哈喽，停更了大概有三周的计量笔记又要重新开始啦！虽然美国的疫情没有停歇的迹象，可是依旧阻挡不了大学开学的热情。从8月3号开始上课到现在，也经历了很多事情，每天都是抱着死猪不怕开水烫的心情，暗地里安慰自己已经群体免疫。除了疫情外，最让人头疼的就是开学后的各种作业啦，计量的各种证明题着实易让人崩溃。幸好，每次翻开伍德里奇的教材都有种亲切感，所以这本书的计量笔记还能继续更新。从第十三章开始，这本书就进入了第三部分，涉及的内容是一些较为高级的计量模型。使用伍德里奇这本教材授课，一般不会涉及第三部分的章节，除非计量课程分两个学期进行授课。第十三章的前半部分讲述了独立混合横截面数据 (independently pooled cross section 我的中文翻译很可能是错的
) 的分析方法，后半部分讲述了面板数据 (panel data) 的分析方法。因为内容太多，所以我的笔记也分成两篇，今天这篇先讲independently pooled cross section有关的内容。简言之，独立混合横截面数据就是在时间轴上选取不同的时间节点对总体数据进行抽样。比如为了研究某地区某项政策对女性职场收入的影响，我们在政策实施之前对该地区的女性进行抽样调查获得横截面数据，在政策实施两年后，再进行一次随机抽样调查获得横截面数据，因为第二次也是随机抽样，所以第一次受访的调查对象有可能会再次接受采访，也可能没有接受到采访。而面板数据在不同的时间节点并没有都进行随机抽样，只有在第一个时间节点进行了随机抽样，而后就固定跟踪观察第一次随机抽样的观察对象，记录相应数据，有点类似于时间序列。比如同样是研究女性职场收入，面板数据在第一次进行随机抽样后，两年后是对第一次的受访女性进行回访，采集到新的薪酬数据。如果你还没太明白，那就是我中文解释的太烂~在这里还是推荐阅读原版教材，英语解释概念确实较为清晰。
一、Independently Pooled Cross Section使用混合独立横截面数据的一大动力就是可以获得容量更大的样本，如果我们假设自变量对因变量的效应在不同的时间点是不变的，比如每多接受一年教育对薪酬的效应在1990年是增加0.98美元，在2000年依
) 的分析方法，后半部分讲述了面板数据 (panel data) 的分析方法。因为内容太多，所以我的笔记也分成两篇，今天这篇先讲independently pooled cross section有关的内容。简言之，独立混合横截面数据就是在时间轴上选取不同的时间节点对总体数据进行抽样。比如为了研究某地区某项政策对女性职场收入的影响，我们在政策实施之前对该地区的女性进行抽样调查获得横截面数据，在政策实施两年后，再进行一次随机抽样调查获得横截面数据，因为第二次也是随机抽样，所以第一次受访的调查对象有可能会再次接受采访，也可能没有接受到采访。而面板数据在不同的时间节点并没有都进行随机抽样，只有在第一个时间节点进行了随机抽样，而后就固定跟踪观察第一次随机抽样的观察对象，记录相应数据，有点类似于时间序列。比如同样是研究女性职场收入，面板数据在第一次进行随机抽样后，两年后是对第一次的受访女性进行回访，采集到新的薪酬数据。如果你还没太明白，那就是我中文解释的太烂~在这里还是推荐阅读原版教材，英语解释概念确实较为清晰。
一、Independently Pooled Cross Section使用混合独立横截面数据的一大动力就是可以获得容量更大的样本，如果我们假设自变量对因变量的效应在不同的时间点是不变的，比如每多接受一年教育对薪酬的效应在1990年是增加0.98美元，在2000年依
最低0.47元/天 解锁文章
扫一扫
444
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
