演示文稿第九講面板數(shù)據(jù)回歸

（優(yōu)選）第九講面板數(shù)據(jù)回歸現(xiàn)在是1頁(yè)\一共有62頁(yè)\編輯于星期二時(shí)間序列數(shù)據(jù)或截面數(shù)據(jù)都是一維數(shù)據(jù)。例如時(shí)間序列數(shù)據(jù)是變量按時(shí)間得到的數(shù)據(jù)；截面數(shù)據(jù)是變量在截面空間上的數(shù)據(jù)。面板數(shù)據(jù)是同時(shí)在時(shí)間和截面上取得的二維數(shù)據(jù)。所以，面板數(shù)據(jù)（paneldata）也稱時(shí)間序列截面數(shù)據(jù)（timeseriesandcrosssectiondata）或混合數(shù)據(jù)（pooldata）。現(xiàn)在是2頁(yè)\一共有62頁(yè)\編輯于星期二面板數(shù)據(jù)，簡(jiǎn)言之是時(shí)間序列和截面數(shù)據(jù)的混合。嚴(yán)格地講是指對(duì)一組個(gè)體(如居民、國(guó)家、公司等)連續(xù)觀察多期得到的資料。所以很多時(shí)候我們也稱其為“追蹤資料”。近年來(lái)，由于面板數(shù)據(jù)資料的獲得變得相對(duì)容易，使其應(yīng)用范圍也不斷擴(kuò)大?，F(xiàn)在是3頁(yè)\一共有62頁(yè)\編輯于星期二1996-2002年中國(guó)15個(gè)省級(jí)地區(qū)的居民家庭人均消費(fèi)數(shù)據(jù)（不變價(jià)格）

（例一）地區(qū)人均消費(fèi)1996199719981999200020012002CP-AH（安徽）3282.4663646.1503777.4103989.5814203.5554495.1744784.364CP-BJ（北京）5133.9786203.0486807.4517453.7578206.2718654.43310473.12CP-FJ（福建）4011.7754853.4415197.0415314.5215522.7626094.3366665.005CP-HB（河北）3197.3393868.3193896.7784104.2814361.5554457.4635120.485CP-HLJ（黑龍江）2904.6873077.9893289.9903596.8393890.5804159.0874493.535CP-JL（吉林）2833.3213286.4323477.5603736.4084077.9614281.5604998.874CP-JS（江蘇）3712.2604457.7884918.9445076.9105317.8625488.8296091.331CP-JX（江西）2714.1243136.8733234.4653531.7753612.7223914.0804544.775CP-LN（遼寧）3237.2753608.0603918.1674046.5824360.4204654.4205402.063CP-NMG（內(nèi)蒙古）2572.3422901.7223127.6333475.9423877.3454170.5964850.180CP-SD（山東）3440.6843930.5744168.9744546.8785011.9765159.5385635.770CP-SH（上海）6193.3336634.1836866.4108125.8038651.8939336.10010411.94CP-SX（山西）2813.3363131.6293314.0973507.0083793.9084131.2734787.561CP-TJ（天津）4293.2205047.6725498.5035916.6136145.6226904.3687220.843CP-ZJ（浙江）5342.2346002.0826236.6406600.7496950.7137968.3278792.210現(xiàn)在是4頁(yè)\一共有62頁(yè)\編輯于星期二面板數(shù)據(jù)的格式（例二）companyyearinvestmvalue11951755.9483311952891.24924.9119531304.46241.7119541486.75593.621951588.22289.521952645.52159.4219536412031.321954459.32115.531951135.21819.431952157.32079.731953179.52371.631954189.62759.9現(xiàn)在是5頁(yè)\一共有62頁(yè)\編輯于星期二當(dāng)描述截面數(shù)據(jù)時(shí)，我們用下標(biāo)表示個(gè)體，如Yi表示第i個(gè)個(gè)體的變量Y。當(dāng)描述面板數(shù)據(jù)時(shí)，我們需要其他符號(hào)來(lái)同時(shí)表示個(gè)體和時(shí)期。為此我們采用雙下標(biāo)而不是單下標(biāo)，其中第一個(gè)下標(biāo)i表示個(gè)體，第二個(gè)下標(biāo)t表示觀測(cè)時(shí)間。于是Yit表示n個(gè)個(gè)體中第i個(gè)個(gè)體在T期中的第t個(gè)時(shí)期內(nèi)變量Y的觀測(cè)值?，F(xiàn)在是6頁(yè)\一共有62頁(yè)\編輯于星期二面板數(shù)據(jù)用雙下標(biāo)變量表示。例如

