快速理解什么是 Fixed Effects 固定效应！

Joy T

于 2024-11-04 20:36:34 发布

阅读量2.7k

点赞数 28

分类专栏：科研文章标签：人工智能机器学习

本文链接：https://blog.csdn.net/qq_65052774/article/details/143492576

版权

科研专栏收录该内容

18 篇文章

订阅专栏

“年份固定效应”和“单元固定效应”是统计模型中的一种控制变量方法，用于消除因时间和空间差异带来的潜在影响，以便更准确地评估自变量对因变量的真实影响。以下是这两者的具体解释：

年份固定效应（Year Fixed Effects）

定义：年份固定效应控制的是年份之间的差异。它用来消除每一年可能共同影响所有观测单元的外部因素。
作用：年份固定效应允许模型排除各年份的全局性冲击。例如，某一年如果发生了影响所有区域的事件（如全球经济波动），那么年份固定效应可以将这种影响排除，使模型关注的是不受时间波动干扰的变量对因变量的真实影响。
实现：在模型中添加年份固定效应，就是为每一年都加入一个单独的控制项，让模型自动调节以消除每一年里的观测单元共同遭受过的外部因素。

单元固定效应（Cell Fixed Effects）

定义：单元固定效应用于控制每个单元（例如某个网格或地区）之间的差异，即使这些差异在时间上是固定的。它用于排除每个观测单元中不可观察的固定特征（如地理位置、气候特征、历史因素等）带来的偏差。
作用：单元固定效应确保模型将每个单元内部的变化与整体变化分开。例如，某些地区可能常年灾害频发，可能因此有更好的基础设施，加入单元固定效应后，这种地区特有的“抗灾性”会被控制在模型中【从拟合公式中的自变量里独立出来】，使得分析结果更准确地反映灾害本身的影响。
实现：在模型中为每个单元加入单独的控制变量，将各单元之间的差异消除，使得模型仅关注自变量的影响，而不是受各个单元固有特性的干扰。

通过引入年份固定效应和单元固定效应，模型可以更有效地消除时间和空间上不变的干扰因素，更精确地估计自变量对因变量的影响。这种方法特别适用于分析涉及多个年份和区域的数据，以避免因不可观测因素（如地区特点或年度事件）影响到研究结果。

举个例子

背景设定

假设我们正在研究从2000年到2020年间，不同地区的草原植被健康状况如何受到干旱的影响。

因变量（我们关心的结果）：草原植被的健康状况，例如植被覆盖率或植被高度。
自变量：干旱的损害指数（通过降水量和其他气象数据计算得到）。

1. 年份固定效应（Year Fixed Effects）

定义与例子：

年份固定效应用来控制和消除在特定年份内对所有草原区域都有影响的因素。这些因素在同一年里是共同的，对所有单元的草原植被健康产生类似的影响。

例子：假设在2015年发生了一场异常寒冷的冬季，影响了所有草原地区的植被健康。这场寒潮事件对所有草原植被的生长都有抑制作用，与是否经历干旱无关。因此，这场寒潮可以被视为“年份固定效应”因素。
作用：加入年份固定效应后，模型会控制住2015年这一特定年份对所有地区草原的共同影响。因此，在分析干旱的损害指数时，不会因为所有草原植被在2015年都因寒潮受损而误以为是干旱的影响。
实现：在模型中，我们为每一个年份（2000年到2020年）都设置一个控制变量。这样，任何对所有区域在同一年产生的共性影响都会被这些变量控制住。

为什么要排除？

我们研究的主要目标是理解干旱对草原植被的影响，而不是研究那些每年影响所有地区的共同事件（如2015年的寒潮）。加入年份固定效应可以确保我们看到的是干旱的独立影响，而不是某一年全局性气候事件导致的变化。

2. 单元固定效应（Cell Fixed Effects）

定义与例子：

单元固定效应用于控制那些特定于每个观测单元（如某个区域或网格）且随时间不变的影响因素。这些因素不随着年份变化，但在不同草原区域之间存在差异。

例子：假设某些草原区域土壤湿度较高，天然较耐干旱，而另一些区域的土壤干燥，更易受干旱影响。此外，部分地区的植被密度较高，能更好地保留水分，抵抗干旱。所有这些地区特性在整个时间段内（2000年到2020年）保持不变，是“单元固定效应”因素。

作用：加入单元固定效应后，模型可以控制每个草原区域内那些固定不变的特性。这样，我们在分析干旱的损害指数时，区域差异性（如天然的抗旱性或植被密度）不会对结果产生影响。例如，某一特定区域因植被密度高而天然抗旱，这种“固定特性”会被控制掉，使模型不会误将这种区域特性误认为是干旱的影响。

实现：在模型中，为每个草原观测单元（区域）设置一个固定效应变量，确保任何特定于该区域且时间上不变的因素都被控制住。