Some Methods for Pooling Cross-Sectional Time Series Data

Title (Arabic)

بعــــض اساليب دمـــج السلاسل الزمنيـــة للمقاطـــع العرضيـــة

Lamia Baqir Jawad, Department of Statistics, College of Administration and Economics, University of Baghdad, Iraq
Rabab Abdulrida Saleh, Department of Statistics, College of Administration and Economics, University of Baghdad, Iraq

DOI

10.33095/d2c7pk07

Abstract

Integrating time-series and cross-sectional data represents a sophisticated approach in modern quantitative econometric analysis and statistical methodologies used to examine various phenomena, particularly in economics. These two data types are fundamentally complementary, providing a more comprehensive analytical framework than those relying on a single dimension; this approach captures both specific temporal snapshots characteristic of cross-sectional data and the dynamic evolutionary patterns inherent in time-series data. While time-series data is theoretically suitable for estimating economic relationships, its practical application is often hindered by significant challenges, most notably multicollinearity among explanatory variables that tend to co-move over time, leading to imprecise estimations. Conversely, cross-sectional data alone may fail to yield robust estimates for certain variables that remain relatively constant over short durations. Consequently, when both data types are available, researchers focus on optimal integration methods through two primary scenarios: the first involves distinct datasets where multicollinearity prevents the estimation of all parameters in a time-series regression, necessitating the use of cross-sectional information for certain parameters followed by integration using methods such as those developed by Tobin, Koutsoyiannis, Durbin, or Theil and Goldberger. The second scenario occurs when time-series of cross-sections are available, utilizing alternative frameworks such as the traditional pooling model, the aggregation model, dummy variable models, error components models, seemingly unrelated regression (SUR), or random coefficients models; this research specifically focuses on this second scenario, examining the first four of these models in detail.

Abstract (Arabic)

تعد اساليب الدمج بين بيانات السلسلة الزمنية وبيانات المقاطع العرضية من الاساليب الحديثة المستخدمة في التحليل القياسي الكمي ومن الاساليب الاحصائية المستخدمة في تحليل الظواهر المختلفة ونخص منها الظواهر الاقتصادية. اذ ان النوعين من البيانات يعد احدهما مكمل للاخر اذ انها تعطي صورة اوضح من تلك التي تعتمد على نوع واحد من البيانات لان هذا الاسلوب سيعتمد على بيانات نقطة معينة من الزمن (بيانات المقاطع العرضية) اضافة الى اخذه بنظر الاعتبار التطورات التي تطرأ على الظاهرة خلال فترة من الزمن (بيانات السلسلة الزمنية). فمن الناحية النظرية يمكن ان تكون بيانات السلسلة الزمنية مناسبة لتقدير العلاقات الاقتصادية ولكن في الجانب التطبيقي هناك عدة مشاكل باستخدام السلسلة الزمنية واهمها هي مشكلة التعدد الخطي للمتغيرات التوضيحية التي تميل الى التغير خلال نفس الفترة وهنا سوف تكون التقديرات غير دقيقة لوجود مثل تلك المشكلة ومن جهة اخرى لا يمكن ان نحصل على تقديرات جيدة لمعاملات بعض المتغيرات من بيانات المقاطع العرضية فقط لان هذه المتغيرات سوف تكون ثابتة خلال فترة زمنية قصيرة. وعند توفر بيانات مقاطع عرضية سنركز اهتمامنا بأستخدام الطرق المثلى لتحليل هذه البيانات ودمجها مع بيانات السلسلة الزمنية اذ ان هناك حالتان. الاولى عند توفر بيانات مقاطع عرضية وبيانات سلسلة زمنية بصورة منفردة وفي هذه الحالة فانه من غير الممكن تقدير كل المعلمات في معادلة انحدار السلسلة الزمنية بسبب التعدد الخطي لذلك فان المعلومات العرضية عن بعض المعلمات يحصل عليها من بيانات المقاطع العرضية ومن ثم دمجها مع بيانات السلسلة الزمنية لتقدير معلمات نموذج الدمج وتستخدم عدة اساليب منها اسلوب توبن وكوتسيانس وديربن واسلوب ثايل وكولد برجر. اما الحالة الثانية فهي عند توفر سلاسل زمنية للمقاطع العرضية وفي هذه الحالة توجد عدة نماذج بديلة تستخدم لدمج بيانات السلسلة الزمنية للمقاطع العرضية وهي نموذج الدمج التقليدي ونموذج التجميع ونماذج المتغيرات الصماء ونماذج الخطأ المركب ونموذج معاملات الانحدار غير المرتبطة ظاهرياً ونماذج معاملات الانحدار العشوائية وسوف نركز اهتمامنا في هذا البحث على الحالة الثانية وعلى النماذج الاربع الاولى.

Recommended Citation

Jawad, L. B., & Saleh, R. A. (2008). Some Methods for Pooling Cross-Sectional Time Series Data. Journal of Economics and Administrative Sciences, 14(49), 276-301. https://doi.org/10.33095/d2c7pk07

First Page

276

Last Page

301

Rights

Download

COinS