panel data 優點 兩個期間都是同個cross-sectional data fixed effect model 可以影響應變數卻無法觀測到的重要變數Ai,與解釋變數有相關時使用 處理方面： 1.first difference 優點 消除無法觀測變數Ai 缺點 ΔX沒有產生變異則無法使用 或是 ΔX變異程度相同無法使用 如：性別屬質變數,不會隨著時間改變 不適合使用此方法 2.fixed effect 優點 消除Ai ΔX沒有產生變異不影響 較常使用 比較容易理解(會嗎？) 缺點 自由度比較少 T=2時兩者相同 first difference比較好理解 而且在做hetero-robust statistics時比較容易處理 當u彼此沒有序列相關的話 用fixed effect作比較好 如果u有序列相關問題的話 用first difference作後Δu就無序列相關 random effect model 可以影響應變數卻無法觀測到的重要變數Ai,與解釋變數無關時使用 (如果因為Ai與解釋變數無關而單純用cross-section分析 那我們會忽視掉其中期間產生 的重要訊息) 如果把Ai直接丟入u中變成composite error(複和誤差) 那複和誤差間也會有序列相關 利用如同WLS一樣的方式 使用quasi-demeaned 當λ=0時 變回原先的OLS 當λ=1時 則跟fixed effect相同 而當λ=1 bias=0 λ越接近0 bias會越大 ---------------------------- 先這樣 累死了 ╭(─╴╴─)╮ ▃▇ -- 曾經說愛我的誓言 現在就如空氣一般消失得無影無蹤 "誓言"曾經如堅硬的石頭一般 現在對我來說 不過是個名詞而已..... --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.224.77.112 ※ 編輯: cicatrix 來自: 61.224.77.112 (01/14 07:34) ※ 編輯: cicatrix 來自: 61.224.80.171 (01/15 01:25)