二、利用混合横截面做政策分析 表3-2 焚化炉的位置对住房价格的影响 因变量：rprice 自变量 (1D (2) (3) 82517.23 89116.54 13807.67 常数项 (2726.91) (2406.05) (11166.59) 18790.29 21321.04 13928.48 81 (4050.07) (3443.63) (2798.75) -18824.37 9397.94 3780.34 nearinc (4875.32) (4812.22) (4453.42) -11863.90 -21920.27 -14177.93 y81.nearinc (7A5665) (635075) (498727) 其他控制变量 无 age,age 全部 观测次数 32士 5计 521 R 0.174 0.414 0.660 >16
二、利用混合横截面做政策分析 16
二、利用混合横截面做政策分析 基尔和麦克莱恩(Kiel and McClain,1995)在他们的焚化炉区位分析中，把住房的种种特征都包括进 来。这样做有两个很好的理由。第一，1981年出售的在焚化炉附近的住房种类可能与1978年出售的在焚化 炉附近的住房已经有了系统差别；若是这样，则控制这些特征就可能很重要。第二，同样重要的是，即使两 个年份的住房特征值没有改变，但包含它们能大大降低误差方差，从而降低⑥的标准误。（有关讨论可参见 6.3节。)在第(2)列，我们控制了住房使用年数（新旧程度）的一个二次式，这将大大提高R(通过降低 残差方差)。现在，y81·nearine的系数已大幅度提高，而其标准误则更低。 除了在第(2)列控制的年岁变量外，第(3)列还控制了到达州际高速公路的英尺距离(i)、以英尺计 的土地面积(land)、以英尺计的住房面积(area)、房间数(oos)和卫生间数(aths)。由此得到的 81·neai心系数估计值虽然与未控制任何变量的估计值更接近，但相应的标准误小多了：谷的t统计量约为 一2.84。因此，我们在第(3)列得到的效应比第(1)列显著得多。因为第(3)列控制了最多的因素，而且有 最小的标准误（除了在本例中无关重要的常数项），所以其估计值更为可取。在第(3)列中，aic的系数小 得多而且不显著，这一事实表明，第（③）列所包含的特征基本上概括了决定房价的最重要的住房特征。 17
二、利用混合横截面做政策分析 17