প্যানেল ডেটা এবং মিশ্র মডেলের মধ্যে পার্থক্য

14

আমি প্যানেল ডেটা বিশ্লেষণ এবং মিশ্র মডেল বিশ্লেষণের মধ্যে পার্থক্য জানতে চাই। আমার জানা মতে, প্যানেল ডেটা এবং মিশ্রিত মডেল উভয়ই স্থির ও এলোমেলো প্রভাব ব্যবহার করে। যদি তা হয় তবে তাদের আলাদা আলাদা নাম থাকবে কেন? না তারা সমার্থক?

আমি নিম্নলিখিত পোস্টটি পড়েছি, যা স্থির, এলোমেলো এবং মিশ্র প্রভাবের সংজ্ঞা বর্ণনা করে তবে আমার প্রশ্নের সঠিক উত্তর দেয় না: স্থির প্রভাব, এলোমেলো প্রভাব এবং মিশ্র প্রভাবের মডেলগুলির মধ্যে পার্থক্য কী?

যদি কেউ আমাকে মিশ্র মডেল বিশ্লেষণে একটি সংক্ষিপ্ত (প্রায় 200 পৃষ্ঠা) রেফারেন্স উল্লেখ করতে পারে তবে আমি কৃতজ্ঞও হব would কেবল যোগ করার জন্য, আমি সফ্টওয়্যার চিকিত্সা নির্বিশেষে মিশ্র মডেলিংয়ের রেফারেন্সটিকে পছন্দ করব। মিক্সড মডেলিংয়ের মূলত তাত্ত্বিক ব্যাখ্যা।

mixed-model references panel-data

— বিটা
সূত্র

সম্পর্কিত: stats.stackexchange.com/questions/171313/…

— অধিকার

সম্পর্কিত: stats.stackexchange.com/questions/238214

— অ্যামিবা বলেছেন মনিকাকে

22

উভয় প্যানেল ডেটা এবং ডবল সূচীবদ্ধ র্যান্ডম ভেরিয়েবল সঙ্গে মিশিয়ে প্রভাব মডেল ডেটা চুক্তি । প্রথম সূচকটি গ্রুপের জন্য, দ্বিতীয়টি গ্রুপের মধ্যে থাকা ব্যক্তিদের জন্য। প্যানেল ডেটার জন্য দ্বিতীয় সূচকটি সাধারণত সময় হয় এবং এটি ধরে নেওয়া হয় যে আমরা সময়ের সাথে সাথে ব্যক্তিদের পর্যবেক্ষণ করি। যখন মিশ্র প্রভাবের মডেলগুলির জন্য সময় দ্বিতীয় সূচক হয় তখন মডেলগুলিকে অনুদৈর্ঘ্য মডেল বলা হয়। মিশ্র প্রভাবের মডেলটি 2 স্তরের রিগ্রেশনগুলির ক্ষেত্রে সবচেয়ে ভাল বোঝা যায়। (প্রকাশের স্বাচ্ছন্দ্যের জন্য কেবলমাত্র একটি বর্ণনামূলক ভেরিয়েবল ধরে নিন) $y_{ij}$

প্রথম স্তরের রিগ্রেশন নিম্নলিখিত:

y_{i j} = α_{i} + x_{i j} β_{i} + ε_{i j} .

$y_{ij}=\alpha_i+x_{ij}\beta_i+\varepsilon_{ij}.$

প্রতিটি গ্রুপের জন্য এটি স্বতন্ত্র প্রতিরোধ হিসাবে সহজভাবে ব্যাখ্যা করা হয়েছে। দ্বিতীয় স্তরের রিগ্রেশন রিগ্রেশন সহগের বিভিন্নতার ব্যাখ্যা করার চেষ্টা করে:

α_{i} = γ_{0} + z_{i 1} γ_{1} + u_{i}

$\alpha_i=\gamma_0+z_{i1}\gamma_1+u_i$

β_{i} = δ_{0} + z_{i 2} δ_{1} + v_{i}

$\beta_i=\delta_0+z_{i2}\delta_1+v_i$

আপনি যখন প্রথম সমীকরণটি পান তখনই এটি দ্বিতীয় সমীকরণের স্থানে রাখেন

y_{i j} = γ_{0} + z_{i 1} γ_{1} + x_{i j} δ_{0} + x_{i j} z_{i 2} δ_{1} + u_{i} + x_{i j} v_{i} + ε_{i j}

