Intercepta e / ou declives que mudam com o tempo
Ao contrário de análise típica de seção transversal, que impõe uma natureza estática aos seus modelos, um corte transversal agrupado permite incorporar um elemento de tempo dinâmico. Você pode fazer isso com uma secção transversal reunidas porque as unidades transversais são observados em dois ou mais períodos.
Tipicamente, secções transversais reunidas conter muitas mais observações de corte transversal do que o número de períodos de tempo de serem reunidas. Por conseguinte, os modelos assemelham-se geralmente análise transversal com possíveis correcções heteroscedasticidade. Porque o intervalo de tempo entre a recolha de unidades de corte transversal é geralmente grande (em qualquer lugar de um ano para vários anos de intervalo), autocorrelação e outras questões de séries temporais tendem a ser ignorado.
Não é incomum para confundir um corte transversal agrupado com um conjunto de dados do painel. Ambos contêm medidas transversais em vários períodos, mas em um conjunto de dados do painel as mesmas unidades transversais estão incluídos em cada período de tempo ao invés de serem selecionados aleatoriamente em cada período.
Com os dados transversais agrupados, a distribuição da população da qual as amostras aleatórias são atraídos podem mudar ao longo do tempo.
Se você usar um corte transversal agrupado, você vai querer examinar os efeitos de tempo potenciais. Se você ignorar esses efeitos do tempo, você pode obter estimativas tendenciosas dos seus coeficientes de regressão.
Uma possibilidade é que uma mudança de distribuição populacional resulta em diferentes intercepta e / ou declives ao longo do tempo. A figura ilustra como representando uma interceptação mudança pode ser importante com dados transversais agrupados. Se você não conta para efeitos de tempo, você obter a linha de regressão da amostra 1A (com uma estimativa enviesada da intercepção). No entanto, respondendo por tempo permite identificar linhas 1B e 1C.
Tempo também pode influenciar o impacto da variável independente sobre a variável dependente, alterando a magnitude do declive. Se você ignorar os efeitos do tempo, você vai acabar com a linha 2A. linha de regressão 2A tem heterocedasticidade, e, mais importante, uma estimativa tendenciosa da encosta (impacto da variável independente). Por representando efeitos do tempo, você pode identificar linhas 2B e 2C, o que estimar adequadamente a inclinação.
