Panel veride sabit ve rassal etkiler nasıl seçilir?

Panel veri, aynı ülke, firma, bölge veya bireylerin birden fazla dönemde izlenmesiyle oluşur. Bu yapı hem birimler arasındaki farklılığı hem aynı birimin zaman içindeki değişimini içerir. Sabit etkiler (fixed effects, FE) ve rassal etkiler (random effects, RE) modelleri arasındaki temel ayrım, gözlenemeyen birime özgü özelliklerin açıklayıcı değişkenlerle nasıl ilişkilendirildiğidir.

Sabit etkiler modeli ne yapar?

Sabit etkiler modeli, her birimin zaman boyunca değişmeyen kendine özgü özelliklerini kontrol eder. Bu özellikler doğrudan ölçülmemiş olsa ve açıklayıcı değişkenlerle ilişkili bulunsa bile model, katsayıları birim içindeki zaman değişiminden tahmin edebilir.

Örneğin firmaların yönetim kültürü, ülkelerin tarihsel kurumsal yapısı veya bireylerin değişmeyen bazı özellikleri hem bağımlı değişkeni hem açıklayıcıları etkileyebilir. Bu özellikler zaman içinde sabitse, FE dönüşümü onları denklemden ayırır.

Bu yaklaşımın önemli sonucu şudur: zaman içinde hiç değişmeyen değişkenlerin katsayıları standart FE modelinde ayrı olarak tahmin edilemez. Cinsiyet, coğrafi bölge veya kuruluş türü gibi sabit değişkenler temel araştırma sorusunun merkezindeyse model stratejisi buna göre yeniden düşünülmelidir.

Rassal etkiler modeli ne yapar?

Rassal etkiler modeli de birime özgü farklılıkları içerir; ancak bu etkilerin modeldeki açıklayıcı değişkenlerle ilişkisiz olduğunu varsayar. Bu varsayım geçerliyse birim içi ve birimler arası bilgiyi birlikte kullanarak daha etkin tahminler üretebilir ve zaman içinde değişmeyen açıklayıcıların katsayılarını hesaplayabilir.

RE modelinin avantajı yalnız daha fazla değişken tahmin etmesi değildir. Araştırmadaki birimler daha geniş bir evrenden örnek olarak düşünülüyorsa, birime özgü etkileri rassal bir dağılım içinde modellemek kuramsal olarak anlamlı olabilir. Ancak açıklayıcılarla ilişkisizlik varsayımı bozulduğunda standart RE katsayıları tutarsız hale gelebilir.

Hausman testi neyi sınar?

Klasik Hausman testi, FE ve RE katsayıları arasındaki farkların sistematik olup olmadığını değerlendirir. Genel yorum şudur:

• Küçük p değeri, RE modelinin ilişkisizlik varsayımına karşı kanıt sunar ve FE yaklaşımını destekler.
• Büyük p değeri, katsayı farklarının istatistiksel olarak belirgin olmadığını gösterir; ancak RE varsayımının kesin olarak doğru olduğunu kanıtlamaz.

Bu nedenle “p < 0,05 ise FE, değilse RE” biçimindeki otomatik kural eksiktir. Testin geçerliliği kullanılan varyans tahminine ve model kurulumuna bağlıdır. Kümelemeye dayanıklı standart hatalar kullanıldığında klasik Hausman testinin doğrudan uygulanması sorunlu olabilir; ilişkili rassal etkiler veya Mundlak yaklaşımı gibi alternatifler değerlendirilebilir.

Model seçerken hangi sorular sorulmalıdır?

1. Araştırma sorusu birim içi mi, birimler arası mı?

“Bir firmanın Ar-Ge harcaması arttığında kendi ihracatı nasıl değişiyor?” sorusu birim içi değişime odaklanır ve FE yaklaşımına doğal olarak yakındır. “Ar-Ge düzeyi yüksek firmalar diğer firmalardan farklı mı?” sorusu ise birimler arası bilgiyi de içerir. Bu iki yorum aynı değildir.

2. Açıklayıcı değişkenler zaman içinde yeterince değişiyor mu?

FE modeli katsayıyı birim içi değişimden elde eder. Değişken çok az değişiyorsa tahmin belirsizleşebilir. Değişkenlerin genel tanımlayıcı istatistiklerinin yanında “within” ve “between” değişkenliği de incelenmelidir.

3. Gözlenemeyen birim etkileri açıklayıcılarla ilişkili olabilir mi?

Bu ilişki kuramsal olarak olasıysa standart RE varsayımı savunulamaz. Örneğin iyi yönetilen firmaların hem daha fazla dijital yatırım yapması hem daha yüksek verimliliğe sahip olması, gözlenemeyen yönetim niteliği ile yatırım değişkeni arasında ilişki oluşturabilir.

4. Zaman etkileri ve hata yapısı kontrol edildi mi?

Ortak ekonomik şoklar, mevzuat değişiklikleri veya pandemi gibi dönem etkileri tüm birimleri aynı anda etkileyebilir. Yıl sabit etkileri bu ortak hareketi kontrol etmek için modele eklenebilir. Ayrıca değişen varyans, seri korelasyon ve kesit bağımlılığı standart hataların ve çıkarımın güvenilirliğini etkiler.

Sağlam standart hatalar neden önemlidir?

Panel veride aynı birime ait gözlemler zaman içinde ilişkili olabilir. Klasik standart hatalar bu bağımlılığı yok sayarsa p değerleri ve güven aralıkları yanıltıcı hale gelebilir. Birim düzeyinde kümelenmiş standart hatalar sık kullanılan bir çözümdür; fakat panel sayısı, zaman boyutu ve kesit bağımlılığına göre farklı tahminler gerekebilir.

Modelin adını doğru seçmek tek başına yeterli değildir. Katsayıların nasıl tahmin edildiği kadar belirsizliğin nasıl hesaplandığı da raporlanmalıdır.

Sonuçlar nasıl yorumlanır?

FE katsayısı çoğunlukla “aynı birimde X zaman içinde bir birim değiştiğinde Y’de beklenen değişim” olarak yorumlanır. Bu yorum, farklı birimleri birbirleriyle karşılaştıran kesitsel bir yorumdan ayrıdır. RE katsayısı ise model varsayımları altında hem birim içi hem birimler arası bilgiyi içerir.

Raporlamada panelin birim ve dönem sayısı, dengeli/dengesiz yapısı, kullanılan model, zaman etkileri, standart hata türü, model seçiminin gerekçesi ve temel tanı kontrolleri belirtilmelidir. Hausman testinin sonucu varsa test istatistiği ve p değeri verilmeli; kararın yalnız bu teste dayanmadığı açıklanmalıdır.

Çalışmanız için zaman serisi ve panel veri ekonometrik analiz kapsamını inceleyebilir veya veri yapınızı ön değerlendirme formuyla paylaşabilirsiniz.

Kaynaklar

• StataCorp. Linear models for panel data: fixed and random effects.
• StataCorp. Longitudinal-data/panel-data reference manual.
• StataCorp. xtreg: fixed-, between- and random-effects linear models.