$y_{ij}=\gamma_0+z_{i1}\gamma_1+x_{ij}\delta_0+x_{ij}z_{i2}\delta_1+u_i+x_{ij}v_i+\varepsilon_{ij}$

স্থির প্রতিক্রিয়াগুলি যা স্থির থাকে, এর অর্থ । এলোমেলো প্রভাবগুলি এবং । $\gamma_0,\gamma_1,\delta_0,\delta_1$ $u_i$ $v_i$

এখন প্যানেল ডেটার জন্য পরিভাষা পরিবর্তিত হয় তবে আপনি এখনও সাধারণ পয়েন্টগুলি খুঁজে পেতে পারেন। প্যানেল ডেটা র্যান্ডম এফেক্টস মডেলগুলি মিশ্র ইফেক্টের মডেলের সাথে একই

α_{i} = γ_{0} + u_{i}

$\alpha_i=\gamma_0+u_i$

β_{i} = δ_{0}

$\beta_i=\delta_0$

মডেল বেকমিং সহ

y_{i t} = γ_{0} + x_{i t} δ_{0} + u_{i} + ε_{i t},

$y_{it}=\gamma_0+x_{it}\delta_0+u_i+\varepsilon_{it},$

যেখানে এলোমেলো প্রভাব। $u_i$

মিশ্র প্রভাব মডেল এবং প্যানেল ডেটা মডেলের মধ্যে সবচেয়ে গুরুত্বপূর্ণ পার্থক্য regressors এর চিকিত্সা । মিশ্র প্রভাবগুলির মডেলগুলির জন্য এগুলি নন-এলোমেলো ভেরিয়েবল, অন্যদিকে প্যানেল ডেটা মডেলগুলির জন্য এটি সর্বদা ধারণা করা হয় যে এগুলি এলোমেলো। প্যানেল ডেটার জন্য স্থির প্রতিক্রিয়াগুলির মডেল কী তা উল্লেখ করার সময় এটি গুরুত্বপূর্ণ হয়ে ওঠে। $x_{ij}$

মিশ্র প্রভাব মডেল জন্য ধারণা করা হয় যে র্যান্ডম প্রভাব এবং স্বাধীন এবং থেকে এবং , যা সবসময় সত্য যখন এবং ঠিক করা হয়েছে। আমরা যদি স্টোকাস্টিক অনুমতি দিই তবে এটি গুরুত্বপূর্ণ হয়ে ওঠে। সুতরাং প্যানেল ডেটার জন্য র্যান্ডম এফেক্টস মডেল ধরে নিয়েছে যে সাথে সম্পর্কিত নয় । তবে ফিক্সড এফেক্ট মডেল যা একই ফর্ম রয়েছে $u_i$ $v_i$ $\varepsilon_{ij}$ $x_{ij}$ $z_i$ $x_{ij}$ $z_i$ $x_{ij}$ $x_{it}$ $u_i$

y_{i t} = γ_{0} + x_{i t} δ_{0} + u_{i} + ε_{i t},

$y_{it}=\gamma_0+x_{it}\delta_0+u_i+\varepsilon_{it},$

এবং এর পারস্পরিক সম্পর্ককে অনুমতি দেয় । এরপরে জোর দেওয়া সম্পূর্ণরূপে অনুমানের জন্য । এটি পৃথক উপায়ে বিয়োগ করে করা হয়: $x_{it}$ $u_i$ $\delta_0$

y_{i t} - {\bar{y}}_{i .} = (x_{i t} - {\bar{x}}_{i .}) δ_{0} + ε_{i t} - {\bar{ε}}_{i .},

$y_{it}-\bar{y}_{i.}=(x_{it}-\bar{x}_{i.})\delta_0+\varepsilon_{it}-\bar{\varepsilon}_{i.},$

এবং ফলে রিগ্রেশন সমস্যার উপর সহজ ওএলএস ব্যবহার করে। বীজগণিতভাবে এটি কমপক্ষে স্কোয়ারের ডামি ভেরিয়েবল রিগ্রেশন সমস্যার সাথে মিলে যায়, যেখানে আমরা ধরে নিই যে নির্দিষ্ট পরামিতি। সুতরাং নাম স্থির প্রভাব মডেল। $u_i$

