Panelová (data) analýza je statistická metoda, široce používaná ve společenských vědách a epidemiologii, která se zabývá dvojrozměrnými panelovými daty. Data jsou obvykle sbírána v čase a nad stejnými jedinci a pak se nad těmito dvěma dimenzemi provádí regrese. Multidimenzionální analýza je statistická metoda, ve které jsou data sbírána nad více než dvěma dimenzemi (typicky časem, jednotlivci a nějakou třetí dimenzí).
Běžný model regrese panelových dat vypadá jako , kde y je závislá proměnná, x je nezávislá proměnná, a a b jsou koeficienty, i a t jsou indexy pro jednotlivce a čas. Chyba je v této analýze velmi důležitá. Předpoklady o termínu chyby určují, zda mluvíme o fixních efektech nebo náhodných efektech. V modelu fixních efektů se předpokládá, že se model fixních efektů neliší stochasticky nad nebo činí model fixních efektů analogickým s modelem fiktivní proměnné v jedné dimenzi. V modelu náhodných efektů se předpokládá, že se model náhodných efektů liší stochasticky nad nebo vyžaduje zvláštní zacházení s maticí rozptylu chyby.
Výběr mezi těmito metodami závisí na cíli naší analýzy a na problémech týkajících se exogenity vysvětlujících proměnných.
Nezávisle sdružené panely
Klíčový předpoklad:
V množině měření nejsou žádné jedinečné atributy jednotlivců a žádné univerzální účinky v čase.
Klíčový předpoklad:
Existují unikátní atributy jedinců, které nejsou výsledkem náhodné variace a které se v čase nemění. Dostatečné, pokud chceme vyvozovat závěry pouze o zkoumaných jedincích.
Klíčový předpoklad:
Existují unikátní, časově konstantní atributy jednotlivců, které jsou výsledkem náhodné variace a nekorelují s jednotlivými regresory. Tento model je adekvátní, pokud chceme vyvodit závěry o celé populaci, nejen o zkoumaném vzorku.