1 固定効果モデルの基礎
固定効果モデルは、観測対象ごとに固有で、しかも分析期間を通じて変わらない性質を統制しながら、説明変数の変動が結果に与える関係を調べる統計手法である。主としてパネルデータ分析で用いられ、個人、企業、自治体、地域などを繰り返し観測した資料に適している。観測されない特性が推定をゆがめる場合に、比較的有効な枠組みとして位置づけられる。
1.1 固定効果モデルの定義
固定効果モデルは、各対象に固有の一定項を導入し、その差を吸収したうえで共通の回帰関係を推定するモデルである。こうした一定項は、たとえば性格、組織文化、立地条件のように、直接測定しにくいが結果に影響しうる要因を表す。
1.2 パネルデータとの関係
このモデルは、同じ観測単位を複数時点にわたって追跡するパネルデータと特に相性がよい。時系列と横断面の両方の情報を持つため、個体内でどのような変化が生じたかを重視できる。単発の横断データでは扱いにくい不変特性の統制が可能になる点が大きな利点である。
1.3 固定効果が必要とされる理由
固定効果が用いられるのは、説明変数と相関する観測不能な特性が存在すると、通常の回帰推定が偏りやすいためである。対象ごとの見えない違いを無視すると、見かけの関係を真の効果と取り違えるおそれがある。
1.3.1 観測されない個体差の統制
個体差の中には、データに現れず、かつ時間を通じて比較的安定しているものがある。固定効果はこれらを各対象の切片としてまとめて扱い、説明変数の係数がそれらに左右されないようにする。
1.3.2 時間不変要因の影響
出生地や制度的背景のように、期間中に変わらない要因は、結果に影響していても通常の回帰では分離しにくい。固定効果では、こうした要因の一部を吸収できるが、その代わり時間不変変数そのものの効果は識別しにくくなる。
1.4 固定効果モデルの考え方
基本的な発想は、対象間の恒常的な差を取り除き、同一対象の変化に注目することである。つまり、誰と誰が違うかではなく、同じ対象の中で何が変わったかを見る。この視点により、因果関係に近い解釈を与えやすくなる。
2 モデルの構造
固定効果モデルは、観測値を説明変数、誤差項、そして固定された効果に分解して表現する。個体に関する効果だけを入れる場合もあれば、各時点に共通する効果を加える場合もある。どの効果を含めるかによって、統制できる要因の範囲が変わる。
2.1 基本式
標準的な形では、目的変数は説明変数の線形結合に、個体固有の効果と誤差項を加えた式で表される。ここで個体効果は、観測されないが各単位に固有の定数項として働く。
2.2 個体固定効果
個体固定効果は、各対象に固有の差異を定数として組み込む方法である。これにより、一定の性質の違いが係数推定に混入するのを抑えられる。
2.2.1 個体内変化の利用
この推定では、対象ごとの前後比較が中心になる。たとえば同じ人の収入変化と学歴の変化の対応を見るように、対象内の動きから効果を抽出する。
2.2.2 固有切片の役割
固有切片は、それぞれの対象に異なる基準点を与える役割を持つ。平均的な水準の差を切片に持たせることで、説明変数の傾きにより焦点を当てやすくなる。
2.3 時間固定効果
時間固定効果は、特定の時点に共通する外的条件を表す。景気変動、制度改正、季節的な変化のように、複数の対象に同時に影響する要因の統制に用いられる。
2.3.1 共通ショックの統制
ある年や期に全体へ及ぶ衝撃は、個体ごとの差とは別に扱う必要がある。時間固定効果を加えると、そうした共通ショックによる見かけの変化を取り除きやすい。
2.3.2 時間ごとの変化の吸収
各時点の水準のずれを吸収することで、分析対象の変化をより純化できる。これにより、時点固有の要因が説明変数の効果と混同されにくくなる。
2.4 双方向固定効果
双方向固定効果は、個体効果と時間効果を同時に導入する拡張形である。対象ごとの恒常差と時点ごとの共通変動の双方を統制できるため、パネル分析では広く使われる。
2.4.1 個体効果と時間効果の同時導入
この構成では、個体間の不変差と時点間の共通変動を同時に除去する。より多くの交絡要因を抑えられる一方、自由度が減るため、データ構造への配慮が必要になる。
3 推定方法
固定効果モデルは、異なる計算手順で推定できる。一次差分法、平均差し引き法、ダミー変数法はいずれも広く知られており、理論的には同等な結果を与える場合が多い。実装上は、データの規模や構造に応じて使い分けられる。
3.1 一次差分法
一次差分法は、隣接する時点の差を取ることで、時間不変の個体効果を消去する方法である。変化量に着目するため、固定された要因の影響を自然に除ける。
3.1.1 変化量を用いる推定
各観測の差分を用いると、一定項が相殺され、変数の変動だけが残る。このとき係数は、変化の大きさどうしの関係として解釈される。
3.1.2 ノイズの除去と限界
差分を取ることで恒常的な偏りを減らせる反面、測定誤差が目立ちやすくなることもある。短期的な変動が小さいデータでは、推定の安定性が下がる場合がある。
