आपके डेटा में अलग-अलग समूहों को अलग-अलग समूहों को हटाने के लिए निश्चित प्रभाव हैं।
मैं स्वीकृत प्रतिक्रिया में निहितार्थ से असहमत हूं कि एफई मॉडल का उपयोग करने का निर्णय इस बात पर निर्भर करेगा कि आप "कम भिन्नता का उपयोग करना चाहते हैं या नहीं"। यदि आपका आश्रित चर अप्रभावी चर से प्रभावित होता है जो आपके पैनल के समूहों में व्यवस्थित रूप से भिन्न होता है, तो इस परिवर्तन के साथ सहसंबंधित किसी भी चर पर गुणांक पक्षपाती होगा। जब तक आपके एक्स चर को बेतरतीब ढंग से असाइन नहीं किया गया है (और वे अवलोकन डेटा के साथ कभी नहीं होंगे), आमतौर पर छोड़े गए चर पूर्वाग्रह के लिए तर्क करना काफी आसान है। आप कर सकते हैंनियंत्रण चर की एक अच्छी सूची के साथ कुछ छोड़े गए चर के लिए नियंत्रित करने में सक्षम हो, लेकिन अगर मजबूत पहचान आपका नंबर 1 लक्ष्य है, तो भी नियंत्रण की एक व्यापक सूची महत्वपूर्ण पाठकों के लिए आपके परिणामों पर संदेह करने के लिए जगह छोड़ सकती है। इन मामलों में, आमतौर पर एक निश्चित प्रभाव मॉडल का उपयोग करना एक अच्छा विचार है।
क्लस्टर की गई मानक त्रुटियां उन स्थितियों के लिए लेखांकन के लिए होती हैं, जिनमें प्रत्येक समूह के लिए अवलोकन iid नहीं होते हैं (स्वतंत्र रूप से और समान रूप से वितरित)।
एक क्लासिक उदाहरण है यदि आपके पास समय के साथ फर्मों के एक पैनल के लिए कई अवलोकन हैं। आप फर्म-स्तरीय निश्चित प्रभावों के लिए जिम्मेदार हो सकते हैं, लेकिन आपके आश्रित चर में कुछ अस्पष्टीकृत भिन्नता हो सकती है जो समय के साथ सहसंबद्ध है। सामान्य तौर पर, जब समय-श्रृंखला डेटा के साथ काम करते हैं, तो आमतौर पर आपके समूहों के भीतर त्रुटि शब्दों में अस्थायी सीरियल सहसंबंध को मानना सुरक्षित होता है। क्लस्टर एसई के लिए ये स्थिति सबसे स्पष्ट उपयोग के मामले हैं।
कुछ उदाहरण हैं:
यदि आपके पास प्रायोगिक डेटा है जहां आप बेतरतीब ढंग से उपचार प्रदान करते हैं, लेकिन समय के साथ प्रत्येक व्यक्ति / समूह के लिए बार-बार अवलोकन करते हैं, तो आप निश्चित प्रभावों को छोड़ने में उचित होंगे, लेकिन अपने एसई को क्लस्टर करना चाहेंगे।
वैकल्पिक रूप से, यदि आपके पास गैर-प्रायोगिक डेटा के लिए प्रति समूह में कई अवलोकन हैं, लेकिन प्रत्येक समूह के अवलोकन को उनके बड़े समूह से आईआईडी ड्रा माना जा सकता है (उदाहरण के लिए, आपके पास कई स्कूलों के अवलोकन हैं, लेकिन प्रत्येक समूह एक यादृच्छिक रूप से तैयार किया गया उपसमूह है। अपने विद्यालय के छात्रों से), आप निश्चित प्रभावों को शामिल करना चाहते हैं, लेकिन क्लस्टर किए गए एसई की आवश्यकता नहीं होगी।