Yit,i=1,2,…,N；t=1,2,…,TN表示面板數(shù)據(jù)中含有N個(gè)個(gè)體。T表示時(shí)間序列的最大長(zhǎng)度。

對(duì)于樣本點(diǎn)來(lái)說(shuō)：現(xiàn)在是7頁(yè)\一共有62頁(yè)\編輯于星期二Stata中面板數(shù)據(jù)的表示companyyearinvestmvalue11951755.9483311952891.24924.9119531304.46241.7119541486.75593.621951588.22289.521952645.52159.4219536412031.321954459.32115.531951135.21819.431952157.32079.731953179.52371.631954189.62759.9現(xiàn)在是8頁(yè)\一共有62頁(yè)\編輯于星期二在stata中，首先使用xtset命令指定個(gè)體特征和時(shí)間特征，然后可以用xtdes命令顯示面板數(shù)據(jù)的結(jié)構(gòu)。

usefatality,clearxtsetstateyearxtdes現(xiàn)在是9頁(yè)\一共有62頁(yè)\編輯于星期二短面板和長(zhǎng)面板如果面板數(shù)據(jù)T較小，而n較大，這種面板數(shù)據(jù)被稱為“短面板”（shortpanel）。（大n小T）如fatality.dta

反之，如果T較大，而n較小，則被稱為“長(zhǎng)面板”（longpanel）。（大T小n）如Grunfeld.dta

現(xiàn)在是10頁(yè)\一共有62頁(yè)\編輯于星期二面板數(shù)據(jù)的優(yōu)勢(shì)（1）可以解決遺漏變量問(wèn)題：遺漏變量偏差是一個(gè)普遍存在的問(wèn)題。雖然可以用工具變量法解決，但有效的工具變量常常很難找。遺漏變量常常是由于不可觀測(cè)的個(gè)體差異或“異質(zhì)性”（heterogeneity）所造成，如果這種個(gè)體差異“不隨時(shí)間而改變”（timeinvariant），則面板數(shù)據(jù)提供了解決遺漏變量問(wèn)題的又一利器。（2）提供更多個(gè)體動(dòng)態(tài)行為的信息：由于面板數(shù)據(jù)同時(shí)有截面與時(shí)間兩個(gè)維度，有時(shí)它可以解決單獨(dú)的截面數(shù)據(jù)或時(shí)間序列數(shù)據(jù)所不能解決的問(wèn)題?，F(xiàn)在是11頁(yè)\一共有62頁(yè)\編輯于星期二比如，如何區(qū)分規(guī)模效應(yīng)與技術(shù)進(jìn)步對(duì)企業(yè)生產(chǎn)效率的影響。在截面數(shù)據(jù)中，由于沒(méi)有時(shí)間維度，故無(wú)法觀測(cè)到技術(shù)進(jìn)步。然而，對(duì)于單個(gè)企業(yè)的時(shí)間序列數(shù)據(jù)來(lái)說(shuō)，我們無(wú)法區(qū)分其生產(chǎn)效率的提高究竟有多少是由于規(guī)模擴(kuò)大，有多少是由于技術(shù)進(jìn)步。（3）樣本容量較大：由于同時(shí)有截面維度與時(shí)間維度，通常面板數(shù)據(jù)的樣本容量更大，可以提高估計(jì)的精確度?，F(xiàn)在是12頁(yè)\一共有62頁(yè)\編輯于星期二面板數(shù)據(jù)的建模方法主要有三種：固定效應(yīng)回歸模型隨機(jī)效應(yīng)回歸模型混合回歸模型現(xiàn)在是13頁(yè)\一共有62頁(yè)\編輯于星期二實(shí)例:交通事故死亡人數(shù)和酒精稅現(xiàn)在是14頁(yè)\一共有62頁(yè)\編輯于星期二現(xiàn)在是15頁(yè)\一共有62頁(yè)\編輯于星期二由此我們就能得出增加啤酒稅收會(huì)導(dǎo)致更多的交通事故死亡人數(shù)嗎？不一定，這是因?yàn)檫@些回歸中可能存在著巨大的遺漏變量偏差?，F(xiàn)在是16頁(yè)\一共有62頁(yè)\編輯于星期二影響死亡率的因素有很多，包括：1。州內(nèi)駕駛的汽車(chē)質(zhì)量；2。高速公路的維修情況是否良好；3。大部分駕駛的路程是在鄉(xiāng)下還是市內(nèi)；4。路上的汽車(chē)密度；5。社會(huì)文化能否接受酒后駕車(chē)等。這些因素都有可能與酒精稅有關(guān)。若相關(guān)，則會(huì)導(dǎo)致遺漏變量偏差。一種解決這些導(dǎo)致遺漏變量偏差潛在根源的方法是收集這些變量的數(shù)據(jù)，并把它們加入到上式中。不幸的是，我們很難或不可能度量諸如酒后駕車(chē)的文化接受度等變量?，F(xiàn)在是17頁(yè)\一共有62頁(yè)\編輯于星期二解決方法：固定效應(yīng)OLS回歸具有兩個(gè)時(shí)期的面板數(shù)據(jù)：“前后”比較特別注意：Zi不隨時(shí)間變化現(xiàn)在是18頁(yè)\一共有62頁(yè)\編輯于星期二結(jié)論：兩期的變化（差分）表示的回歸消除了隨時(shí)間不變的不可觀測(cè)變量Zi的效應(yīng)。換言之，分析Y和X的變化可以控制隨時(shí)間不變的變量，于是就消除了這種產(chǎn)生遺漏變量偏差的來(lái)源?，F(xiàn)在是19頁(yè)\一共有62頁(yè)\編輯于星期二現(xiàn)在是20頁(yè)\一共有62頁(yè)\編輯于星期二當(dāng)數(shù)據(jù)是在兩個(gè)不同年份里觀測(cè)得到的時(shí)候，這種“前后”分析很有效。但我們的數(shù)據(jù)集中包含7個(gè)不同年份里的觀測(cè)值，即當(dāng)T>2時(shí)不能直接應(yīng)用這種“前后”比較方法。為了分析該面板數(shù)據(jù)集中的所有觀測(cè)值，我們使用固定效應(yīng)回歸方法?，F(xiàn)在是21頁(yè)\一共有62頁(yè)\編輯于星期二固定效應(yīng)模型對(duì)于特定的個(gè)體i而言，ai