প্যানেল ডেটা ইকোনোমেট্রিক্সে স্থির প্রতিক্রিয়া এবং এলোমেলো প্রভাবগুলির পরিভাষার পিছনে অনেক ইতিহাস রয়েছে, যা আমি বাদ দিয়েছি। আমার ব্যক্তিগত মতে এই মডেলগুলি ওল্ড্রিজের " ক্রস বিভাগ এবং প্যানেল ডেটার একনোমেট্রিক বিশ্লেষণ " এ সর্বোত্তমভাবে ব্যাখ্যা করা হয়েছে । আমি যতদূর জানি মিশ্র প্রভাবগুলির মডেলটিতে এরকম কোনও ইতিহাস নেই, তবে অন্যদিকে আমি একনোমেট্রিক্সের পটভূমি থেকে এসেছি, তাই আমার ভুল হতে পারে।

— mpiktas
সূত্র

আপনি যখন (2) এবং (3) (1) এ প্রতিস্থাপন করবেন তখন আমার মনে হয় কিছু ম্যাঙ্গাল হয়েছে। আমি বিশ্বাস করি এটি হওয়া উচিত যদি না আমি কিছু মিস করি।

. . . + x_{i j} v_{i} + u_{i} + ε_{i j}

$...+x_{ij}v_{i}+u_{i}+\varepsilon_{ij}$

— দিমিত্রি ভি। মাস্টারভ

এই ব্যাখ্যাটি দুর্দান্ত! আমাকে এমন দুর্দান্ত প্রদর্শন করার জন্য সমস্ত প্রচেষ্টা গ্রহণ করার জন্য অনেক ধন্যবাদ ust কেবল একটি জিনিস জিজ্ঞাসা করতে চান। আপনি 2 স্তরের প্রতিরোধ বলতে কী বোঝেন?

— বিটা

2

@ অরি, দ্বিতীয় স্তরের রিগ্রেশন হ'ল প্রথম স্তরের রিগ্রেশনের রিগ্রেশন সহগগুলির জন্য একটি রিগ্রেশন reg প্রথম স্তরের রিগ্রেশন গ্রুপের মধ্যে বিভিন্নতা ব্যাখ্যা করার চেষ্টা করে, যেখানে দ্বিতীয় স্তরের রিগ্রেশন বিভিন্ন গোষ্ঠীর বিভিন্নতা ব্যাখ্যা করার চেষ্টা করে। এই বিভাগটি কৃত্রিম, তবে আমি এটি পছন্দ করি যেহেতু এটি আমার পক্ষে কমপক্ষে প্রাকৃতিক বোধ করে। এই ধরণের বিভাগ হায়ারারিকাল বায়েস মডেলগুলিতেও ব্যবহৃত হয়।

— এমপিক্টাস

এটি একটি খুব ভাল উত্তর, +1 অনেক দিন আগে। আমি এখানে একমাত্র যে বিষয়টি অনুপস্থিত খুঁজে পাই তা "র্যান্ডম এফেক্ট মডেল" এর কীভাবে করা হয় তা নিয়ে কিছু আলোচনা । আপনি এটি "ফিক্সড এফেক্ট মডেল" এর জন্য ব্যাখ্যা করেছেন তবে এলোমেলোভাবে কোনও মন্তব্য করবেন না। আপনি এটি সম্পর্কে কিছু যোগ করতে পারলে আমি খুব প্রশংসা করব।

δ_{0}

$\delta_0$

— অ্যামিবা বলেছেন মোনিকা

3

আমি বুঝতে পারি আপনি এমন একটি পাঠ্য সন্ধান করছেন যা কোনও সফ্টওয়্যার প্যাকেজের উল্লেখ ছাড়াই মিশ্র মডেলিং তত্ত্বকে বর্ণনা করে।

আমি মাল্টিলেভাল অ্যানালাইসিসের পরামর্শ দেব , টম স্নিজ্ডার্স এবং রোল বোকারের প্রায় 250 গিগাবাইটের বেসিক এবং অ্যাডভান্সড মাল্টিলেভেল মডেলিংয়ের একটি পরিচিতি । এর শেষে সফ্টওয়্যার সম্পর্কিত একটি অধ্যায় রয়েছে (যা এখন কিছুটা পুরানো) তবে বাকী অংশটি খুব অ্যাক্সেসযোগ্য তত্ত্ব।

