Fixed-Effects-Model
固定效應何時真正固定？
考慮以下類型的線性未觀察效應模型：
在哪裡是一個未觀察到但隨時間變化的特徵，並且是一個錯誤，和分別索引個人觀察和時間。固定效應 (FE) 回歸中的典型方法是刪除通過個體假人（LSDV）/去意義或通過一階差分。 我一直想知道的：什麼時候真的“固定”了嗎？
這似乎是一個微不足道的問題，但讓我舉兩個例子說明我背後的原因。
- 假設我們今天採訪一個人並詢問她的收入、體重等，所以我們得到了我們的. 在接下來的 10 天裡，我們每天都去同一個人重新採訪她，所以我們有她的面板數據。我們是否應該將未觀察到的特徵視為這 10 天的固定時間段，而它們肯定會在未來的某個其他時間點發生變化？10天后，她的個人能力可能不會改變，但隨著年齡的增長會改變。或者用更極端的方式問：如果我每天每小時採訪這個人10個小時，她未被觀察到的特徵很可能會固定在這個“樣本”中，但這有多大用處？
- 現在假設我們改為每月採訪一個人，從她生命的開始到結束，持續了 85 年左右。這段時間什麼會保持不變？出生地、性別和眼睛顏色最有可能，但除此之外我幾乎想不出其他任何東西。但更重要的是：如果她的生活中有一個特點在某一時刻發生了變化，但變化卻是無窮小呢？那麼它就不再是一個固定的效果了，因為它在實踐中這個特性是準固定的。
從統計的角度來看，什麼是固定效應是相對清楚的，但從直觀的角度來看，我覺得這很難理解。也許其他人之前有過這些想法，並提出了一個關於固定效應何時真正成為固定效應的爭論。我非常感謝關於這個主題的其他想法。
如果您對這個用於因果推斷的公式感興趣那麼未知量表示為只需要在研究期間/固定效應的數據保持穩定，以確定相關的因果量。
如果您擔心由即使在此期間也不穩定，那麼固定效果將無法滿足您的要求。然後您可以改用隨機效應，儘管如果您期望隨機數之間的相關性和你想要條件在在多級設置中。關注這種相關性通常是固定效應公式的動機之一，因為在許多（但不是全部）情況下，您不需要擔心它。
簡而言之，您對錶示的數量變化的擔憂是非常合理的，但主要是因為它會影響您所擁有的時期的數據，而不是您可能擁有的時期或您最終可能擁有但沒有的時期的數據。