Panel Veri Modelleri Kullanmanın Avantajları ve Sınırları 52

Panel veri veya birleştirilmiş veri seti sadece yatay kesit ya da sadece zaman serisi ile karşılaştırıldığında çeşitli avantajlara sahip bulunmaktadır. Birleştirilmiş veri seti kullanmanın avantajları şunlardır (Baltagi, 2005:4-7; Hsiao, 2003:1-7 ):

1. Bireysel farklılıkların kontrolü: Panel veri; bireylerin, firmaların, şehirlerin veya ülkelerin farklı yapılarda olabileceğini ifade etmektedir. Zaman serileri ve yatay kesit serileri çalışmalarında farklılıkların kontrol etmeden çalıştırılması durumunda sapmalı sonuçlar elde etme riski vardır.

2. Panel veri, daha fazla bilgi içermektedir. Bu durum, daha fazla değişkenlik, değişkenler arasında daha az çoklu doğrusal bağımlılık, daha fazla serbestlik derecesi ve daha etkin ekonometrik tahminciler demektir. Oysa zaman serisi çalışmaları çoklu doğrusal bağlantı sorunları ile daha fazla karşılaşmaktadır.

Birleştirilmiş veri modellerinde gözlem sayısı kesit ve zaman serilerine göre daha fazla olacaktır. Bu durumda elde edilecek parametre tahminleri daha güvenilir olacak ve tahmin edilen modeller daha az kısıtlayıcı varsayıma dayanacaktır. Oysa sadece zaman serisi veya kesit verisi ile yapılan çalışmalarda, sapmalı sonuçlar elde etme riski söz konusu olacağından birimlerin farklılıkları ayrıntılı olarak kontrol edilemeyecektir.

3. Panel veri dinamik uyarlamaların daha iyi incelenmesini sağlar. İşsizlik, iş cirosu, yerleşim ya da gelir hareketliliği panel çalışmaları ile daha iyi analiz edilmektedir. İşsizlik ve yoksulluk gibi ekonomik durumların süresi ile ilgili çalışmalarda, eğer paneller yeterince uzun ise, ekonomik politika değişimlerinin uyarlanma hızına panel veri çalışmaları ışık tutabilmektedir. Örneğin işsizliğin ölçülmesi için yapılan yatay kesit çalışması populasyonun işsizlik oranını zamanın belli bir noktasında hesaplayabilir. Tekrarlı yatay kesit çalışmaları ise zaman boyunca işsizlik oranının nasıl değiştiğini gösterebilir. Sadece panel veri, bir dönemde işsiz olanların diğer dönemlerde de işsiz kalıp kalmadığını ve oranını tahmin edebilir. Bununla birlikte, ailelerin yoksulluk, işsizlik ve refah düzeyi bağımlılık durumlarının geçici ya da kronik olup olmadığını belirlemek için panel veri kullanımı gerekebilir. Dönemler arası ilişkilerin, yaşam döngüsü ve kuşaklar arası modellerin tahmininde de panel veri kullanımı gerekmektedir.

4. Panel veri sadece yatay kesit serisi yada sadece zaman serisi ile ortaya çıkartılamayacak etkileri de belirlemektedir. Örneğin, kesit serisi ile çalışılsın ve kadınların işgücüne katılım oranı ortalama yıllık %50 varsayılsın. Bu durum iki farklı şekilde ifade edilebilir: (a) Herhangi bir yıl içinde her bir kadının işgücüne katılma şansı %50 dir, ya da (b) her zaman kadınların %50’i çalışıyorken geri kalanı çalışmıyor demektir. (a) durumunda (b) durumuna göre iş bulma oranı daha yüksektir. Sadece panel veri bu iki durumu ayırt edebilir. Başka bir örnek de ise, sendika üyesi olmanın ücretleri arttırdığı mı yoksa azalttığı mı incelenebilir. Çalışanların sendikalı işlerden sendikasız işlere olan hareketliliğini ya da tam tersini inceleyerek bu konuda cevap vermek mümkündür. Bireysel özellikler sabit tutularak sendika üyeliğinin ücretleri etkileyip etkilemediği ve ne kadar etkilediği belirlenebilmektedir.

5. Panel veri modelleri, sadece kesit seri yada sadece zaman serisine göre daha karmaşık davranış modelleri kurmaya ve test etmeye imkan vermektedir. Örneğin panel veri modelleri ile teknik verimlilik daha iyi incelenmekte ve modellenmektedir. Gecikmesi dağıtılmış modellerde panel veri pür zaman serisi

ekonometrik bir sorunun büyüklüğünün azaltılması yada çözülmesi için uygun bir yöntem sağlamaktadır. Ampirik çalışmalarda ihmal edilen (yanlış ölçülen yada gözlemlenemeyen) değişkenlerin mevcudiyeti bağımsız değişkenlerle ilişkili olabilmektedir. Kayıp yada gözlemlenemeyen değişkenlerin etkileri zamanlar arası dinamikler ve bireysellik üzerinde araştırılarak kontrol edilebilir. (Baltagi, 2005: 6-7; Hsiao, 2003:5). Dışlanan değişkenler, zaman veya yatay kesit verisi kullanılarak yapılan çalışmalarda tahmin sonuçlarında sapmaya yol açarken; dışlanan değişken veya değişkenlerin birimlere veya zamana göre değişmeyen değişkenler olması durumunda, panel veri kullanımı sapmanın kontrol altına alınmasını sağlamaktadır. (Baltagi, 2005;3-5, Hsiao, 2003;2-3).

6. Panel veri bireyler, firmalar ve hane halkları gibi mikro birimler hakkında bilgi toplamaktadır. Birçok değişken mikro düzeyde daha doğru olarak ölçülebilmekte ve bireyler ya da firmalar üzerinde toplulaştırmadan kaynaklanan sapma giderilebilmektedir.