表示那些不隨時(shí)間改變的影響因素，如個(gè)人的消費(fèi)習(xí)慣、國(guó)家的社會(huì)制度、地區(qū)的特征、性別等，一般稱其為“個(gè)體效應(yīng)”

(individualeffects)。如果把“個(gè)體效應(yīng)”當(dāng)作不隨時(shí)間改變的固定性因素，相應(yīng)的模型稱為“固定效應(yīng)”模型?，F(xiàn)在是22頁(yè)\一共有62頁(yè)\編輯于星期二現(xiàn)在是23頁(yè)\一共有62頁(yè)\編輯于星期二現(xiàn)在是24頁(yè)\一共有62頁(yè)\編輯于星期二對(duì)于固定效應(yīng)模型，可采用虛擬變量法?；舅枷耄汗潭ㄐ?yīng)模型實(shí)質(zhì)上就是在傳統(tǒng)的線性回歸模型中加入N-1個(gè)虛擬變量，使得每個(gè)截面都有自己的截距項(xiàng)。由于固定效應(yīng)模型假設(shè)存在著“個(gè)體效應(yīng)”，每個(gè)個(gè)體都有其單獨(dú)的截距項(xiàng)。這就相當(dāng)于在原方程中引入n?1個(gè)虛擬變量（如果省略常數(shù)項(xiàng)，則引入n個(gè)虛擬變量）來(lái)代表不同的個(gè)體，獲得每個(gè)個(gè)體的截?fù)?jù)項(xiàng)?，F(xiàn)在是25頁(yè)\一共有62頁(yè)\編輯于星期二現(xiàn)在是26頁(yè)\一共有62頁(yè)\編輯于星期二如何理解個(gè)體效應(yīng)、個(gè)體截距項(xiàng)的不同以及虛擬變量的引入？我們用一份模擬的數(shù)據(jù)來(lái)分析：

