Có một vài cách tiềm năng để bạn giữ hình nộm giới tính trong một hồi quy hiệu ứng cố định.
Trong Công cụ ước tính
Giả sử bạn có một mô hình tương tự so với mô hình OLS được gộp chung của bạn là
yit=β1+∑t=210βtdt+γ1(malei)+∑t=110γt(dt⋅malei)+X′itθ+ci+ϵit
trong đó các biến như trước. Bây giờ lưu ý rằng không thể xác định
β1 và
β1+ γ1( m a l eTôi) vì công cụ ước tính bên trong không thể phân biệt chúng với hiệu ứng cố định
cTôi . Cho rằng
β1 là phần chặn cho năm cơ sở
t = 1 ,
γ1 là hiệu ứng giới tính đối với thu nhập trong giai đoạn này. Những gì chúng ta có thể xác định trong trường hợp này là
γ2, . . . , γ10bởi vì chúng được tương tác với các hình nộm thời gian của bạn và chúng đo lường sự khác biệt về tác động một phần của biến giới tính của bạn so với khoảng thời gian đầu tiên. Điều này có nghĩa là nếu bạn quan sát thấy sự gia tăng của
γ2, . . . , γ10 thì đây là dấu hiệu cho thấy sự gia tăng khoảng cách thu nhập giữa nam và nữ.
Công cụ ước tính khác biệt đầu tiên
Nếu bạn muốn biết tác động tổng thể của sự khác biệt giữa nam và nữ theo thời gian, bạn có thể thử mô hình sau:
trong đó biến được tương tác với giới tính bất biến theo thời gian hình nộm. Bây giờ nếu bạn lấy sự khác biệt đầu tiên và bỏ ra và bạn nhận được
Sau đó t = 1 , 2 , . . . , 10 β 1 c i y i t - y i
ytôi t= β1+ Σt = 210βtdt+ γ( t ⋅ m a l eTôi) + X'tôi tθ + cTôi+ εtôi t
t = 1 , 2 , . . . , 10β1cTôiγ(t⋅malei-[(t-1)malei])=γ[(t-(t-1))⋅malei]=γ(ytôi t- ytôi ( t - 1 )= ∑t = 310βt( dt- d( t - 1 )) + Γ( t ⋅ m a l eTôi- [ ( t - 1 ) m a l eTôi])+(X′it−X′i(t−1))θ+ϵit−ϵi(t−1)
γ Δ y i t = 10 ∑ t = 3 β t Δ d t + γ ( m a l e i ) + Δ X ′ i t θ + Δ ϵ i tγ(t⋅malei−[(t−1)malei])=γ[(t−(t−1))⋅malei]=γ(malei)và bạn có thể xác định sự khác biệt giới tính trong thu nhập . Vì vậy, phương trình hồi quy cuối cùng sẽ là:
và bạn nhận được hiệu quả của bạn. Điều tuyệt vời là điều này dễ dàng được thực hiện trong bất kỳ phần mềm thống kê nào nhưng bạn mất một khoảng thời gian.
γΔyit=∑t=310βtΔdt+γ(malei)+ΔX′itθ+Δϵit
Công cụ ước tính Hausman-Taylor Công cụ ước tính
này phân biệt giữa các biến hồi quy mà bạn có thể cho là không tương thích với hiệu ứng cố định và các hiệu ứng có khả năng tương quan với nó. Nó phân biệt rõ hơn giữa các biến số thời gian và biến đổi thời gian. Đặt biểu thị các biến không tương quan với và số đó và giả sử biến giới tính của bạn là biến bất biến duy nhất theo thời gian. Công cụ ước tính Hausman-Taylor sau đó áp dụng chuyển đổi hiệu ứng ngẫu nhiên:
trong đó ký hiệu dấu ngãci1ci2
y~it=X~′1it+X~′2it+γ(male˜i2)+c~i+ϵ~it
X~1it=X1it−θ^iX¯¯¯¯1i trong đó được sử dụng để chuyển đổi hiệu ứng ngẫu nhiên và là thời gian trung bình trên mỗi cá nhân. Đây không giống như công cụ ước tính hiệu ứng ngẫu nhiên thông thường mà bạn muốn tránh vì các biến nhóm được sử dụng để loại bỏ mối tương quan với . Đối với , công cụ là . Điều tương tự cũng được thực hiện cho các biến bất biến theo thời gian, vì vậy nếu bạn chỉ định biến giới tính có khả năng tương quan với hiệu ứng cố định thì nó sẽ được gắn với
θ^iX¯¯¯¯1i2ciX~2itX2it−X¯¯¯¯2iX¯¯¯¯1i, vì vậy bạn phải có nhiều biến đổi thời gian hơn các biến bất biến theo thời gian.
Tất cả điều này nghe có vẻ hơi phức tạp nhưng có những gói đóng hộp cho công cụ ước tính này. Ví dụ, trong Stata lệnh tương ứng là xthtaylor
. Để biết thêm thông tin về phương pháp này, bạn có thể đọc Cameron và Trivingi (2009) "Microeconometrics bằng Stata". Nếu không, bạn có thể chỉ cần sử dụng hai phương pháp trước đó dễ dàng hơn một chút.
Suy luận
Đối với các bài kiểm tra giả thuyết của bạn, không có nhiều điều cần phải xem xét ngoài những gì bạn cần làm trong một hồi quy hiệu ứng cố định. Bạn cần quan tâm đến sự tự tương quan trong các lỗi, ví dụ bằng cách phân cụm trên biến ID riêng lẻ. Điều này cho phép một cấu trúc tương quan tùy ý giữa các cụm (cá nhân) liên quan đến tự tương quan. Để tham khảo, xem lại Cameron và Trivingi (2009).