Une spécification de régression pour données de panel ou groupées qui contrôle l'hétérogénéité non observée invariante dans le temps entre unités en incluant des intercepts spécifiques à chaque unité ou en transformant les données (par ex. transformation within), identifiant ainsi les effets à partir de la variation intra-unité dans le temps.

Principe

Éliminer le biais lié aux variables omises invariantes dans le temps en différence ou en conditionnant sur des constantes propres à l'unité, de sorte que l'identification des coefficients repose sur les changements au sein des unités plutôt que sur les différences transversales.

Démonstration

Estimer le rendement d'une formation professionnelle en utilisant des données de panel sur les travailleurs et en soustrayant la moyenne de chaque travailleur de ses observations (estimateur within) afin d'éliminer l'aptitude individuelle persistante qui ne varie pas dans le temps de l'équation d'estimation.

Mauvaise application

Appliquer un modèle à effets fixes pour estimer l'effet de covariables invariantes dans le temps (par ex. sexe, appartenance à un bassin) ne produira pas d'estimations pour ces covariables ; de même, utiliser des effets fixes dans des panels très courts avec peu de variation intra-unité peut augmenter la variance et réduire la crédibilité.

Conséquence

Lorsqu'il est approprié, les effets fixes éliminent le biais provenant de tous les confondeurs omis constants dans le temps, fournissant des estimations consistantes des coefficients sur les covariables variables dans le temps, au prix de l'impossibilité d'estimer les effets invariants dans le temps et d'erreurs-types potentiellement plus grandes.

Inversion

Une spécification à effets aléatoires qui traite les intercepts spécifiques aux unités comme des tirages aléatoires indépendants des régresseurs, ce qui permet d'estimer des covariables invariantes dans le temps mais risque le biais si l'hypothèse d'indépendance échoue.

Limite

S'applique aux données de panel ou groupées avec une variation temporelle intra-unité suffisante ; ne traite pas le confonding par des variables omises variant dans le temps et exige un changement intra-unité suffisant pour identifier les coefficients.

Tension sémantique

La tension porte sur la réduction du biais (les effets fixes protègent mieux contre le biais dû aux variables omises) et l'efficacité/la possibilité d'estimer des effets invariants dans le temps (effets aléatoires ou modèles poolés peuvent être plus efficaces mais risquent le biais).

Synthèse

Un Modèle à Effets Fixes utilise des constantes propres aux unités ou des transformations intra-unité pour purger l'hétérogénéité non observée invariante dans le temps, permettant une estimation consistante à partir de la variation intra-unité tout en renonçant à estimer les effets invariants et parfois à l'efficacité.