Panel veri kullanmanın sınırları ise (Baltagi, 2005: 7-9; Pazarlioğlu, 2001);

1. Desen ve veri toplama problemleri: Ekonometrik çalışmalarda veri toplama ile karşılaşılan tüm zorluklar burada da geçerlidir. Karşılaşılan zorluklar; kapsama (ilgili nüfusun eksik hesaplanması), yanıtlanmama (cevaplayıcıların işbirliği eksikliği nedeniyle ya da görüşmeci hatası), hatırlama (görüşmecinin doğru olarak hatırlanmaması), görüşme sıklığı, görüşme aralığı, referans dönemi, sınırlama kullanımı ve zaman örnek sapmasıdır.

2. Ölçüm hatalarındaki çarpıklık: Açık olmayan sorular karşısında yanıtların hatalı cevapları, hatırlama hataları, yanıtlayanların cevapları kasıtlı olarak çarpıtması (örneğin prestij etkisi), uygun olmayan denek, cevapların kaydedilmemesi ve anketör etkilerinin neden olduğu kusurlu cevaplardan ortaya çıkabilir.

3. Seçicilik problemleri:

a) Bireysel seçicilik: Bir kimsenin çalışmayı tercih etmeyeceği en yüksek ve

iş piyasasına girmeyi tercih edeceği en düşük ücret (rezervasyon ücreti) teklif edilen ücretten daha yüksek ise birey çalışmamayı tercih edebilir. Bu durumda çalışmayan bireylerin özellikleri gözlemlenebilirken ücretleri hakkında bilgi elde edilemeyecektir. Bu bireylere ait ücret gözlemleri eksik olduğundan örneklem sansürlü olacaktır. Bununla birlikte bu bireylere ait bilgilerin hiç biri gözlemlenemiyorsa bu durumda kesikli örneklem söz konusu olacaktır. Kesikli örneklemden çıkarılacak sonuç sapmalı olacaktır.

b) Cevap vermeme: Bu durum katılımı reddetme, evde kimse olmaması,

örnek biriminin izlenememesi gibi nedenler panel çalışmasının başlangıcında ortaya çıkar. Kısmi yanıt alınamama durumu, bir veya birden çok sorunun yanıtsız kalması yada yararlı bir yanıtın alınamaması durumunda ortaya çıkmaktadır. Tam yanıt alınamama durumu ise, örneklemde yer alan hanehalkından herhangi bir bilginin alınamaması durumunda meydana gelmektedir. Ayrıca eksik veri nedeniyle etkinlik kaybı gibi yanıt alınamama durumu da anakütle parametrelerinin tanımlanmasında ciddi sorunların ortaya çıkmasına neden olabilir.

c) Veri kaybı: Panel çalışmalarında ardışık gözlemler, cevapsızlar nedeni ile

kesintiye uğramaktadır. Bireyin ölümü, taşınması, maliyet vb. nedenler veri kaybına neden olacaktır. Bu durum da panel çalışmalarında ciddi sorunlar ortaya çıkarmaktadır.

4) Zaman boyutunun kısa olması: Tipik paneller her bir birey için kısa zaman aralığına sahip yıllık veriler içermektedir. Bu asimptotik argümanlara birey sayısı sonsuza giderken güvenileceğini ifade etmektedir. Paneldeki zamanın boyutunun artırılması, kesit boyutuna nazaran daha zor ve maliyetli olmaktadır. Aslında, bu durum cevapsız kalma şansını ve sınırlı bağımlı değişkenli panel veri modelleri için hesaplama zorluğu arttırır.

5) Yatay kesit verisi bağımlılığı: Uzun zaman serisine sahip ülke veya bölgelerin makro panelleri ülkeler arasındaki bağımlılığı dikkate almadığında yanıltıcı çıkarımlara sebep olabilmektedir. Panel birim kök testleri ile bu bağımlılık dikkate alınmaktadır.

Panel veri modeli (2.1) nolu eşitlikteki gibi ifade edilmektedir:

it 1it 2it 2it kit kit it

Y =







i= 1,..., N t=1,..., T

Burada N birimleri, t ise zamanı göstermektedir. Y değişkeni, birimden birime ve bir zaman periyodundan ardışık zaman periyoduna farklı değerler alan bağımlı bir değişken olduğunda, kesit boyutu için i, zaman periyodu için t olmak üzere iki alt indisle ifade edilmektedir. Bu genel model, sabit ve regresyon parametrelerinin her zaman periyodunda her bir birey için ayrılmasına izin vermektedir. Panel veri modelleri ile birleştirilmiş veri modelleri arasındaki fark; panel veri modellerinde yatay kesit verilerine ait gözlemler zaman boyutunda aynı kalmakta ve aynı gözlemler incelenmektedir (Wooldridge, 2002: 408).

Denklem (2.1) ile ifade edilen modelde, katsayılar farklı birimler için farklı zaman periyotlarında farklı değerler almaktadır. Bu durumda tahmin edilen parametre sayısı, kullanılan gözlem sayısını aşmakta, yani model tahmin edilememektedir. Bu dezavantaj yüzünden panel veri ile yapılan çalışmalarda daha çok hata terimlerinin özellikleri ve katsayıların değişebilirliği ile ilgili farklı varsayımlarda bulunarak farklı modeller elde edilmektedir. Farklı varsayımlarla elde edilen modeller “Sabit Etkili” ve “Tesadüfi Etkili” modellerdir. Her iki modelde de, eit hatalarının tüm zaman dönemlerinde ve tüm bireyler için bağımsız ve N (0,2e)