διατύπωσε καθαρά τη μηδενική υπόθεση. Η μη παρατηρούμενη ατομική επίδραση θεωρείται ασυσχέτιστη με τις ερμηνευτικές μεταβλητές.
Η εναλλακτική υπόθεση προβλέπει σχετική συσχέτιση. Σε αυτή την περίπτωση οι τυχαίες επιδράσεις δεν αποτελούν συνεπή επιλογή.
Στα αποτελέσματα παρουσίασε την τιμή χ² και τους βαθμούς ελευθερίας. Πρόσθεσε επίσης την τιμή p.
Μια ενδεικτική διατύπωση είναι: «Ο έλεγχος Hausman ήταν στατιστικά σημαντικός, χ²(4) = 18,62, p = 0,001».
Μετά εξήγησε το συμπέρασμα. Μπορείς να γράψεις ότι το αποτέλεσμα υποστηρίζει την επιλογή του υποδείγματος σταθερών επιδράσεων.
Αν p > 0,05, γράψε ότι δεν απορρίφθηκε η μηδενική υπόθεση. Στη συνέχεια αιτιολόγησε την επιλογή τυχαίων επιδράσεων.
Απόφυγε τη φράση «το Hausman απέδειξε ποιο μοντέλο είναι σωστό». Ο έλεγχος αφορά μία συγκεκριμένη προϋπόθεση της οικονομετρικής προδιαγραφής.
Αν χρησιμοποιείς ανθεκτικά τυπικά σφάλματα, εξήγησε και τον τρόπο εφαρμογής του ελέγχου. Η συμβατότητα των εκτιμητών διακύμανσης έχει σημασία.
Εξήγησε επίσης αν το υπόδειγμα περιλαμβάνει χρονικές επιδράσεις. Αυτές μπορούν να ελέγχουν κοινές μεταβολές που επηρεάζουν όλες τις μονάδες.
Ο έλεγχος Hausman σε δεδομένα πάνελ πρέπει τελικά να συνδέεται με τη θεωρητική δομή της μελέτης. Δεν αποτελεί αυτόματο κουμπί επιλογής μοντέλου.
Για τη γενικότερη οργάνωση μιας εμπειρικής ανάλυσης μπορείς να δεις τον οδηγό για τη στατιστική ανάλυση σε πτυχιακή εργασία.
Για πιο εξειδικευμένη υποστήριξη μπορείς επίσης να δεις τη σελίδα για στατιστικές αναλύσεις.
Χρειάζεσαι βοήθεια με τη στατιστική ανάλυση;
Αν χρειάζεσαι βοήθεια με τη στατιστική ανάλυση της πτυχιακής σου, στείλε το αρχείο δεδομένων. Στείλε επίσης τα ερευνητικά ερωτήματα και ό,τι άλλο έχεις στη διάθεσή σου.
Μπορείς να συμβουλευτείς τις ενδεικτικές τιμές για μια πρώτη εικόνα. Η τελική κοστολόγηση εξαρτάται από τα δεδομένα. Εξαρτάται επίσης από την πολυπλοκότητα της απαιτούμενης ανάλυσης.
Για συγκεκριμένη εκτίμηση, συμπλήρωσε τη φόρμα κοστολόγησης και επισύναψε τα διαθέσιμα αρχεία. Αν χρειάζεσαι πρώτα διευκρίνιση, μπορείς να επικοινωνήσεις μαζί μας.