패널데이터의 고정효과와 랜덤효과

패널데이터는 기업, 펀드, 가구나 국가 같은 단위 i를 여러 시점 t에서 관측해 횡단면 차이와 시간 변화를 함께 담습니다

yit=βxit+αi+λt+uit에서 αi는 변하지 않는 단위 특성이고 λt는 모든 단위가 공유하는 시점 충격입니다

단순 pooled OLS는 αi가 xit와 관련되면 단위 사이 차이를 단위 내부 효과와 섞어 β를 편향시킬 수 있습니다

단위별 평균을 빼는 within 변환은 시간불변 αi를 제거하고 각 단위가 자기 평균에서 벗어난 변화끼리 비교합니다

기업 고정효과 계수는 레버리지가 높은 기업과 낮은 기업의 차이가 아니라 같은 기업의 레버리지가 변했을 때 결과가 어떻게 함께 변했는지 묻습니다

시점 고정효과를 더하면 경기, 금리나 시장수익률처럼 같은 날짜에 모든 단위가 받은 공통 수준 충격을 흡수합니다

산업 기원, 창업자 성향처럼 시간불변인 요인은 단위 고정효과와 완전히 겹쳐 그 자체의 계수를 따로 추정할 수 없습니다

변화가 거의 없는 설명변수는 within 정보가 적어 표준오차가 커지고 측정오차의 상대적 영향이 커질 수 있습니다

시간가변 누락변수, 결과에서 설명변수로 가는 피드백과 처치 후 통제는 고정효과를 넣어도 사라지지 않습니다

랜덤효과는 αi를 확률오차의 일부로 두고 모든 시점의 설명변수와 상관이 없다는 조건 아래 단위 내부와 단위 사이 변동을 결합합니다

그 조건이 맞으면 고정효과보다 효율적일 수 있고 시간불변 설명변수의 계수도 추정할 수 있습니다

하지만 경영품질이나 위험선호처럼 관측되지 않은 기업 특성이 자본구조와 관련되면 랜덤효과 계수는 그 차이를 섞습니다

상관 랜덤효과 또는 Mundlak 접근은 시간가변 설명변수의 단위별 평균을 랜덤효과 모형에 넣어 αi와 xit의 상관을 명시적으로 모형화합니다

이 구성은 within 효과와 between 차이를 구분하고 랜덤효과의 강한 직교 가정을 관측 가능한 형태로 점검하게 돕습니다

선형 균형패널의 단순 조건에서는 평균항을 포함한 계수가 고정효과 within 계수와 연결되지만 모든 비선형·동적 모형에 자동 확장되지는 않습니다

Hausman 논리는 한 추정량만 귀무가설 아래 효율적이고 두 추정량 모두 일관적인 경우 계수 차이를 비교합니다

기각은 직교 가정이나 다른 모형 조건과의 불일치를 시사하지만 비기각은 랜덤효과 가정이 참이라는 증명이 아닙니다

작은 표본, 약한 within 변동, 강건 공분산과 모형 오지정은 검정의 검정력과 수치 안정성을 흔들 수 있습니다

기업정책 연구에서는 기업 고정효과와 연도 고정효과가 흔하지만 산업별 경기나 국가별 정책충격에는 더 세밀한 시점 상호작용이 필요할 수 있습니다

오차가 기업 안에서 지속되면 기업 군집 표준오차를 검토하고 같은 날짜 공통충격이 남으면 날짜나 양방향 군집을 설계와 함께 고려합니다

동적 패널에 지연 종속변수를 넣으면 짧은 T에서 within 추정 편향이 생길 수 있어 정적 고정효과 해석을 그대로 적용하면 안 됩니다

단위와 시점 차원, 균형 여부, within·between 변동, 고정효과 조합과 표준오차 군집 수준을 명시합니다

계수가 어떤 단위의 어떤 시간변화에서 식별되는지 설명하고 표본 내 변화가 경제적으로 충분한지 확인합니다

고정효과·랜덤효과·Mundlak 결과와 Hausman 검정을 참고자료로 제시하되 최종 선택은 경제적 교란경로와 목표효과로 정당화합니다