3.2 平均差し引き法
平均差し引き法は、各個体の時間平均を各観測から引くことで固定効果を除去する方法である。変数を個体内で中心化することで、定数項を取り除いた回帰に変換できる。
3.2.1 個体平均との差を取る方法
各対象の平均値を基準にすると、その対象の恒常的な水準が消える。残るのは平均からのずれであり、そこから変化の効果を推定する。
3.2.2 最小二乗法との関係
この方法は、変換後のデータに通常の最小二乗法を適用する形で実行される。見た目は単純でも、理論的には固定効果を除いた回帰として解釈できる。
3.3 ダミー変数による推定
ダミー変数法では、個体や時点ごとに指示変数を用いて固定効果を明示的に表す。大規模データでは変数数が多くなるが、モデルの意味は直感的である。
3.3.1 個体ダミーの導入
対象ごとにダミーを設定すると、それぞれ異なる切片を許容できる。これにより、個体差を明示的に表現しながら回帰を行える。
3.3.2 時間ダミーの導入
各時点にダミーを入れると、共通の時系列変動を吸収できる。季節要因や年次ショックの統制にも使われる。
3.4 推定量の性質
固定効果推定量は、一定の仮定のもとで望ましい統計的性質を持つ。代表的には、不偏性や効率性が論点になる。
3.4.1 不偏性
説明変数が誤差項と適切に独立していれば、推定量は平均的に真の値へ一致しやすい。不偏性は、固定効果モデルが信頼される重要な根拠の一つである。
3.4.2 効率性
同じ仮定が満たされるなら、より分散の小さい推定法が好ましい。固定効果は交絡の抑制に優れる一方、情報を削るため、効率の面では慎重な評価が必要である。
4 応用と解釈
固定効果モデルは、社会科学を中心に幅広く使われている。個人行動、企業戦略、地域政策など、単位ごとの恒常差が大きい領域で特に有用である。推定結果の解釈では、個体内の変化に焦点を当てることが重要になる。
4.1 社会科学での利用例
このモデルは、観測単位を繰り返し追跡できる分野で広く採用される。対象の違いそのものより、同じ対象の時間的な変化を重視する分析に向いている。
4.1.1 経済学での活用
経済学では、賃金、投資、生産性、政策効果の分析に利用される。企業や個人の不変特性を統制しつつ、変化する要因の影響を推定できる点が重視される。
4.1.2 社会学での活用
社会学では、教育達成、家族構造、地域環境の変化などの研究に用いられる。観測しにくい背景要因を一定程度取り除けるため、長期観察と相性がよい。
4.1.3 政治学での活用
政治学では、自治体や国の時系列比較、制度変更の評価などに使われる。地域固有の性質や年度共通の変動を抑えたうえで、政策変数の関連を見やすくする。
4.2 係数の解釈
固定効果モデルの係数は、主として同一個体の中で変数が変わったときの平均的な関係を示す。横断比較の意味合いは弱まり、個体内変化の解釈が中心になる。
4.2.1 個体内効果の意味
推定係数は、同じ対象における変化の大きさが結果にどう結びつくかを表す。したがって、別の対象同士を比べたときの差とは異なる概念である。
4.2.2 因果推論との関係
観測不能な不変要因を抑えられるため、因果推論に近づける場合がある。ただし、すべての交絡が除去されるわけではなく、時間変化する未観測要因には注意が必要である。
4.3 結果の読み取り方
結果を読む際には、係数の大きさだけでなく、統制した効果の範囲や推定の前提を確認する必要がある。モデルの違いによって、結論の安定性も変わりうる。
4.3.1 推定結果の比較
固定効果を入れた場合と入れない場合、あるいは時間効果を含めた場合とそうでない場合を比較すると、結論の頑健さを評価しやすい。差が大きければ、見えない交絡の可能性を疑うべきである。
4.3.2 限界と注意点
固定効果は便利だが、万能ではない。推定対象が個体内変化に依存するため、変動の少ない変数では情報が乏しくなり、解釈も難しくなる。
5 固定効果モデルの前提と限界
このモデルが有効であるには、いくつかの重要な仮定がある。さらに、扱えない変数や分散構造への配慮も欠かせない。利点が大きい一方で、分析上の制約も明確である。
5.1 主要な仮定
推定の前提として、説明変数の変動が誤差項と十分に独立していることが求められる。また、個体内で実際に変化が存在しなければ、効果を識別できない。
5.1.1 説明変数と誤差項の独立性
説明変数が未観測のショックと結びついていると、推定値は偏るおそれがある。固定効果を導入しても、時間変化する交絡まで自動的に解決されるわけではない。
5.1.2 個体内での変化の存在
ある変数が各個体でほとんど変わらない場合、その効果を十分に識別できない。変化の乏しい説明変数は、推定の情報源として弱くなる。
5.2 時間不変変数の扱い
時間を通じて変わらない変数は、固定効果と区別しにくいため、標準的な形では効果を推定しづらい。分析目的に応じて別の方法を考える必要がある。
5.2.1 推定できない変数
