Selection of Explanatory Variables for Linear Regression Models Estimated on Regional Panel Data

• Autorzy: Mieczysław Kowerski

Warianty tytułu

Dobór zmiennych objaśniających do liniowych modeli regresji szacowanych na regionalnych danych panelowych

• Języki publikacji: EN

Abstrakty

EN

One of the problems in estimating of a single-equation linear regression model is the selection of explan-atory variables. While many methods of selecting variables for models estimated on the basis of time series or cross-sectional data have been developed, there are no such methods of selecting variables for panel data models. The lack of an appropriate method for selecting variables for linear panel data mod-els may lead to incorrect parameter values for some variables, which makes it diffi cult and sometimes even impossible to interpret the results of estimated model. Methods of selecting variables for panel data models cannot be based on the Pearson linear correlation coeffi cient. Therefore, a three-step procedure of variable selection for linear panel data models has been proposed, providing the correct parameter signs for all selected variables. The procedure is illustrated with the selection of variables for panel data models with fi xed eff ects of the average annual unemployment rate according to Labor Force Survey (LFS) in Polish voivodships in the years 2010-2021 (balanced panel consisting of 192 observations). (original abstract)

Jednym z najważniejszych problemów podczas konstrukcji jednorównaniowego liniowego modelu regresji jest dobór zmiennych objaśniających. O ile wypracowano wiele metod doboru zmiennych do modeli szacowanych na podstawie szeregów czasowych lub danych przekrojowych, o tyle brakuje metod doboru zmiennych do modeli panelowych. Brak odpowiedniej metody doboru zmiennych do liniowych modeli panelowych może prowadzić do otrzymania błędnych wartości parametrów przy niektórych zmiennych, co utrudnia, a niekiedy wręcz uniemożliwia, prawidłową interpretację. Metody doboru zmiennych do modeli panelowych nie mogą się opierać na współczynniku korelacji liniowej Pearsona. Dlatego zaproponowano trzyetapową procedurę zmiennych do liniowych modeli panelowych zapewniającą właściwe znaki parametrów przy wszystkich wybranych zmiennych. Procedurę zilustrowano przykładem doboru zmiennych do panelowych modeli ze stałymi i losowymi efektami średniorocznej stopy bezrobocia według BAEL (w %) w polskich województwach w latach 2010-2021 (zbilansowany panel składający się ze 192 obserwacji). (abstrakt oryginalny)

Słowa kluczowe

EN

Panel data; Panel model; Variables selection

PL

Dane panelowe; Modele panelowe; Dobór zmiennych

• Czasopismo: Barometr Regionalny
• Rocznik: 2023
• Tom: 19
• Numer: nr 1
• Strony: 95--105

Twórcy

autor

Mieczysław Kowerski

• Academy of Zamość

Bibliografia

• Antczak, E., E. Gałecka-Burdziak, and R. Pater. 2018. "Unemployment and Vacancy Flows in Spatial Labour Market Matching at the Regional Level. The Case of a Transition Country." Journal of Applied Economics 21 (1):25-43. doi: 10.1080/15140326.2018.1526874.
• Arellano, M., and S. Bond. 1991. "Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations." The Review of Economic Studies 58 (2):277-297. doi: 10.2307/2297968.
• Biørn, E. 2017. Econometrics of Panel Data. Methods and Applications. Oxford: Oxford University Press.
• Borsuk, M., and K. Kostrzewa. 2020. "Miary ryzyka systemowego dla Polski. Jak ryzyko systemowe wpływa na akcję kredytową banków?" Bank i Kredyt 51 (3):211-238.
• Charemza, W., and D. Deadman. 1997. Nowa ekonometria. Translated by E.M. Syczewska. Warszawa: Polskie Wydawnictwo Ekonomiczne.
• Dańska-Borsiak, B. 2011. Dynamiczne modele panelowe w badaniach ekonomicznych. Łódź: Wydawnictwo Uniwersytetu Łódzkiego.
• Driver, C., A. Grosman, and P. Scaramozzino. 2020. "Dividend Policy and Investor Pressure." Economic Modelling 89:559-576. doi: 10.1016/j.econmod.2019.11.016.
• Grabiński, T., S. Wydymus, and A. Zeliaś. 1982. Metody doboru zmiennych w modelach ekonometrycznych. Warszawa: Państwowe Wydawnictwo Naukowe.
• Hellwig, Z. 1969. "Problem optymalnego wyboru predykant." Przegląd Statystyczny 16 (3/4):221-237.
• Hellwig, Z. 1976. "Przechodniość relacji skorelowania zmiennych losowych i płynące stąd wnioski ekonometryczne." Przegląd Statystyczny 23 (1):3 -2 0.
• Hellwig, Z. 1977. "Efekt katalizy w modelu ekonometrycznym, jego wykrywanie i usuwanie." Przegląd Statystyczny 24 (2):179 -191.
• Herman, S. 2019. "Impact of Joint-Stock Companies' Financial Condition on Real Activities Manipulation to Manage Earnings." Wiadomości Statystyczne 64 (10):36 - 52.
• Hsiao, C. 2014. Analysis of Panel Data. 3rd ed. Econometric society monographs. New York, NY: Cambridge University Press.
• Karkowska, R. 2019. "Systemic Risk Affected by Country Level Development. The Case of the European Banking Sector." Argumenta Oeconomica 2 (43):255-282. doi: 10.15611/aoe .2019.2.11.
• Kowerski, M., and J. Bielak. 2021. "Kilka uwag na temat pomiaru zależności pomiędzy zmiennymi o panelowej strukturze danych." Wiadomości Statystyczne 66 (5):7-25. doi: 10.5604/01 .3001.0014.8781.
• Kufel, T. 2011. Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu GRETL. 3rd ed. Warszawa: Wydawnictwo Naukowe PWN.
• Maddala, G.S. 2006. Ekonometria. Translated by M. Gruszczyński, E. Tomczyk and B. Witkowski. Warszawa: Wydawnictwo Naukowe PWN.
• Nowak, E. 2002. Zarys metod ekonometrii. Zbiór zadań. 3rd ed. Warszawa: Wydawnictwo Naukowe PWN.
• Pluskota, A. 2020. "The Impact of Corruption on Economic Growth and Innovation in an Economy in Developed European Countries." Annales Universitatis Mariae Curie-Skłodowska. Sectio H, Oeconomia 54 (2):77-87. doi: 10.17951/h.2020.54.2.77-87.
• Tokarski, T., S. Roszkowska, and P. Gajewski. 2005. "Regionalne zróżnicowanie łącznej produktywności czynników produkcji w Polsce." Ekonomista (2):215 -244.
• Witkowski, B. 2012. "Modele danych panelowych." In Mikroekonometria. Modele i metody analizy danych indywidualnych, edited by M. Gruszczyński, 267-308. Warszawa: Wolters Kluwer Polska.

Identyfikatory

DOI

10.56583/br.2141