שתי הגישות, תוך שימוש באפקטים קבועים של קבוצה ו / או שגיאת תקן מותאמת אשכול, לוקחות בחשבון נושאים שונים הקשורים לנתוני אשכולות (או פאנלים) והייתי רואה אותם בבירור כגישות נפרדות. לעתים קרובות אתה רוצה להשתמש בשתיהן:

קודם כל, חשבון שגיאה סטנדרטי מותאם לאשכול לצורך מתאם בתוך האשכול או הטרוסדקסטיות אשר אומד ההשפעות הקבועות אינו לוקח בחשבון אלא אם כן אתה מוכן לבצע הנחות נוספות, עיין ב שקופיות ההרצאה של Imbens ו- Wooldridge לדיון טוב בפאנלים קצרים וארוכים ובנושאים שונים הקשורים לבעיה זו. יש גם מאמר חדש על נושא זה מאת קמרון ומילר: מדריך למתרגל למסקנות אשכולות חזקות שעשוי להיות מעניין עבורכם. אם אינך רוצה לדגם את מטריצת השונות-משתנות ואתה חושד שקיים מתאם בתוך האשכול, אני ממליץ להשתמש בשגיאת תקן חזקה של אשכול מכיוון שההטיה ב- SE שלך עשויה להיות חמורה (הרבה יותר בעייתית מאשר בהטרוסדקטיות, ראה Angrist & Pischke פרק III.8 לדיון בנושא זה. אבל אתה צריך מספיק אשכולות (Angrist and Pischke אומרים 40-50 כתפקיד אצבע). שגיאת תקן מותאמת לאשכול מתחשבת בשגיאה סטנדרטית אבל השאר את אומדני הנקודה שלך ללא שינוי (שגיאת תקן בדרך כלל תעלה)!

הערכת אפקטים קבועים לוקחת בחשבון הטרוגניות שאינה נצפתה בזמן משתנה (כפי שציינת). זה יכול להיות טוב או רע: על היד , אתה צריך פחות הנחות כדי לקבל הערכות עקביות. מצד שני, אתה זורק הרבה שונות שעשויה להיות שימושית. יש אנשים כמו אנדרו גלמן מעדיפים דוגמנות היררכית על פני אפקטים קבועים, אך כאן הדעות שונות. הערכת השפעות קבועות תשנה את הבוט אומדני h, נקודה ומרווחים (גם כאן שגיאת התקן תהיה בדרך כלל גבוהה יותר).

אז לסיכום: שגיאת תקן חזקה של אשכולות הן דרך קלה להתחשב בבעיות אפשריות הקשורות לנתונים מקובצים אם אינך רוצה לטרוח עם דוגמת מתאם בין-אשכולתי (ויש מספיק אשכולות זמינים) . הערכת השפעות קבועות תשתמש בשינויים מסוימים בלבד, ולכן זה תלוי במודל שלך אם ברצונך לבצע הערכות על סמך פחות וריאציה או לא. אך ללא הנחות נוספות הערכת השפעות קבועות לא תטפל בבעיות הקשורות למתאם פנים-אשכול למטריצת השונות. גם שגיאות תקן חסינות אשכול לא יביאו בחשבון בעיות הקשורות לשימוש באומדן השפעות קבועות.

אפקטים קבועים הם להסרת הטרוגניות לא נצפתה בין קבוצות שונות בנתונים שלך.

אני לא מסכים עם המשמעות בתגובה המקובלת שההחלטה להשתמש במודל FE תלויה בשאלה אם ברצונך להשתמש "פחות וריאציה או לא". אם המשתנה התלוי שלך מושפע ממשתנים שאינם ניתנים לצפייה המשתנים באופן שיטתי בין קבוצות בחלונית שלך, המקדם על כל משתנה שמתואם עם וריאציה זו יהיה מוטה. אלא אם כן משתני ה- X שלך הוקצו באופן אקראי (והם לעולם לא יהיו עם נתוני תצפית), בדרך כלל קל למדי לטעון את הטיעון להטיית משתנים שהושמטו. אתה אולי תוכל לשלוט בחלק מהמשתנים שהושמטו עם רשימה טובה של משתני בקרה, אך אם זיהוי חזק הוא המטרה מספר 1 שלך, אפילו רשימה נרחבת של בקרות יכולה להשאיר מקום לקוראים קריטיים. ספק בתוצאות שלך. במקרים אלה, בדרך כלל מומלץ להשתמש במודל אפקטים קבועים.

שגיאות תקן מסומנות של C מיועדות לחשבונאות במצבים בהם תצפיות בתוך כל קבוצה אינן i.i.d. (מופץ באופן עצמאי וזהה) .

דוגמה קלאסית היא אם יש לך תצפיות רבות לפאנל חברות לאורך זמן. אתה יכול להתחשב בהשפעות קבועות ברמת המשרד, אך ייתכן שיש וריאציה לא מוסברת במשתנה התלוי שלך שמתואמת לאורך זמן. באופן כללי, כשעובדים עם נתוני סדרות זמן, בדרך כלל בטוח להניח מתאם טורי זמני במונחי השגיאה בקבוצות שלך. מצבים אלה הם מקרי השימוש הברורים ביותר עבור חברות אסכולה מקובצות.

S כמה דוגמאות להמחשה:

אם יש לך נתונים ניסיוניים שבהם אתה מקצה טיפולים באופן אקראי, אך מבצעים תצפיות חוזרות ונשנות עבור כל אדם / קבוצה לאורך זמן, תהיה מוצדקת בהשמטת אפקטים קבועים, אך תרצה לקבץ את ה- SE שלך.

לחלופין, אם יש לך תצפיות רבות בכל קבוצה לנתונים שאינם ניסיוניים, אך כל תצפית בתוך הקבוצה יכולה להיחשב כ- i.i.d.צייר מהקבוצה הגדולה יותר שלהם (למשל, יש לך תצפיות מבתי ספר רבים, אך כל קבוצה היא קבוצת משנה משורטטת באופן אקראי של תלמידים מבית הספר שלהם), תרצה לכלול אפקטים קבועים אך לא תזדקק לאשכולות אשכולות מקובצים.

תשובות אלו בסדר, אך התשובה האחרונה והטובה ביותר מספקת עבאדי ואח '.(2019) "מתי כדאי להתאים שגיאות רגילות לאשכולות?"עם השפעות קבועות, הסיבה העיקרית לאשכול היא שיש לך הטרוגניות בהשפעות הטיפול ברחבי האשכולות.ישנן סיבות אחרות, למשל אם האשכולות (למשל חברות, מדינות) הם קבוצת משנה של האשכולות באוכלוסייה (עליהם אתה מסיק).אשכולות הם נושא עיצובי הוא המסר העיקרי של העיתון.אל תעשה את זה בעיוורון.