Modèle de panel à effets fixes

Les modèles SEM nous ont aidés à découvrir la preuve que les hypothèses standard des coefficients fixes, des écarts d`erreur fixes et aucune variable endogène retardée n`ont pas toujours été prises en charge lorsqu`elles sont testées dans notre exemple empirique. Nous présentons cette série de spécifications pour démontrer la souplesse de notre approche. Pourtant, nous aurions pu estimer diverses autres alternatives, ou combiner plusieurs des éléments que nous présentons séparément. La formulation SEM permet également d`enquêter sur les effets indirects, comme nous l`avons mentionné ci-dessus. Un autre domaine que nous n`avons pas exploré, mais qui est facilement mis en œuvre, est d`inclure des covariables latentes avec des indicateurs multiples. L`une est d`ajouter une variable factice pour chaque individu i > 1 {displaystyle i > 1} (omettre la première personne en raison de la multicolinéarité). Cela est numériquement, mais pas de façon computationelle, équivalente au modèle d`effet fixe et ne fonctionne que si la somme du nombre de séries et du nombre de paramètres globaux est inférieure au nombre d`observations. [9] l`approche de la variable factice est particulièrement exigeante en ce qui concerne l`utilisation de la mémoire de l`ordinateur et il n`est pas recommandé pour les problèmes plus grands que la RAM disponible, et la compilation du programme appliqué, peut accueillir. Pourtant, une autre contrainte implicite dans les modèles habituels est que les variables dépendantes décalées n`ont aucun effet.

Dans certaines zones, les valeurs antérieures de la variable dépendante influencent les valeurs actuelles, même nettes d`autres variables. Le revenu de l`année dernière, par exemple, pourrait influer sur le revenu de cette année, déduction faite des variables de contrôle, il serait donc utile d`inclure le revenu retardé comme variable explicative. De plus, dans le FEM et le REM habituels, les covariables observées dans les modèles ne sont pas autorisées à influencer la variable de temps-invariante latente. Considérez le modèle d`effets non observés linéaires pour les observations N {displaystyle N} et les périodes de temps T {displaystyle T}: 9Allison (2005:129) suggère que l`approche SEM nécessite une suppression listwise, bien que compte tenu du contexte de ses commentaires, ils se réfèrent probablement à Proc Calis dans SAS. Cependant, MLE direct ou imputation multiple sont les deux options lors de l`utilisation de la plupart des autres logiciels SEM pour les données de panel. Pour ce modèle, la moyenne implicite et les matrices de covariance deviennent, ces modèles aident à contrôler l`hétérogénéité non observée lorsque cette hétérogénéité est constante au fil du temps. Cette hétérogénéité peut être supprimée des données par la différenciation, par exemple en prenant une première différence qui supprimera les composants invariants de temps du modèle. Les statistiques de l`ajustement du modèle que nous incluons sont la statistique de test du ratio de vraisemblance (TM), les degrés de liberté (DF), IFI/RNI, RMSEA et BIC. Nous avons décrit le calcul de ces indices d`ajustement dans le tableau 2. Dans le tableau 3, la statistique de test LR du Khi carré qui compare l`hypothèse de FEM ou de REM au modèle saturé conduit à un résultat très statistiquement significatif, suggérant que ces modèles hypothétiques ne reproduisent pas exactement les moyens et la matrice de covariance de les variables observées.

Avec plus de 5 000 cas dans cet échantillon, le test du Khi-carré LR a une puissance statistique considérable pour détecter même les petits départs du modèle à partir des données. À la lumière de ce pouvoir statistique, il n`est pas surprenant que les hypothèses nulles soient rejetées pour ces modèles (p < 0,001). Si le modèle représenté par l`option (3) dans le tableau 1 s`adapte, nous introduisons différents types de restrictions dans les autres options. L`option (4) maintient tous les coefficients égaux au fil du temps, mais contraint également les corrélations des variables temporelles (Xit) avec la variable temporelle latente (ηi) définie à zéro.

CategoriesUncategorized