আমি অবশ্যই বলতে চাই যে আমি সোফিয়া রাবে-হেস্কেথ এবং অ্যান্ডারস স্ক্রোনডালের স্টাটা ব্যবহার করে মাল্টিলেভেল এবং লম্বিটুডিনাল মডেলগুলির জন্য উপরের পরামর্শের সাথে একমত। বইটি খুব তাত্ত্বিক এবং সফ্টওয়্যার উপাদানটি আসলে একটি উল্লেখযোগ্য পাঠ্যের জন্য কেবল একটি দুর্দান্ত সংযোজন। আমি সাধারণত স্টাটা ব্যবহার করি না এবং টেক্সটটি আমার ডেস্কে বসে থাকি এবং এটি অত্যন্ত ভালভাবে লেখা খুঁজে পাই। এটি 200 পিপিপির চেয়ে অনেক বেশি দীর্ঘ।

নিম্নলিখিত পাঠ্যগুলি ক্ষেত্রের বর্তমান বিশেষজ্ঞদের দ্বারা রচিত এবং যে কেউ এই কৌশলগুলি সম্পর্কে আরও তথ্য চান তাদের জন্য দরকারী হবে (যদিও তারা বিশেষত আপনার অনুরোধটি ফিট করে না): [আমি এগুলির সাথে লিঙ্ক করতে পারি না কারণ আমি নতুন ব্যবহারকারী, দুঃখিত]

হুকস, জুপ (২০১০) একাধিক স্তর বিশ্লেষণ, কৌশল এবং অ্যাপ্লিকেশন।

গেলম্যান, এ। এবং হিল, জে। (2006) ডেগ্রেশন অ্যানালাইসিস রিগ্রেশন এবং মাল্টিলেভেল / হায়ারার্কিকাল মডেল ব্যবহার করে।

গায়ক, জে। (2003) প্রয়োগিত অনুদৈর্ঘ্য ডেটা বিশ্লেষণ: মডেলিং পরিবর্তন এবং ইভেন্টের বীমা

রউদেনবুশ, এসডাব্লু এবং ব্রিক, এ।, এস (2002)। শ্রেণিবদ্ধ লিনিয়ার মডেল: অ্যাপ্লিকেশন এবং ডেটা বিশ্লেষণ পদ্ধতি

লুক, ডগলাস, (2004)। মাল্টিলেভেল মডেলিং

আমি উপরে উল্লিখিত দ্বিতীয় ওয়াল্ড্রিজের পাঠ্য, পাশাপাশি আর পাঠ্যও করব এবং বি রিস্তল ইউনিভার্সিটি সেন্টার ফর মাল্টিলেভেল মডেলিংয়ের টিউটোরিয়াল এবং তথ্যাদি একগুচ্ছ রয়েছে

— আবার এটা খেলা
সূত্র

ধন্যবাদ প্লেটাইগেইন! এটি একটি খুব দরকারী তথ্য। এমনকি আপনার নাম আকর্ষণীয় :)

— বিটা

2

আমিও উভয়ের মধ্যে পার্থক্য সম্পর্কে ভেবে ভেবেছি এবং সম্প্রতি এই বিষয়ে একটি রেফারেন্স পেয়েছি আমি বুঝতে পেরেছি যে "প্যানেল ডেটা" ডেটাসেটগুলির একটি traditionalতিহ্যবাহী নাম যা "ক্রস-সেকশন বা একটি দলের উপর পর্যায়ক্রমে সমীক্ষা করা লোকদের গোষ্ঠী প্রতিনিধিত্ব করে" প্রদত্ত সময়কাল "। সুতরাং "প্যানেল" হ'ল ডেটাসেটের মধ্যে একটি গোষ্ঠী কাঠামো এবং এই জাতীয় একটি দল থাকা এই জাতীয় ডেটা বিশ্লেষণের সবচেয়ে প্রাকৃতিক উপায় একটি মিশ্র-মডেলিং পদ্ধতির মাধ্যমে।

মিশ্র-প্রভাবগুলির মডেলিংয়ের বিষয়ে একটি ভাল রেফারেন্স (নির্বিশেষে আপনি যদি "আর" কথা বলেন) হ'ল ডগলাস বেটস ( lme4: আর-এর সাথে মিশ্রিত-প্রভাব মডেলিং ) এর আগত বইয়ের খসড়া ।