useexample,clearxtsetcompanyyearxtdes1。畫(huà)出散點(diǎn)圖和擬合線，并建立OLS回歸方程。2。加入虛擬變量，并重新畫(huà)出建立OLS回歸方程?，F(xiàn)在是27頁(yè)\一共有62頁(yè)\編輯于星期二regyx現(xiàn)在是28頁(yè)\一共有62頁(yè)\編輯于星期二現(xiàn)在是29頁(yè)\一共有62頁(yè)\編輯于星期二gend1=0gend2=0gend3=0replaced1=1ifid==1replaced2=1ifid==2replaced3=1ifid==3regyxd1d2現(xiàn)在是30頁(yè)\一共有62頁(yè)\編輯于星期二固定效應(yīng)模型的估計(jì)算法“個(gè)休中心化”O(jiān)LS算法或者組內(nèi)離差估計(jì)法假設(shè)原方程為：(式1)給定第i個(gè)個(gè)體，將(式1)兩邊對(duì)時(shí)間取平均可得，(式2)現(xiàn)在是31頁(yè)\一共有62頁(yè)\編輯于星期二(式1)–(式2)，得：可以用OLS方法一致地估計(jì)β，稱為“固定效應(yīng)估計(jì)量”（FixedEffectsEstimator），記為由于主要使用了每個(gè)個(gè)體的組內(nèi)離差信息，故也稱為“組內(nèi)估計(jì)量”（withinestimator）。現(xiàn)在是32頁(yè)\一共有62頁(yè)\編輯于星期二固定效應(yīng)模型的優(yōu)勢(shì)和劣勢(shì)面板固定效應(yīng)模型的優(yōu)勢(shì)是：即使個(gè)體特征ui與解釋變量Xit相關(guān)，只要使用組內(nèi)估計(jì)量，就可以得到一致估計(jì)，即即使存在不隨時(shí)間改變的遺漏變量，也可得到無(wú)偏一致的估計(jì)。面板固定效應(yīng)模型的劣勢(shì)是：模型無(wú)法估計(jì)不隨時(shí)間而變的變量之影響，這需要用隨機(jī)效應(yīng)模型?，F(xiàn)在是33頁(yè)\一共有62頁(yè)\編輯于星期二在交通事故死亡人數(shù)中的應(yīng)用由于(10.8)式中的“差分”回歸只用了1982年和1988年的數(shù)據(jù)(具體講就是這兩年的差額)，而(10.15)式中的固定效應(yīng)回歸用到了所有7年的數(shù)據(jù)，因此這兩個(gè)回歸是不同的。由于利用了更多的數(shù)據(jù)，因此(10.15)式中的標(biāo)準(zhǔn)誤差小于(10.8)式中的標(biāo)準(zhǔn)誤差?，F(xiàn)在是34頁(yè)\一共有62頁(yè)\編輯于星期二固定效應(yīng)模型的stata實(shí)現(xiàn)

usefatality,clearxtsetstateyearxtdesxtlineFatalityRate固定效應(yīng)模型：

xtregFatalityRatebeertax,fe現(xiàn)在是35頁(yè)\一共有62頁(yè)\編輯于星期二回歸結(jié)果解讀1。三個(gè)R2哪個(gè)重要？2。固定效應(yīng)為什么有兩個(gè)F檢驗(yàn)？3。corr(u_i,Xb)的含義。4。sigma_u、sigma_e、rho的含義。現(xiàn)在是36頁(yè)\一共有62頁(yè)\編輯于星期二1。因?yàn)楣潭ㄐ?yīng)模型是組內(nèi)估計(jì)量（離差），因此，只有within是一個(gè)真正意義上的R2，其他兩個(gè)是組間相關(guān)系數(shù)的平方。2。右側(cè)的F統(tǒng)計(jì)量表示除常數(shù)項(xiàng)外其他解釋變量的聯(lián)合顯著性。最后一個(gè)F檢驗(yàn)，原假設(shè)所有U_i=0，即不存在個(gè)體效應(yīng)，不必使用固定效應(yīng)模型。首先注意：結(jié)果中的u_i不表示殘差，而是表示個(gè)體效應(yīng)?，F(xiàn)在是37頁(yè)\一共有62頁(yè)\編輯于星期二3。corr(u_i,Xb)個(gè)體效應(yīng)與解釋變量的相關(guān)系數(shù)，相關(guān)系數(shù)為0或者接近于0，可以使用隨機(jī)效應(yīng)模型；相關(guān)系數(shù)不為0，需要使用固定效應(yīng)模型。4。sigma_u：表示個(gè)體效應(yīng)的標(biāo)準(zhǔn)差sigma_e：表示干擾項(xiàng)的標(biāo)準(zhǔn)差rho：rho=sigma_u^2/(sigma_u^2+sigma_e^2)

