12面板數(shù)據(jù)回歸-資料下載頁(yè)
2025-08-04 17:23本頁(yè)面
【正文】 的法律規(guī)定和交通事故死亡人數(shù) 酒精稅只是抑制酒后駕車(chē)的一種方法，如果某州想要打擊酒后駕車(chē)，可以通過(guò)增加稅收和嚴(yán)酷的法律來(lái)做到這一點(diǎn)。因此，即使在包含州和時(shí)間固定效應(yīng)的模型中遺漏這些有關(guān)酒后駕車(chē)的法律也會(huì)導(dǎo)致啤酒稅對(duì)交通死亡事故效應(yīng)的 OLS估計(jì)量中存在遺漏變量偏差。此外，是否開(kāi)車(chē)也部分取決于司機(jī)是否有工作，同時(shí)，稅收變化也反映了經(jīng)濟(jì)狀況 (如州預(yù)算赤字會(huì)增加稅收 )。所以遺漏州的經(jīng)濟(jì)狀況也會(huì)導(dǎo)致遺漏變量偏差。 本節(jié)中我們將前面的分析推廣到保持經(jīng)濟(jì)狀況不變條件下有關(guān)酒后駕車(chē)的法律規(guī)定 (包括啤酒稅 )對(duì)交通死亡事故效應(yīng)的研究。為此，我們需要估計(jì)包含其他酒后駕車(chē)法律和州經(jīng)濟(jì)狀況的回歸變量的面板數(shù)據(jù)回歸。 這些結(jié)果刻畫(huà)了一幅抑制酒后駕車(chē)和交通死亡事故措施引發(fā)爭(zhēng)議的畫(huà)面。這些估計(jì)值表明嚴(yán)厲的處罰和提高最低法定喝酒年齡對(duì)死亡率都不會(huì)產(chǎn)生重要作用。相反，有證據(jù)表明提高類(lèi)似啤酒稅這樣的酒精稅會(huì)減少交通死亡率。但這個(gè)效應(yīng)的估計(jì)仍是不精確的。 隨機(jī)效應(yīng)模型 對(duì)于面板數(shù)據(jù)而言，除了我們前面講的混合回歸和固定效應(yīng)模型以外，還存在另外一種模型形式：隨機(jī)效應(yīng)模型。 為了區(qū)別固定效應(yīng)模型和隨機(jī)效應(yīng)模型，我們把兩個(gè)模型的方程分別寫(xiě)成： 1it i it itY X u??? ? ? 固定效應(yīng)模型 1it it i itY X u??? ? ?隨機(jī)效應(yīng)模型 兩個(gè)模型看似一樣，但模型形式截然不同： 在固定效應(yīng)模型中： 作為一個(gè)隨機(jī)變量（解釋變量），標(biāo)示模型的個(gè)體效應(yīng)。 而在隨機(jī)效應(yīng)模型中：隨機(jī)誤差項(xiàng)分成兩部分，一部分是不隨時(shí)間變化的誤差項(xiàng) ，另一部分是隨時(shí)間變化的誤差項(xiàng) ，即 其中 i?1it it itYX ????i?ituit i itu????關(guān)于隨機(jī)效應(yīng)模型： 1。隨機(jī)效應(yīng)模型將固定效應(yīng)模型的個(gè)體效應(yīng)歸入到隨機(jī)誤差項(xiàng)中，因此更加靈活。 2。固定效應(yīng)模型通過(guò)組內(nèi)離差的方法消除掉不隨時(shí)間改變的變量，這一方面保證了模型的無(wú)偏性，另一方面模型無(wú)法估計(jì)不隨時(shí)間改變的變量之影響，這在隨機(jī)效應(yīng)模型中可以實(shí)現(xiàn)。 3?；貧w的結(jié)果是隨機(jī)效應(yīng)模型的所有的個(gè)體具有相同的截距項(xiàng)，個(gè)體的差異主要反應(yīng)在隨機(jī)干擾項(xiàng)的設(shè)定上。 4。由于上述特性，隨機(jī)效應(yīng)模型比固定效應(yīng)模型結(jié)果更加有效，同時(shí)，條件更加苛刻。 隨機(jī)效應(yīng)模型必須滿足下列條件： ( , ) 0i itC o v X? ?一般在固定效應(yīng)模型中 ( , ) 0i itC o v X? ?隨機(jī)效應(yīng)模型： xtreg invest mvalue kstock ,re 回歸結(jié)果解讀。 與固定效應(yīng)模型的結(jié)果比較。 3。固定效應(yīng)還是隨機(jī)效應(yīng)？ Hausman檢驗(yàn) 基本思想：如果 , Fe 和 Re 都是一致的，但 Re更有效。 如果 , Fe 仍然一致，但 Re是有偏的。 因此 原假設(shè)： 即應(yīng)該采用隨機(jī)效應(yīng)。 備則假設(shè) 應(yīng)該采用固定效應(yīng)。 ( , ) 0i itC o v X? ?( , ) 0i itC o v X? ?( , ) 0i itC o v X? ?( , ) 0i itC o v X? ? xtreg invest mvalue kstock ,fe est store fixed xtreg invest mvalue kstock ,re est store random hausman fixed random 本題接受原假設(shè)，即應(yīng)該用隨機(jī)效應(yīng)。 多數(shù)實(shí)證研究都采用固定效應(yīng)模型或雙向固定效應(yīng)模型
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1