¿Cuál es la diferencia entre la econometría de series temporales y la econometría de datos de panel?

Esta pregunta puede ser muy ingenua, pero la forma en que me enseñan econometría me confunde mucho si hay una diferencia entre las series de tiempo y el método de datos de panel.

Con respecto a las series de tiempo, he cubierto temas como la covarianza estacionaria, AR, MA, etc. Con respecto a los datos del panel, solo he visto discusiones en forma de efecto fijo versus efecto aleatorio (o más generalmente, modelo jerárquico), diferencia- en diferencias, etc.

¿Estos temas están relacionados de alguna manera? Dado que los datos del panel también tienen una dimensión de tiempo, ¿por qué no hay discusión sobre AR, MA, etc. también?

Si la respuesta es que mi educación en métodos de panel es simplemente insuficiente, ¿podría señalar un libro que abarque más que solo FE / RE, diferencia en diferencias?

Al menos en las ciencias sociales, a menudo tiene datos de panel que tienen asintóticos grandes de N y T pequeños, es decir, muchas entidades, pero cada una de las cuales observa durante un período de tiempo relativamente corto. Esta es la razón por la cual el trabajo aplicado con datos de panel a menudo está menos preocupado por el componente de serie temporal de los datos.

Sin embargo, los elementos de series temporales siguen siendo importantes en el tratamiento de los datos del panel. Por ejemplo, el grado de autocorrelación determina si los efectos fijos o las primeras diferencias son más eficientes. A diferencia de las diferencias, el tratamiento adecuado de los errores estándar para tener en cuenta la autocorrelación es importante para la inferencia correcta (véase Bertrand et al., 2004 ). También se encuentran disponibles paneles dinámicos que utilizan estimadores para pequeñas asintóticas de N grandes y T, a menudo se encuentran dichos datos en macroeconomía. Allí puede encontrarse con problemas conocidos de series de tiempo, como la no estacionariedad del panel.

Wooldridge (2010) ofrece un excelente tratamiento de estos temas: "Análisis econométrico de la sección transversal y los datos del panel".

La segunda dimensión de los datos del panel no necesita ser el tiempo. Podríamos tener datos sobre gemelos o hermanos o datos sobre N individuos respondiendo preguntas de la encuesta T. Los datos longitudinales, donde T es una segunda dimensión, es posiblemente el tipo más común de datos de panel, y se ha convertido prácticamente en sinónimo de él.

Los paneles micro o cortos (N grande, T pequeña) suelen tener asintóticos que envían N al infinito, manteniendo la T fija. Los paneles macro o largos tienen N moderado y T grande, y los asintóticos tienden a mantener N fijo y crecer T, o crecer tanto N como T. Con micropaneles, la dependencia de unidades cruzadas generalmente no es un problema porque las unidades se muestrean al azar, mientras que con paneles macro puede ser una preocupación real (dependencia espacial entre países o estados, por ejemplo). Con los macropaneles, también debe preocuparse por las raíces de las unidades, las rupturas estructurales y la cointegración, que son preocupaciones familiares de series de tiempo. También debe preocuparse ocasionalmente por problemas de selectividad (como desgaste, auto-selectividad y falta de respuesta). Cuando T es lo suficientemente largo, incluso los países pueden desaparecer.

Echaría un vistazo al Análisis econométrico de datos de panel de Baltagi , en particular los capítulos 8, 12 y 13. También cubre los paneles cortos con cierto detalle. La edición anterior también tuvo un volumen complementario con soluciones de ejercicio que fue muy agradable.

Es en gran medida una cuestión de énfasis, ya que ambos datos consisten en componentes de series transversales y series de tiempo.

Es más probable que los datos del panel tengan una N grande y una T. más pequeña

Se presta más atención a los componentes individuales (por ejemplo, tiendas a lo largo del tiempo, consumidores a lo largo del tiempo) y más probabilidades de segmentar esos componentes individuales (por ejemplo, consumidores de altos ingresos, consumidores que han pasado de ingresos medios a altos).

Los componentes individuales tienen problemas de supervivencia / reemplazo (los componentes abandonan el estudio por algún motivo y deben reemplazarse). Con los datos econométricos, es más probable que esté tratando a un nivel más agregado y, a menudo, es el problema de otra persona (por ejemplo, esas buenas personas en el BLS) lidiar con esos problemas.

Los problemas de autocorrelación surgen, pero a menudo se modelan como un historial pasado en lugar de una autocorrelación per se, por ejemplo, su historial pasado de comprar Bombas de Azúcar Esmeriladas de Chocolate http://www.gocomics.com/calvinandhobbes/1986/03/22 informa la predicción del comportamiento de compra futuro.

Como se mencionó anteriormente, los datos del panel a menudo se han utilizado a nivel individual en lugar de a nivel agregado con N grande y T pequeña. Hay muchas ventajas con el uso de datos del panel, ya que podemos eliminar la heterogeneidad individual y, a menudo, obtener una mayor potencia al probar para mencionar dos . Esta nueva dimensión del tiempo introduce algunos métodos, suposiciones y problemas nuevos en comparación con los datos de sección transversal (lo referiré al libro de Wooldridge para estudiarlos más de cerca).

Sin embargo, es muy común dentro de la economía usar también datos de panel a nivel de país con N pequeña y T. grande Esto introduce una gama completa de dificultades que no se encuentran al tratar con N grande, datos de panel T pequeños. Podríamos, por ejemplo, tener raíces unitarias en nuestro panel y también hay pruebas de raíz unitaria de panel específicas para tratar este problema específico. Tenga en cuenta que estos tienen una potencia significativamente mayor que las pruebas de raíz unitaria en series individuales. También podríamos tener todo tipo de otros tipos de no estacionariedad en estos paneles. Además, cuando se trata de datos de panel con N pequeña y T grande, también podemos tener cointegración. Otro problema importante cuando se trata con datos de panel T grande y N pequeño es que estos datos son a menudo para variables económicas a nivel de país y que en este caso la suposición de independencia a menudo se viola y esto debe probarse.

Por lo tanto, los datos de panel con N grande y T pequeña introducen una dimensión de serie temporal en comparación con los datos de sección transversal y son similares al análisis de sección transversal, mientras que los paneles con T grande y N pequeña introducen una dimensión de sección transversal en comparación con el enfoque de serie temporal y que es similar a análisis de series temporales.

Un excelente libro sobre datos de panel con N grande y T pequeña es "Análisis econométrico de datos de sección transversal y panel" de Wooldridge. Este libro es bastante denso y contiene mucha información en cada página, por lo que es posible que desee comenzar con un libro introductorio en econometría y leer primero la sección sobre datos del panel.

No conozco un libro específico para paneles con T grande y N pequeña, pero hay un volumen llamado: "Paneles no estacionarios, cointegración de paneles y paneles dinámicos", Baltagi, ed.

Me gustaría complementar las respuestas anteriores con una referencia donde puede leer más sobre la dependencia del tiempo en los modelos de datos de panel, como solicitó: Verbeek, Marno. Una guía para la econometría moderna , Wiley. Hay un capítulo en este libro sobre modelos de datos de panel que puede servir como una buena introducción.

Como ejemplo de investigación contemporánea sobre la dependencia del tiempo en los datos del panel, podría leer:

Fredrik NG Andersson: Se revisó la dinámica de los tipos de cambio: una prueba de datos de panel del orden de integración fraccional. Empir Econ (2014) 47: 389–409.