個(gè)體效應(yīng)的波動(dòng)占整個(gè)波動(dòng)的比例。現(xiàn)在是38頁(yè)\一共有62頁(yè)\編輯于星期二

顯示每個(gè)個(gè)體截距的方法：

tabstate,gen(dum)dropdum1regFatalityRatebeertaxdum*現(xiàn)在是39頁(yè)\一共有62頁(yè)\編輯于星期二例二

usegrunfeld,clearxtsetcompanyyearxtdesxtlineinvest固定效應(yīng)模型：xtreginvestmvaluekstock,fe現(xiàn)在是40頁(yè)\一共有62頁(yè)\編輯于星期二顯示每個(gè)個(gè)體截距的方法：

tabcompany,gen(dum)reginvestmvaluekstockdum*,noconsdropdum1reginvestmvaluekstockdum*

分析每個(gè)公司的截距現(xiàn)在是41頁(yè)\一共有62頁(yè)\編輯于星期二時(shí)間固定效應(yīng)回歸其中St是只隨時(shí)間改變，不隨個(gè)體改變的變量。

和個(gè)體固定效應(yīng)能控制不隨時(shí)問(wèn)變化但個(gè)體間不同的變量一樣，時(shí)間固定效應(yīng)能控制個(gè)體間相同但隨時(shí)間變化的變量。由于新車(chē)安全性能的提高是發(fā)生在全國(guó)范圍內(nèi)的。因此它們能夠減少所有州的交通死亡事故。故把汽車(chē)安全性能視為隨時(shí)間變化但對(duì)所有州都相同的遺漏變量是合理的。于是加入用St表示的汽車(chē)安全性能的效應(yīng)后，得：現(xiàn)在是42頁(yè)\一共有62頁(yè)\編輯于星期二只有時(shí)間效應(yīng)我們暫時(shí)假設(shè)Zi不出現(xiàn)，方程變?yōu)椋何覀兊哪康氖窃诳刂芐t條件下估計(jì)?1現(xiàn)在是43頁(yè)\一共有62頁(yè)\編輯于星期二現(xiàn)在是44頁(yè)\一共有62頁(yè)\編輯于星期二在上述例子中加入時(shí)間固定效應(yīng)。實(shí)際上添加了t-1個(gè)時(shí)間虛擬變量。主要反映隨著時(shí)間變化的一些特征。usefatality,cleartabyear,gen(yr)editdropyr1regFatalityRatebeertaxyr*幾乎所有時(shí)間虛擬變量均不顯著，說(shuō)明FatalityRate不隨時(shí)間的變動(dòng)呈現(xiàn)變動(dòng)的趨勢(shì)?，F(xiàn)在是45頁(yè)\一共有62頁(yè)\編輯于星期二個(gè)體和時(shí)間固定效應(yīng)（雙向固定效應(yīng)模型）如果某些遺漏變量不隨時(shí)間變化但隨州變化(如對(duì)酒后駕車(chē)的文化接受度)，而其他遺漏變量不隨州變化但隨時(shí)間變化(如國(guó)家安全標(biāo)準(zhǔn))，則在模型中同時(shí)加入個(gè)體(州)和時(shí)間效應(yīng)更為恰當(dāng)，我們稱為雙向固定效應(yīng)模型。固定效應(yīng)模型：Yit=ai+Xit?1+εit雙向固定效應(yīng)模型：Yit=ai+λt+Xit?1+εit現(xiàn)在是46頁(yè)\一共有62頁(yè)\編輯于星期二現(xiàn)在是47頁(yè)\一共有62頁(yè)\編輯于星期二雙向固定效應(yīng)模型的估計(jì)雙向固定效應(yīng)模型可以通過(guò)加入n-1個(gè)個(gè)體二元變量和T-1個(gè)時(shí)間二元變量進(jìn)行OLS估計(jì)，但這會(huì)使解釋變量的數(shù)目變得極為龐大！所以一般我們還是采用組內(nèi)離差法進(jìn)行估計(jì)。

