มีวิธีที่เป็นไปได้สองสามอย่างสำหรับคุณที่จะรักษาหุ่นจำลองทางเพศไว้ในการถดถอยเอฟเฟกต์
ภายในเครื่องมือประมาณการ
สมมติว่าคุณมีโมเดลที่คล้ายกันเมื่อเทียบกับโมเดล OLS ที่รวมกำไรของคุณซึ่งคือ
โดยที่ตัวแปรนั้นเคยเป็นมาก่อน ตอนนี้ทราบว่าและไม่สามารถระบุได้เพราะภายในไม่สามารถประมาณการแตกต่างจากผลการแก้ไขC_iระบุว่าคือการสกัดกั้นสำหรับปีฐาน ,คือผลกระทบทางเพศต่อรายได้ในช่วงเวลานี้ สิ่งที่เราสามารถระบุได้ในกรณีนี้คือ β 1 β 1
yit=β1+∑t=210βtdt+γ1(malei)+∑t=110γt(dt⋅malei)+X′itθ+ci+ϵit
β1คฉันβ 1ตัน= 1 γ 1 γ 2 , . . , γ 10 γ 2 , . . , γ 10β1+γ1(malei)ciβ1t=1γ1γ2,...,γ10เพราะพวกมันมีปฏิสัมพันธ์กับเวลาของคุณและพวกเขาวัดความแตกต่างในผลกระทบบางส่วนของตัวแปรเพศของคุณเมื่อเทียบกับช่วงเวลาแรก ซึ่งหมายความว่าหากคุณสังเกตเห็นการเพิ่มขึ้นของเมื่อเวลาผ่านไปนี่เป็นข้อบ่งชี้ถึงการเพิ่มช่องว่างรายได้ระหว่างชายและหญิง
γ2,...,γ10
เครื่องมือประมาณการความแตกต่างแรก
หากคุณต้องการทราบผลโดยรวมของความแตกต่างระหว่างชายและหญิงเมื่อเวลาผ่านไปคุณสามารถลองใช้โมเดลต่อไปนี้:
โดยที่ตัวแปรมีการโต้ตอบกับเพศที่ไม่แปรผันเวลา ตัวแทนเชิด ตอนนี้ถ้าคุณรับความแตกต่างแรกและเลื่อนออกและคุณได้รับ
จากนั้น T = 1 , 2 , . . , 10 β 1 c ฉันy ฉันt - y ฉัน
Yฉันที= β1+ ∑t = 210βเสื้อdเสื้อ+ γ( t ⋅ m a l eผม) + X'ฉันทีθ + cผม+ ϵฉันที
T = 1 , 2 , . . , 10β1คผมγ(t⋅maleฉัน-[(t-1)malei])=γ[(t-(t-1))⋅malei]=γ(Yฉันที- yฉัน( t - 1 )= ∑t = 310βเสื้อ( dเสื้อ- d( t - 1 )) + γ( t ⋅ m a l eผม- [ ( t - 1 ) m a l eผม] ) + ( X'ฉันที- X'ฉัน( t - 1 )) θ+ ϵฉันที- ϵฉัน( t - 1 )
γ Δ Y ฉันT = 10 Σ T = 3 β เสื้อ Δ d T + γ ( มลิตรอีฉัน ) + Δ X ' ฉันที θ + Δ ε ฉันทีγ( t ⋅ m a l eผม- [ ( t - 1 ) m a l eผม] ) = γ[ ( t - ( t - 1 ) ) ⋅ m a l eผม] = γ( m a l eผม)และคุณสามารถระบุความแตกต่างทางเพศในกำไร\ดังนั้นสมการการถดถอยครั้งสุดท้ายจะเป็น:
และคุณได้รับผลกระทบที่น่าสนใจ สิ่งที่ดีคือมันสามารถนำไปใช้กับซอฟต์แวร์ทางสถิติได้อย่างง่ายดาย แต่คุณจะเสียเวลาไป
γΔyit=∑t=310βtΔdt+γ(malei)+ΔX′itθ+Δϵit
Hausman-Taylor Estimator
ตัวประมาณค่านี้แยกความแตกต่างระหว่าง regressors ที่คุณสามารถสันนิษฐานได้ว่าไม่เกี่ยวข้องกับเอฟเฟกต์คงที่และค่าที่มีความสัมพันธ์กับมัน นอกจากนี้ยังแยกความแตกต่างระหว่างตัวแปรที่แปรผันตามเวลาและตัวแปรไม่แปรตามเวลา ให้แสดงถึงตัวแปรที่ไม่เกี่ยวข้องกับและคนที่เป็นและสมมุติว่าตัวแปรเพศของคุณเป็นตัวแปรแปรผันตามเวลาเท่านั้น ตัวประมาณ Hausman-Taylor ใช้การเปลี่ยนเอฟเฟกต์แบบสุ่ม:
ที่เครื่องหมายตัวหนอนหมายถึงci1ci2
y~it=X~′1it+X~′2it+γ(male˜i2)+c~i+ϵ~it
X~1it=X1it−θ^iX¯¯¯¯1iโดยที่ใช้สำหรับการเปลี่ยนเอฟเฟกต์แบบสุ่มและคือเวลาเฉลี่ยของแต่ละบุคคล นี้ไม่ได้เป็นเหมือนปกติผลกระทบสุ่มประมาณการว่าคุณต้องการที่จะหลีกเลี่ยงเนื่องจากกลุ่มตัวแปร instrumented สำหรับเพื่อที่จะเอาความสัมพันธ์กับC_iสำหรับเครื่องดนตรีเป็น{} เช่นเดียวกันกับตัวแปรเวลาที่ไม่แปรเปลี่ยนดังนั้นหากคุณระบุตัวแปรเพศที่อาจมีความสัมพันธ์กับเอฟเฟกต์คงที่มันจะได้รับการสร้างด้วย
θ^iX¯¯¯¯1i2ciX~2itX2it−X¯¯¯¯2iX¯¯¯¯1iดังนั้นคุณต้องมีการเปลี่ยนแปลงเวลามากกว่าตัวแปรที่ไม่แปรตามเวลา
ทั้งหมดนี้อาจฟังดูซับซ้อนเล็กน้อย แต่มีแพ็คเกจสำเร็จรูปสำหรับตัวประมาณนี้ ยกตัวอย่างเช่นใน Stata xthtaylor
คำสั่งที่เกี่ยวข้องคือ สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีนี้คุณสามารถอ่าน Cameron และ Trivedi (2009) "Microeconometrics Using Stata" มิฉะนั้นคุณสามารถใช้สองวิธีก่อนหน้าซึ่งง่ายกว่าเล็กน้อย
การอนุมาน
สำหรับการทดสอบสมมติฐานของคุณมีไม่มากที่ต้องพิจารณานอกเหนือจากสิ่งที่คุณจะต้องทำต่อไปในการถดถอยผลคงที่ คุณต้องดูแลความสัมพันธ์อัตโนมัติในข้อผิดพลาดตัวอย่างเช่นโดยการทำคลัสเตอร์ในตัวแปร ID แต่ละรายการ สิ่งนี้ช่วยให้โครงสร้างความสัมพันธ์โดยพลการในกลุ่ม (บุคคล) ซึ่งเกี่ยวข้องกับ autocorrelation สำหรับการอ้างอิงดูอีกครั้ง Cameron และ Trivedi (2009)