— ILS
সূত্র

1

রেফারেন্সের জন্য ধন্যবাদ আইল! তবে সমস্যা এখনও রয়ে গেছে।

— বিটা

2

@ এমপিক্টাস একটি পূর্ণাঙ্গ জবাব দিয়েছেন। আমি আরএম-এ প্লাম প্যাকেজের জন্য ডকুমেন্টেশনের অধ্যায় 7 পড়ার পরামর্শও দেব । মিশ্র মডেল এবং প্যানেল ডেটার মধ্যে পার্থক্য সম্পর্কে লেখকদের আলোচনাটি পড়ার মতো।

— KarthikS
সূত্র

1

আপনি সোটা রাবে-হেস্কেথ এবং অ্যান্ডারস স্ক্রোনডাল দ্বারা স্টাতা ব্যবহার করে স্টাটা, মাল্টিলেভেল এবং লম্বিটুডিনাল মডেলগুলি ব্যবহার করা ভাল পছন্দ হবে choice আপনি ঠিক কী আগ্রহী তার উপর নির্ভর করে 200 পৃষ্ঠাগুলি প্রায় সঠিক হতে পারে।

— দিমিত্রি ভি। মাস্টারভ
সূত্র

দিমিত্রি রেফারেন্সের জন্য ধন্যবাদ। তবে দুর্ভাগ্যক্রমে আমি স্টটা ব্যবহার করি না। আমি সাধারণত এসএএস, এবং কখনও কখনও আর ব্যবহার করি তবে যাইহোক ধন্যবাদ।

— বিটা

2

আমি wiley.com/WileyCDA/WileyTitle/productCd-0470073713.html সম্পর্কে ভাল জিনিস শুনেছি , তবে আমি নিজে এটি পড়িনি।

— দিমিত্রি ভি। মাস্টারভ

ধন্যবাদ দিমিত্রি! এটি সত্যিই আশাব্যঞ্জক দেখাচ্ছে। গগলিংয়ের চেয়ে প্রশ্ন জিজ্ঞাসার সুবিধাটি হ'ল আপনি সত্যিই ভাল ফলাফল পেয়েছেন :)

— বিটা

1

আমার অভিজ্ঞতায়, 'প্যানেল একনোমেট্রিক্স' ব্যবহারের যুক্তিটি হ'ল প্যানেলটির 'স্থির প্রতিক্রিয়া' অনুমানকারীগুলি বাদ দেওয়া পরিবর্তনশীল পক্ষপাতের বিভিন্ন ধরণের জন্য নিয়ন্ত্রণ করতে ব্যবহার করা যেতে পারে।

তবে মুন্ডলাক ধরণের পদ্ধতির সাহায্যে একাধিক স্তরের মডেলটির মধ্যে এই ধরণের অনুমান করা সম্ভব , যেমন গ্রুপ সহ অতিরিক্ত রেজিস্ট্রার হিসাবে। এই পদ্ধতির ত্রুটি শব্দ এবং সম্ভাব্য গ্রুপ স্তরের বাদ দেওয়া কারণগুলির মধ্যে পারস্পরিক সম্পর্ককে সরিয়ে দেয়, এর মধ্যে 'সহগুণ' প্রকাশ করে। তবে, আমার অজানা কারণে এটি সাধারণত প্রয়োগিত গবেষণায় করা হয় না। এই স্লাইডগুলি এবং এই দস্তাবেজটি একটি বিস্তৃতকরণ সরবরাহ করে।

— EddieMcGoldrick
সূত্র

(+1) সমাজতাত্ত্বিকদের প্রায়শই গোষ্ঠীগুলির ব্যাখ্যা অর্থ প্রাসঙ্গিক প্রভাব হিসাবে বোঝানো হয় (যদিও এটি সময় সিরিজের প্যানেলের ডেটার চেয়ে বেশি সময় নেস্টেড ক্রস-বিভাগীয় ডেটার জন্য থাকে)। আমাকে পড়তে হবে, সম্পর্কিত নোটের মনস্কি (1993) ( পিডিএফ এখানে ) এর একটি নিবন্ধ রয়েছে যা দেখায় যে কীভাবে এই জাতীয় প্রাসঙ্গিক প্রভাবগুলি ঘন ঘন চিহ্নিত করা যায় না। "কারণ এটি করা হয় নি" বলে আমি সন্দেহ করি যে এটি সামাজিক বিজ্ঞানের চর্চায় যতটা তত পার্থক্য, এটি জিজ্ঞাসা করা ভাল হতে পারে।

— অ্যান্ডি ডাব্লু