FixedEffectsModelle

FixedEffectsModelle sind Paneldatenmodelle, die unobservierte, zeitinvariante Merkmale jeder Einheit kontrollieren. Ziel ist es, Verzerrungen durch individuelle Heterogenität zu vermeiden, die mit den erklärenden Variablen korreliert sein könnte. Das Grundmodell lautet: y_it = α_i + x_it'β + u_it, wobei i die Einheit (z. B. Unternehmen, Länder) und t die Zeit angibt. α_i erfasst zeitinvariante, individuelle Effekte. Durch das Abziehen der Mittelwerte über Zeit (Within-Transformation) oder durch Einschluss von Dummy-Variablen für jede Einheit wird α_i eliminiert, und β wird konsistent geschätzt, wenn E[u_it | x_it, α_i] = 0 gilt.

Im Vergleich zu Random Effects unterscheiden sich Fixed Effects dadurch, dass α_i als feste Parameter behandelt werden und Spezifizierungseinflüsse der Zeitinvarianz explizit kontrolliert werden. Der Hausman-Test dient oft zur Entscheidung zwischen Fixed- und Random-Effects-Modell.

Erweiterungen umfassen Zeit-Fixed-Effects (Two-way Fixed Effects), die zusätzlich zeitliche Schocks über alle Einheiten berücksichtigen, sowie Clustered oder robusten Standardfehler, um Abhängigkeiten innerhalb von Einheiten über die Zeit zu berücksichtigen. Inferenz kann auch mit Balanced oder Unbalanced Panels erfolgen; LSDV-Schätzung (OLS mit Entity-Dummies) ist eine gängige Implementierung.

Grenzen liegen darin, dass zeitinvariante Variablen nicht identifiziert werden können und dynamic panels narrows Bias wie dem Nickell-Bias ausgesetzt sind, wenn lagged dependent variables verwendet werden. Oft werden ergänzende Methoden wie Arellano-Bond-GMM eingesetzt.

Anwendungen finden sich in der Wirtschaft, der Soziologie, Politikwissenschaften und weiteren Bereichen, wo kontrollierte, zeitinvariante Unterschiede zwischen Einheiten die Schätzung beeinflussen könnten.