panel data 优点 两个期间都是同个cross-sectional data fixed effect model 可以影响应变数却无法观测到的重要变数Ai,与解释变数有相关时使用 处理方面： 1.first difference 优点 消除无法观测变数Ai 缺点 ΔX没有产生变异则无法使用 或是 ΔX变异程度相同无法使用 如：性别属质变数,不会随着时间改变 不适合使用此方法 2.fixed effect 优点 消除Ai ΔX没有产生变异不影响 较常使用 比较容易理解(会吗？) 缺点 自由度比较少 T=2时两者相同 first difference比较好理解 而且在做hetero-robust statistics时比较容易处理 当u彼此没有序列相关的话 用fixed effect作比较好 如果u有序列相关问题的话 用first difference作後Δu就无序列相关 random effect model 可以影响应变数却无法观测到的重要变数Ai,与解释变数无关时使用 (如果因为Ai与解释变数无关而单纯用cross-section分析 那我们会忽视掉其中期间产生 的重要讯息) 如果把Ai直接丢入u中变成composite error(复和误差) 那复和误差间也会有序列相关 利用如同WLS一样的方式 使用quasi-demeaned 当λ=0时 变回原先的OLS 当λ=1时 则跟fixed effect相同 而当λ=1 bias=0 λ越接近0 bias会越大 ---------------------------- 先这样 累死了 ╭(─╴╴─)╮ ▃▇ -- 曾经说爱我的誓言 现在就如空气一般消失得无影无踪 "誓言"曾经如坚硬的石头一般 现在对我来说 不过是个名词而已..... --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 61.224.77.112 ※ 编辑: cicatrix 来自: 61.224.77.112 (01/14 07:34) ※ 编辑: cicatrix 来自: 61.224.80.171 (01/15 01:25)