包含若干年觀察的數據的回歸方法

我有一個關於 125 家公司的數據集。對於每家公司，我都有關於每家公司前 5 名經理的薪水和其他一些變數。一項觀察包含 2010 年至 2018 年 125 家公司中每一家的前 5 名經理，因此每家公司都有其經理每年的數據。對於一些公司來說，有些年份會被錯過，或者是少於前 5 名的經理。我想檢查 2016 年發生的一項規定的效果，我的問題是：

可以一次對 2016 年之前的觀察結果進行線性回歸嗎？我不確定，因為每年都有相同的公司與當年的數據。

誰能告訴我是否可以這樣做或通過建議另一種回歸方法來提供幫助

等等——那麼，你的數據集中的分析單位是什麼？是公司，還是管理者？仔細考慮一下。“前五名”排名如何？隊列是否經常變化？關於政策影響，您對哪些變數感興趣？

的確，從公司的角度來看，您有一個小組，但如果管理人員名單中有足夠的流失，您可以證明採用聯合方法是合理的。此外，如果失去的數據是非隨機的（例如，週期性的，僅限於某些公司/部門/等），那麼它會偏向面板方法，並且匯總回歸可能是您能做的最好的。

這取決於您的數據的詳細資訊，只有您可以訪問。

您的資料結構是一個面板，即重複觀察相同的實體（在您的情況下為公司）。在標準線性回歸中匯集所有觀察結果並忽略許多觀察結果重複的事實將導致估計有偏差。對於您的情況，最直接的方法是Fixed Effects Estimator。檢查您的統計數據包以了解如何執行此操作。這個想法是對因變數和自變數的公司特定平均值進行線性回歸。通過這種方式，您可以隱式控制所有時間恆定的公司特徵。

引用自：https://economics.stackexchange.com/questions/30537