Fixed Effects and Beyond: Bias Reduction, Groups, Shrinkage and Factors in Panel Data

• Bonhomme, Stéphane ^[1] ; Denis, Angela ^[2]
  1. [1] University of Chicago

     University of Chicago

     City of Chicago, Estados Unidos

     
  2. [2] Banco de España
• Localización: Documentos de trabajo - Banco de España, ISSN 0213-2710, Nº 26, 2025
• Idioma: inglés
• Enlaces
  • Texto completo
• Resumen
  • español

    Muchos métodos tradicionales de datos de panel están diseñados para estimar coeficientes homogéneos. Si bien la literatura reciente reconoce la presencia de heterogeneidad en los coeficientes, hasta ahora su enfoque principal se ha situado en los efectos promedio. En este artículo revisamos varios métodos que permiten a los investigadores estimar coeficientes heterogéneos, y mostrar cómo varían los efectos entre unidades y a lo largo del tiempo. Comenzamos con métodos tradicionales de efectos fijos con coeficientes heterogéneos, y señalamos algunas de sus limitaciones. Luego describimos métodos de corrección de sesgos, así como dos enfoques que imponen supuestos adicionales sobre la heterogeneidad: métodos de agrupamiento y métodos de efectos aleatorios. También revisamos métodos de factores y de factores agrupados que permiten que los coeficientes varíen en el tiempo. Ilustramos estos métodos utilizando datos de panel de temperatura y de producción de maíz en Estados Unidos, a partir de los cuales encontramos una sustancial heterogeneidad entre condados y a lo largo del tiempo.

  • English

    Many traditional panel data methods are designed to estimate homogeneous coefficients. While a recent literature acknowledges the presence of coefficient heterogeneity, its main focus so far has been on average effects. In this paper we review various approaches that allow researchers to estimate heterogeneous coefficients, hence shedding light on how effects vary across units and over time. We start with traditional heterogeneous-coefficients fixed-effects methods, and point out some of their limitations. We then describe bias-correction methods, as well as two approaches that impose additional assumptions on the heterogeneity: grouping methods, and random-effects methods. We also review factor and grouped-factor methods that allow coefficients to vary over time. We illustrate these methods using panel data on temperature and corn yields in the United States, and find substantial heterogeneity across counties and over time in temperature impacts.