المصطلحات الشائعة في نماذج البانل
المصطلحات الشائعة في نماذج البانل
المصطلحات الشائعة في نماذج البانل
1. بيانات البانل أو البيانات الطولية (Panel Data / Longitudinal Data)
1. بيانات البانل أو البيانات الطولية (Panel Data / Longitudinal Data)
المعنى: هي بيانات تجمع بين ميزتين: تتبع مجموعة من الأفراد (أو
الشركات، أو الدول) عبر فترة زمنية متتالية. أي أنها تدمج بين "البيانات
المقطعية" (عدة أفراد في نفس الوقت) و"السلاسل الزمنية" (فرد واحد عبر
الزمن).
مثال بسيط: بدلاً من دراسة أرباح 50 شركة في عام 2023 فقط (مقطعية)، أو دراسة أرباح شركة واحدة لمدة 10 سنوات (سلسلة زمنية)، بيانات البانل تدرس أرباح الـ 50 شركة لمدة 10 سنوات متتالية.
2. البانل المتزن وغير المتزن (Balanced vs. Unbalanced Panel)
2. البانل المتزن وغير المتزن (Balanced vs. Unbalanced Panel)
المعنى: المتزن: كل شخص أو شركة في العينة لدينا بياناته كاملة في كل الفترات الزمنية.
غير المتزن: توجد بيانات مفقودة لبعض الأفراد في بعض الفترات (مثلاً شركة أغلقت، أو شخص انسحب من الدراسة).
مثال بسيط: إذا كنا نتابع 10 بنوك لمدة 5 سنوات، البانل المتزن يعني أن لدينا 50 قراءة كاملة. إذا اندمج أحد البنوك في السنة الرابعة واختفت بياناته، يصبح البانل غير متزن.
3. عدم التجانس غير المشاهد (Unobserved Heterogeneity)
3. عدم التجانس غير المشاهد (Unobserved Heterogeneity)
المعنى: هي الخصائص أو السمات الفريدة لكل فرد أو شركة في العينة، والتي تؤثر على النتائج لكننا لا نستطيع قياسها أو لم نقم بجمع بيانات عنها.
مثال بسيط: عند دراسة تأثير التدريب على إنتاجية الموظفين، فإن "الذكاء الفطري" أو "الموهبة" لكل موظف هي خصائص فريدة تؤثر على الإنتاجية ولكن يصعب قياسها برقم.
4. نموذج الانحدار التجميعي (Pooled OLS Model)
4. نموذج الانحدار التجميعي (Pooled OLS Model)
المعنى: هو أبسط نموذج للتعامل مع بيانات البانل، حيث يتجاهل تماماً أن البيانات مأخوذة لنفس الأفراد عبر الزمن، ويتعامل مع كل المشاهدات كأنها مستقلة تماماً.
مثال بسيط وضع بيانات جميع الموظفين في كل السنوات في سلة واحدة ورسم خط متوسط عام، متجاهلين أن الموظف (أ) يختلف بطبيعته عن الموظف (ب). (هذا النموذج غالباً لا يكون دقيقاً لأنه يتجاهل "عدم التجانس").
5. نموذج التأثيرات الثابتة (Fixed Effects Model - FEM)
5. نموذج التأثيرات الثابتة (Fixed Effects Model - FEM)
المعنى: نموذج ذكي يُستخدم لعزل أو "تثبيت" تأثير الخصائص الفريدة
لكل فرد (التي لا تتغير مع الزمن)، حتى نتمكن من دراسة أثر المتغيرات التي
تتغير مع الزمن فقط.
مثال بسيط: إذا كنا ندرس أثر إطلاق منتج جديد على أرباح الشركات، هذا النموذج يعزل تأثير "تاريخ الشركة أو موقعها الجغرافي" (لأنها ثابتة)، ويركز فقط على كيف تغيرت الأرباح داخل نفس الشركة قبل وبعد إطلاق المنتج.
6. نموذج التأثيرات العشوائية (Random Effects Model - REM)
6. نموذج التأثيرات العشوائية (Random Effects Model - REM)
المعنى: يفترض هذا النموذج أن الخصائص الفريدة للأفراد هي مجرد
اختلافات "عشوائية" ولا ترتبط بالمتغيرات التي ندرسها. هذا النموذج يستفيد
من البيانات بشكل أفضل ولكنه يتطلب شروطاً صارمة.
مثال بسيط: إذا كنا نعتقد أن الاختلافات الفطرية بين المدارس (مثل ثقافة الحي) لا علاقة لها بحجم الميزانية المخصصة لها، يمكننا استخدام هذا النموذج لمقارنة تأثير الميزانية على أداء الطلاب.
7. تأثيرات الزمن الثابتة (Time Fixed Effects)
7. تأثيرات الزمن الثابتة (Time Fixed Effects)
المعنى: هي الصدمات أو الأحداث التي تقع في فترة زمنية معينة وتؤثر على جميع الأفراد في العينة في نفس الوقت.
مثال بسيط: حدوث أزمة اقتصادية عالمية في عام 2020؛ أثرت على أرباح جميع الشركات في العينة في ذلك العام بالتحديد.
8. اختبار هاوسمان (Hausman Test)
8. اختبار هاوسمان (Hausman Test)
* **المعنى:** هو بمثابة "الحكم" الإحصائي الذي يساعدنا في اتخاذ القرار: هل نستخدم نموذج التأثيرات الثابتة أم العشوائية؟
كيف يعمل؟ يفحص ما إذا كانت الخصائص المخفية للأفراد ترتبط بالمتغيرات التي ندرسها أم لا. إذا كان هناك ارتباط، يخبرنا الاختبار برفض النموذج العشوائي واستخدام "التأثيرات الثابتة"، والعكس صحيح.هذا التدرج يساعد في تكوين صورة عامة واضحة قبل الغوص في تعقيدات المصفوفات والمعادلات القياسية التي تُبنى عليها هذه النماذج.