实例:交通事故死亡天数和酒精税 死亡率(死亡人数/万人) 4.5 40卜 3.5 3.0 Fatalityrate=2.01+0.15BeerTar 2.5 2.0 0.5 0.0 0.0 0. I.0 l.5 2.0 2.5 3.0 啤酒税(用1988年美元表示,美元/杯) (a)1982年的数据
实例:交通事故死亡人数和酒精税
死亡率(每万人死亡人数) 4.5 4.0 3.5 FatalityRate =1.86+0.44 Beer.r 3.0 25∷ 20 1.5F 0.5 0.0 0.0 0.5 1.0 2.0 2.5 3.0 啤酒税(用1988年美元表示,美元/杯) (b)1988年的数据
fatalityRate=2.01+0.15 BeerTar(1982年的数据) (0.15)(0.13) FatalityRate=1.86+0.44 Beer tax(1988年的数据) (0.11)(0.13) 由此我们就能得出增加啤酒税收会导致更多的交通 事故死亡人数吗?不一定,这是因为这些回归中可 能存在着巨大的遗漏变量偏差
由此我们就能得出增加啤酒税收会导致更多的交通 事故死亡人数吗？不一定，这是因为这些回归中可 能存在着巨大的遗漏变量偏差
影响死亡率的因素有很多,包括: 1。州内驾驶的汽车质量; 2。高速公路的维修情况是否良好; 3。大部分驾驶的路程是在乡下还是市内; 4。路上的汽车密度 5。社会文化能否接受酒后驾车等。 这些因素都有可能与酒精税有关。 若相关,则会导致遗漏变量偏差。一种解决这 些导致遗漏变量偏差潜在根源的方法是收集这 些变量的数据,并把它们加入到上式中。不幸 的是,我们很难或不可能度量诸如酒后驾车的 文化接受度等变量
影响死亡率的因素有很多，包括： 1。州内驾驶的汽车质量； 2。高速公路的维修情况是否良好； 3。大部分驾驶的路程是在乡下还是市内； 4。路上的汽车密度； 5。社会文化能否接受酒后驾车等。 这些因素都有可能与酒精税有关。 若相关，则会导致遗漏变量偏差。一种解决这 些导致遗漏变量偏差潜在根源的方法是收集这 些变量的数据，并把它们加入到上式中。不幸 的是，我们很难或不可能度量诸如酒后驾车的 文化接受度等变量
解决方法:固定效应OLS回归 具有两个时期的面板数据:“前后”比较 令Z表示决定第讠个州死亡率的变量但不随时间变化(所以省略了下标t) 例如Z表示酒后驾车的地方文化接受度因为这种态度变化缓慢所以可认为它在 1982年和1988年之间保持不变。于是联系死亡率和Z及啤酒税的总体线性回 归为 FatalityRatei=&+& BeerTarit +, tuir 其中为误差项,=1,2,…,n;t=1,2,…,T。 特别注意:Z不随时间变化
解决方法：固定效应OLS回归 具有两个时期的面板数据：“前后”比较 特别注意：Zi不随时间变化