다중 공산성
머신러닝
개요
- 횡단면: 여러 개체를 한 시점에서 관찰
- 시계열: 한 개체를 여러 시점에서 관찰
- 패널: 여러 개체를 여러 시점에서 관찰
- withing: 객체
- between: 시점
- 갭이 존재: 특정 시점의 자료가 누락
- balanced panel: 모든 개체가 같은 양의 시점 자료를 갖는 경우
상관
- 동시적 상관: 특정 시점에서 개체 간 상관관계
- 자기 상관: 특정 개체의 시점 간 상관관계
모형
- 합동 OLS(POLS): 모든 개체를 하나의 집단으로 보고 분석
- 개체 간 효과 모형: 개체별로 분석. 그러나 시계열은 고려하지 않음
- 고정 효과 모형: 개체별로 분석. 시계열을 고려. 개체의 이지성이 독립변수와 관련이 있다고 가정
- sigma_u: 관찰되지 않은 개체별 이지성
- sigma_e: 시간과 객체에 따라 변화하는 순수한 오차항
- 관찰되지 않은 이지성을 제거하는 방법
- 관찰되지 않은 이지성을 추정하는 방법