C14.4,也就是讨论商业特许区EZ对失业率宣告的关系,与E13.8的比较 我在回去想了很久以後,发现我们之前的讲法不太对,所以po出来大家讨论一下 E13.8中,一开始式子为log(eclms)=θt + Bezit + ai + uit 而C14.4的式子为log(eclms)=Ci*t + Bezit + ai + uit 这两个有什麽差异呢? θt的意思代表说,在80~88年中,全部地区失业率都会有某种上升, 因此θt代表的是不同年里，全部地区失业率平均数的差异 而Ci*t代表是说,这个式子认为,每一个地区都会有某一种特性 这种特性会随着时间越变越严重 ai代表的是,每个地区都有某一种特性 这种特性在不同年间的影响会是一样的 假如画张表的话,可以这样解释.... 对资料的假定 │ 不随时间变化 │ 会随时间变化 ────────┼───────┼─────── 不随地区变化 │ β0 │ θt=d81+d82+.... ────────┼───────┼─────── 会随地区变化 │ ai │ Ci*t ────────┼───────┼─────── 举个例 θt可能是全国平均经济成长率,也就是全国各地都上升这样的量 ai可能是当地生活习惯,例如说A地的人喜欢工作4年出去玩1年 因此失业率永远比其它地方低20% ai=20% Ci可能是当地人口净增加量,例如A地每年都会增加5%的人,B地持平 第二年後A地就比B地多10%的人,三年就15%.... 而或许这净增加量中就会有固定比例β*Ci*t的人失业 这个表格也许可以解释为什麽E13.8跟C14.4(ii)会有所不同 E13.8只把θt跟ai放进式子里,代表说他只测量可能因地变或因时变的值 使用F.D.之後,随地变的ai消失,剩下θt以d81 d82 ....来代表不同年的平均差异 此时资料探讨的是ez变化量对失业率变化量的影响 已被解释的是每一年的总体平均差异θt,再依△ez把资料分成忽然有ez,持平,忽然没ez 然後来计算这三组资料的平均差异,就是β1 这样无法被解释到的,就是假如有存在Ci*t,他将会成为跑完回归的intercept 也就是本来的θt中将会包含Ci的平均值,而β1则可能会被Ci-Mean(Ci)影响 举例来说,也许经济明明很差,θt>0,但是因为各地平均净人口量都在下降 因此失业人口也变少,只用θt来看反而是负的,因为变θt+Mean(Ci) 也就是d81,d82....的系数会比较不准,而β1被影响的较小, 除非Ci-Mean(Ci)与ez有correlated C14.4(ii)则是把Ci*t与ai放进去,代表说他测量因地变的值,或因时地而固定增加的量 先使用F.D.之後,ai消失,而Ci*t剩下Ci 此时资料探讨的是ez变化量对失业率变化量的影响 已被解释的是每一地每年的固定变化量Ci,再依△ez把资料分成忽然有ez,持平,忽然没ez 此时无法被解释到的,就是平均变化量θt,θt的平均值会被加到Ci中 会这样说,是因为假如各地都是增加Ci,那麽每年整体会增加ΣCi,因此必包含θt平均值 此时再做fixed effect,Ci就被消掉了 没有被考虑到的,就是每年不同的增加量θt-Mean(θt)的值,可能会影响ez 举例来说,可能有一年θt-Mean(θt)大於零,正好当年有ez较多,则β1就变大了 这也使得用这式子算出来的β1比较不精确 因此,C14.4(iii)又多加了时间变数,则是把每年不同的增加量θt-Mean(Ci)的值也考虑 这样新的ez中,就不会包括Ci*t,也不会包括θt,也不会包括ai 算出来的就是纯粹△ez与△log(eclms)之间的关系了 (假设没有其它新变数应考虑,u~N) 以上一些意见,欢迎同学们更进一步讨论! 虽然我觉得这样写应该没什麽人看得懂,因为我自己也看不太懂...Orz --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.150.172 ※ 编辑: wearytolove 来自: 140.112.5.19 (11/27 22:58) ※ 编辑: wearytolove 来自: 140.112.5.19 (11/27 23:17)