Фиксированные эффекты предназначены для устранения ненаблюдаемой неоднородности между различными группами в ваших данных.
Я не согласен с подразумеваемым в принятом ответе, что решение использовать модель FE будет зависеть от того, хотите ли вы использовать «меньше вариаций или нет». Если на вашу зависимую переменную влияют ненаблюдаемые переменные, которые систематически различаются по группам на вашей панели, то коэффициент для любой переменной, которая коррелирует с этим изменением, будет смещен. Если ваши X-переменные не были назначены случайным образом (и они никогда не будут с данными наблюдений), обычно довольно легко сделать аргумент для смещения пропущенных переменных. Вы можетебыть в состоянии контролировать некоторые из пропущенных переменных с хорошим списком контрольных переменных, но если ваша цель номер 1 - надежная идентификация, даже обширный список элементов управления может оставить критичным читателям возможность усомниться в ваших результатах. В этих случаях обычно рекомендуется использовать модель с фиксированными эффектами.
Стандартные кластерные ошибки предназначены для учета ситуаций, когда наблюдения внутри каждой группы не идентифицированы (независимо и идентично распределены).
Классический пример - если у вас много наблюдений за группой фирм во времени. Вы можете учесть фиксированные эффекты на уровне фирмы, но все же могут быть некоторые необъяснимые изменения в вашей зависимой переменной, которые коррелируют во времени. В целом, при работе с данными временных рядов обычно безопасно предполагать временную последовательную корреляцию в терминах ошибок в ваших группах. Эти ситуации являются наиболее очевидными вариантами использования для кластерных SE.
Несколько иллюстративных примеров:
Если у вас есть экспериментальные данные, в которых вы назначаете лечение случайным образом, но проводите повторные наблюдения для каждого отдельного человека / группы с течением времени, вам будет оправдано исключение фиксированных эффектов, но вы захотите объединить свои SE.
В качестве альтернативы, если у вас есть много наблюдений на группу для не экспериментальных данных, но каждое внутригрупповое наблюдение может рассматриваться как извлечение данных из их большей группы (например, у вас есть наблюдения из многих школ, но каждая группа представляет собой случайное подмножество) учащихся из их школы), вы хотели бы включить фиксированные эффекты, но не нуждались бы в кластерных SE.