Discutimos sobre la utilidad de los estimadores de OLS y RE agrupados en comparación con FE.
Por lo que puedo decir, la estimación OLS agrupada es simplemente una técnica OLS ejecutada en datos del Panel. Por lo tanto, todos los efectos específicos individuales se ignoran por completo. Debido a eso, se violan muchos supuestos básicos como la ortogonalidad del término de error.
RE resuelve este problema mediante la implementación de una intercepción específica en su modelo, que se supone que es aleatoria. Esto implica la exogenidad total de su modelo. Esto se puede probar con la prueba de Hausmann.
Dado que casi todos los modelos tienen algunos problemas de endogenidad, la estimación FE es la mejor opción y le brinda las mejores estimaciones consistentes, pero los parámetros específicos individuales desaparecerán.
La pregunta que me hago es cuándo tiene sentido usar OLS agrupados o efectos aleatorios. Los OLS agrupados violan muchos supuestos y, por lo tanto, no tienen sentido. Además, la fuerte exogenidad del RE-Estimator básicamente nunca se da, entonces, ¿cuándo puede ser realmente útil?
Además de esto, en todos los modelos, ¿no se puede considerar la autocorrelación?