1702650558
1702650559
1702650560
量化数据分析：通过社会研究检验想法 [:1702644838]
1702650561
量化数据分析：通过社会研究检验想法 一个二分结果变量的具体例子：迁移对南非黑人入学的影响
1702650562
1702650563
为了说明如何推导和解释二分结果的FE和RE模型，我来介绍Lu和Treiman（2007）研究的一部分，他们分析了在南非劳动力迁移和汇款对子女上学的影响。由于种族隔离时代对居住权利的限制，许多南非黑人被迫居住在农村的“黑人家园”，这些地区是南非最贫瘠的地方。结果是：许多人——主要是男性，有时也有女性——离开他们的家园并在南非“白人”地区寻找工作。大多数情况下，劳动迁移者都会给他们的家庭汇款。
1702650564
1702650565
Lu和Treiman研究的问题是：汇款是否有益于家中留守的孩子，即是否能提高孩子入学的可能性。有人会认为汇款提供的额外收入增加了入学的可能性。但也可能是父母希望他们的孩子继续上学，因此决定外出打工以挣得相关费用。也就是说，也许有同样的未被测量到的家庭特征同时决定了迁移决策和上学决策。如果这是事实，那么汇款与入学之间的相关系数将是有偏的。然而，一个跨时期（over-time）FE分析可以控制这种情况（这需要假设所有其他未测量特征不随时间变化）。
1702650566
1702650567
Lu和Treiman利用在2002年9月至2003年9月间开展的南非劳动力调查中南非黑人的这部分数据（黑人人口占南非总人口的78%），研究了2002～2003年间入学率的变化，把入学率变化作为家庭迁移—汇款状态变化及其他随时间变化的家庭特征（家庭收入、家庭成员获得的最高学历、家中的子女数、家庭的户主是否为女性，以及调查年份）的函数。此外，他们把孩子的年龄也作为预测变量。尽管此变量被看作不随时间变化，因为时点2的值是时点1的值的完全线性变换（age2=age1+1），回想方程15.7，为了检验效应随时间变化的可能性，这些变量可以被纳入FE方程中；与这些变量相关的系数提供了时点2相对于时点1效应大小的差异。在当前的例子中，我们猜测，对南非黑人来说，孩子的年龄对入学的影响在种族隔离时代结束后会逐年下降，因为上学已经变得越来越有可能。
1702650568
1702650569
表15-3展示了三种估计：FE模型、RE模型和用全部样本而不是像FE模型所要求的那样只包含改变了入学状态的那部分样本的RE模型（有关如何进行分析的详细内容，参见可下载文件“ch15_2.do”和“ch15_2.log”）。
1702650570
1702650571
表15-3 迁移和汇款对2002～2003年南非黑人儿童入学影响的OLS模型和FE模型估计值的比较〔N（FE）=2408个儿童；N（full RE）=12043个儿童〕
1702650572
1702650573
1702650574
1702650575
1702650576
先来看FE模型的结果。它们为该研究的核心假设提供了重要支持，即在控制了其他因素的影响后，如果劳动迁移者汇款回家，那么该家庭的孩子相对于生活在没有迁移者家庭中的孩子，入学的比率增加50%（确切地说是1.49倍=e0.399）。然而，重要的是要弄清楚这个结果究竟显示了什么。回想我们所预测的是那些在2002～2003年间入学状态发生了变化的儿童的入学可能性，他们仅占所有南非黑人儿童样本的20%。因此，结论只适用于这个被筛选过的子样本。此外，对这个子样本而言，其他变量对入学比率没有什么影响。有趣的是，2002～2003年间孩子的年龄对入学影响的差值是负值，这说明正如所假设的那样，年龄的作用在2003年比2002年略低。
1702650577
1702650578
下一步是估计与前两列显示的FE模型相对应的RE模型。回想只有在未测量效应独立于测量效应和异质性误差时，随机效应模型才能被合理地解释。为了判断是否符合这种情况，我们用Hausman检验对FE和RE模型中相应系数的相似性进行检验。因为我们只对迁移—汇款效应估计的相似性感兴趣，我们将Hausman检验限定在那两个迁移—汇款虚拟变量上。结果我们不能拒绝零假设（p=0.47），因而我们得出结论，FE和RE分析在迁移—汇款状态上得到相似的结果。我们因此可以解释RE模型。
