Eine Regressionsspezifikation für Panel- oder gruppierte Daten, die unbeobachtete, zeitinvariante Heterogenität zwischen Einheiten durch einheitsspezifische Intercepts oder durch Transformation der Daten (z. B. Within-Transformation) kontrolliert und so Effekte aus der innerhalb-Einheit-Variation über die Zeit identifiziert.

Prinzip

Beseitigt Verzerrungen durch ausgelassene zeitinvariante Variablen, indem es einheitsspezifische Konstanten differenziert oder konditioniert; die Identifikation der Koeffizienten beruht daher auf Änderungen innerhalb der Einheiten anstatt auf Querschnittsunterschieden.

Demonstration

Die Rendite beruflicher Weiterbildung schätzen mit Paneldaten von Beschäftigten und indem man den Mittelwert jedes Arbeitnehmers von den Beobachtungen subtrahiert (Within-Schätzer), sodass persistente individuelle Fähigkeit, die sich nicht über die Zeit ändert, aus der Schätzgleichung eliminiert wird.

Fehlanwendung

Ein Fixed-Effects-Modell anzuwenden, um Effekte zeitinvarianter Kovariaten zu schätzen (z. B. Geschlecht, Zugehörigkeit zu einem Becken) führt zu keiner Schätzung dieser Kovariaten; ebenso kann die Verwendung von Fixed Effects in sehr kurzen Panels mit geringer Within-Variation die Varianz aufblähen und die Aussagekraft reduzieren.

Konsequenz

Wenn angemessen verwendet, eliminieren Fixed Effects Verzerrungen durch alle zeitinvarianten ausgelassenen Störfaktoren und liefern konsistente Schätzungen für zeitvariable Kovariaten, zulasten der Schätzung zeitinvarianter Effekte und mitunter größerer Standardfehler.

Umkehrung

Eine Random-Effects-Spezifikation, die einheitsspezifische Intercepts als zufällige Ziehungen aus einer Verteilung behandelt, die unkorreliert mit den Regressoren ist; diese erlaubt die Schätzung zeitinvarianter Kovariaten, birgt jedoch Verzerrungsrisiken, falls die Unabhängigkeitsannahme verletzt ist.

Abgrenzung

Gilt für Panel- oder gruppierte Daten mit signifikanter innerhalb-Einheit zeitlicher Variation; adressiert keine Verzerrung durch zeitvariable ausgelassene Variablen und erfordert hinreichende Within-Variation zur Identifikation.

Semantische Spannung

Die Spannung zeigt sich zwischen Bias-Reduktion (Fixed Effects schützen besser vor Verzerrung durch ausgelassene Variablen) und Effizienz/Fähigkeit zur Schätzung zeitinvarianter Effekte (Random Effects oder gepoolte Modelle können effizienter sein, bergen aber Bias-Risiken).

Synthese

Das Fixed-Effects-Modell nutzt einheitsspezifische Konstanten oder Within-Transformationen, um zeitinvariante unbeobachtete Heterogenität zu entfernen, und ermöglicht so konsistente Schätzungen aus Within-Variation, während es auf die Schätzung zeitinvarianter Effekte und mitunter auf Effizienz verzichtet.