方法一：可以通過(guò)先從Y和X中減去個(gè)體和時(shí)間平均值，然后估計(jì)被減后的Y關(guān)于被減后的X的多元回歸方程的方法來(lái)估計(jì)X的系數(shù)。這種方法可以避免二元變量的出現(xiàn)。

方法二：從Y,X和時(shí)間指示變量中減去個(gè)體(不是時(shí)間)均值然后估計(jì)，被減后的Y對(duì)被減后的X和被減后的時(shí)間指示變量的多元回歸中的k+T個(gè)系數(shù)。現(xiàn)在是48頁(yè)\一共有62頁(yè)\編輯于星期二在交通死亡人數(shù)中的應(yīng)用

上述形式中包含了啤灑稅，47個(gè)州二元變量(州固定效應(yīng))，6個(gè)年二元變量(時(shí)間固定效應(yīng))和截距項(xiàng)，所以這個(gè)模型的解釋變量個(gè)數(shù)多達(dá)55個(gè)，這將帶來(lái)大量的自由度的損失。因?yàn)闀r(shí)間和州二元變量和截距項(xiàng)的系數(shù)不是我們主要感興趣的，所以我們?cè)谶@里沒(méi)有列出。比較參數(shù)發(fā)現(xiàn)加入時(shí)間效應(yīng)后啤酒稅的系數(shù)由-0.66變?yōu)?0.64，可見(jiàn)加入時(shí)間效應(yīng)對(duì)結(jié)果影響不大?，F(xiàn)在是49頁(yè)\一共有62頁(yè)\編輯于星期二固定效應(yīng)回歸假設(shè)和固定效應(yīng)回歸的標(biāo)準(zhǔn)誤差本章給出的標(biāo)準(zhǔn)誤差是利用一般異方差穩(wěn)健公式計(jì)算得到的。當(dāng)T中等大小或較大時(shí)，在稱為固定效應(yīng)回歸假設(shè)的五個(gè)假設(shè)條件下面板數(shù)據(jù)中的這些異方差穩(wěn)健標(biāo)準(zhǔn)誤差都是正確的?，F(xiàn)在是50頁(yè)\一共有62頁(yè)\編輯于星期二固定效應(yīng)回歸假設(shè)現(xiàn)在是51頁(yè)\一共有62頁(yè)\編輯于星期二自相關(guān)（序列相關(guān)）(如果違反，則出現(xiàn)自相關(guān))現(xiàn)在是52頁(yè)\一共有62頁(yè)\編輯于星期二固定效應(yīng)回歸的標(biāo)準(zhǔn)誤差

如果重要概念10.3中的假設(shè)5成立，則給定回歸變量條件下，誤差u在時(shí)間上不相關(guān)，在這種情況下如果T中等大小或較大時(shí)，則常用(異方差穩(wěn)健)標(biāo)準(zhǔn)誤差是正確的。如果誤差自相關(guān)，則常用標(biāo)準(zhǔn)誤差公式不正確。理解這一點(diǎn)的一種方法是同異方差做類(lèi)比。在截面數(shù)據(jù)回歸中，如果誤差異方差，則由于同方差適用的標(biāo)準(zhǔn)誤差是在同方差的錯(cuò)誤假設(shè)下導(dǎo)出的，因此是不正確的。類(lèi)似地，如果面板數(shù)據(jù)中的誤差自相關(guān)，則由于常用標(biāo)準(zhǔn)誤差是在它們沒(méi)有自相關(guān)的錯(cuò)誤假設(shè)下導(dǎo)出的，因此也是不正確的?，F(xiàn)在是53頁(yè)\一共有62頁(yè)\編輯于星期二由于面板數(shù)據(jù)具有潛在異方差且在給定個(gè)休的不同時(shí)間上潛在相關(guān)時(shí)，正確的標(biāo)準(zhǔn)誤差稱為異方差和自相關(guān)一致的標(biāo)準(zhǔn)誤差(HAC)。這種標(biāo)準(zhǔn)誤差由稱為群標(biāo)準(zhǔn)誤差。在時(shí)間序列中使用的命令是newey在面板數(shù)據(jù)中使用的命令是xtgls現(xiàn)在是54頁(yè)\一共有62頁(yè)\編輯于星期二有關(guān)酒后駕車(chē)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?，F(xiàn)在是55頁(yè)\一共有62頁(yè)\編輯于星期二本節(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