たとえば生まれた地域のように、観測期間中に一定の属性は、個体固定効果と完全に重なりやすい。こうした変数は、通常の固定効果推定では係数が識別されないことがある。
5.2.2 代替的な分析方法
時間不変要因を扱いたい場合は、ランダム効果モデルや別の階層的手法、あるいは補助的な設計を検討することがある。研究目的に応じて、固定効果以外の枠組みとの併用が選ばれる。
5.3 分散や自己相関への配慮
パネルデータでは、誤差の散らばり方や時系列的な連関が問題になることが多い。これを無視すると、標準誤差が過小評価され、統計的な判断を誤りやすい。
5.3.1 標準誤差の調整
誤差分散が一定でない場合には、通常の標準誤差では不十分になる。頑健な推定法を使って、推論の信頼性を高めることが重要である。
5.3.2 クラスター推定
同一個体内で誤差が相関する場合、クラスター単位で標準誤差をまとめて推定することがある。これにより、同一グループ内の依存を考慮した推論がしやすくなる。
5.4 固定効果モデルの弱点
固定効果は交絡の統制に強いが、データに含まれる情報を一部削るため、推定の幅が広がることがある。また、時間変化する未観測要因や測定誤差の影響は残りうる。
6 関連するモデルとの比較
固定効果モデルは、他のパネル分析手法と比較して理解すると特徴が明確になる。特にランダム効果モデルや混合効果モデルとは、仮定と解釈が異なる。併用される設計手法も含めて見ると、適用範囲が把握しやすい。
6.1 ランダム効果モデル
ランダム効果モデルは、個体差を確率的な要素として扱う枠組みである。固定効果と比べて、時間不変変数の推定が可能な場合があるが、仮定はより強い。
6.1.1 仮定の違い
ランダム効果では、個体固有の要因が説明変数と独立であることが求められることが多い。これに対し固定効果は、その独立性の要件をいくらか緩めやすい。
6.1.2 ハウスマン検定
固定効果とランダム効果のどちらが適切かを判断するために、ハウスマン検定が用いられることがある。両者の推定結果の差を手がかりに、仮定の整合性を検討する。
6.2 混合効果モデル
混合効果モデルは、固定成分とランダム成分を組み合わせて扱う方法である。個体ごとのばらつきを確率的に記述しつつ、共通の効果も推定できる。
6.2.1 固定効果との違い
固定効果が個体ごとの定数差を完全に吸収するのに対し、混合効果では個体差を確率分布の一部として扱う。したがって、推定の考え方と解釈が異なる。
6.2.2 適用場面
階層構造が明確で、群ごとのばらつき自体に関心がある場合に適することが多い。データの構造が複雑なときには、固定効果より柔軟に扱えることもある。
6.3 併用される分析手法
固定効果は単独でも使われるが、他の識別戦略と組み合わせることで、より説得的な分析になることがある。設計の工夫によって、因果解釈を補強できる。
6.3.1 操作変数法
内生性が疑われる場合、操作変数法と併用して推定することがある。固定効果で不変要因を抑え、操作変数で別の内生問題に対処する形である。
6.3.2 差の差分析
政策介入の前後差を比べる差の差分析でも、固定効果がよく使われる。個体効果と時間効果を入れることで、比較の基盤を整えやすい。
7 実務上の留意点
実際の分析では、理論だけでなくデータ整備や報告の仕方が重要になる。欠測、観測回数の不均衡、変数選択、頑健性確認など、多くの実務的判断が結果に影響する。
7.1 データの整備
固定効果分析では、パネル構造が正しく組まれていることが前提になる。観測単位と時点の対応を明確にし、データの欠落や重複を点検する必要がある。
7.1.1 欠測値への対応
欠測が多いと、利用可能な観測数が減り、推定の安定性が損なわれる。欠測の仕方によっては、分析対象が偏る可能性もある。
7.1.2 パネルの不均衡性
すべての単位が同じ時点数を持たない不均衡パネルでも分析は可能である。ただし、観測の偏りが結果に影響しないかを確認することが望ましい。
7.2 変数選択
どの説明変数を入れるかは、推定の解釈を左右する。特に、個体内で十分に変化する変数を選ぶことが重要になる。
7.2.1 変化する説明変数の重要性
固定効果では、変化しない説明変数は識別しにくい。そのため、時点ごとに動く要因を中心に設計することで、推定の情報量を確保しやすい。
7.2.2 多重共線性への注意
複数の説明変数が似た動きをすると、個々の効果を分けにくくなる。特にダミー変数を多く入れる場合は、共線性の程度を確認する必要がある。
7.3 結果報告の方法
報告では、どの固定効果を入れたか、標準誤差をどう扱ったかを明示することが基本である。推定値だけでなく、仕様の違いによる変化も示すと理解しやすい。
7.3.1 モデル仕様の明記
個体効果、時間効果、クラスター調整の有無などは、結果の解釈に直結する。分析条件を明確に書くことで、再現性と比較可能性が高まる。
7.3.2 頑健性検証
代替仕様で同様の結果が得られるかを確かめる作業は重要である。説明変数の組み替えや標準誤差の変更を通じて、結論の安定性を点検する。