Random-Effects-Modell

Im Gegensatz zum Fixed-Effects-Modell konditioniert man bei der Schätzung nicht auf die unbeobachteten individuenspezifischen Einflussfaktoren (Paneldaten und Paneldatenmodelle). Aufgrund der unbeobachteten Individualeffekte erhält man nun den zusammengesetzten Störterm α_i + ε_i,t und führt eine entsprechende GLS-Schätzung (Kleinstquadratemethode, verallgemeinerte) durch.

Der GLS-Schätzer ist in diesem Fall ein matrixgewichteter Durchschnitt des Between- und Within-Schätzers. Der große Nachteil dieser Vorgehensweise besteht darin, dass die Einflussfaktoren x_i,t nun strikt exogen in Bezug auf die ε_i,t und die unbeobachteten Individualeffekte α_i sein müssen. Die Individualeffekte dürfen also nicht mit den im Modell enthaltenen Einflussfaktoren korreliert sein. Allerdings kommt es nicht zu einem Verlust an Freiheitsgraden wie beim Fixed-Effects-Modell. Sind die Annahmen des Random-Effects-Modells erfüllt, so ist der Random-Effects-Schätzer effizient und konsistent, wogegen der Fixed-Effects-Schätzer nur konsistent ist (Hausman-Test). Außerdem kann beim Random-Effects-Modell der Einfluss von zeitinvarianten Erklärungsvariablen geschätzt werden.