1702650579
1702650580
事实证明，RE模型的结果与FE模型的结果相似。当然，对两个迁移—汇款变量来说，这是必然的，否则，系数相似性的零假设就会被Hausman检验拒绝。对于FE分析所使用的受限样本，RE估计的结果表明，有汇款家庭的孩子其上学的比率比那些没有迁移者家庭的孩子高40%多。此外，家庭收入和孩子的年龄在两个模型中具有相似效应。然而，在RE分析中，我们还可以包括两个取值不随时间变化的变量：性别和居住在城镇。有趣的是，男性显得比女性更有可能在2003年入学。但是，居住地（城镇相对于农村）没有影响。
1702650581
1702650582
但是，问题依然存在，那就是：如果使用全部样本而不是限定为那些入学状态发生变化的20%样本，RE模型是否会产生相似的结果。为了判定这一点，我们对所有南非黑人儿童估计RE模型。同样，为了判定全部样本的RE模型是否可接受，我们比较该模型与FE模型系数的一致性。结果是我们再次不能拒绝零假设（p=0.72）。
1702650583
1702650584
对于汇款效应，我们再次得到了相同的结论——它们使入学比率提高了近45%。然而，对于全部样本，所有其他效应都是显著的，只有两个例外：有迁移者但没有汇款的家庭与没有迁移者的家庭相比没有区别，且在控制了其他因素后，生活在户主为女性的家庭中的孩子与其他孩子相比在入学方面没有多大差别。此外，大部分使用全部样本的RE模型估计出的效应都要比另外两个模型的大。入学比率随家庭受教育水平单调递增；家庭收入效应是受限样本模型结果的2倍；学龄儿童数对入学具有正效应；男性比女性更可能入学，居住在城镇的人比居住在农村的人的入学可能性大。
1702650585
1702650586
1702650587
1702650588
1702650589
量化数据分析：通过社会研究检验想法 [:1702644839]
1702650590
量化数据分析：通过社会研究检验想法 文献注释
1702650591
1702650592
本章的许多内容都来自Allison（2005）和Wooldridge（2006），两者对FE和RE模型都做了非常精彩的介绍。其他对FE及其相关模型的有用讨论可见Chamberlain（1980）、Hamerle和Ronning（1995），及Halaby（2004）。关于如何把这类模型应用于社会科学家感兴趣的实际问题，可见Geronimus和Korenman（1992），Ashenfelter和Krueger（1994），Frankenberg和Mason（1995），Budig和England（2001），Campbell和Lee（2005），Hotz和Xiao（2005），Hotz、Mullin和Scholz（2005），Buttenheim（2006a，2006b），Nobles和Frankenberg（2006），以及Lu和Treiman（2007），这些研究都提供了具有指导性的例子。
1702650593
1702650594
1702650595
1702650596
1702650597
量化数据分析：通过社会研究检验想法 [:1702644840]
1702650598
量化数据分析：通过社会研究检验想法 本章小结
1702650599
1702650600
我们在本章介绍了两种技术——固定效应和随机效应模型，它们可被用于处理可能引起有偏估计的忽略变量问题。这两种方法的关键是把结果的差异作为预测变量在时期内的差异或在组内（家庭、社区等）个体间差异的一个函数来预测。我们讨论了每种方法所隐含的假设。我们介绍了两个具体例子：一个涉及连续型因变量，而另一个涉及二分因变量——因为这两种情况有些不一样。针对二分结果变量的FE模型往往只对原始样本的某一子样本进行估计，因为结果变量在时期内不发生变化或在相同组内的不同个体之间没有差异的样本必须从分析中被删除。此外，FE模型不能估计取值不随时间变化的变量效应，不管该变量是否被测量；而RE模型则可以。正是出于这两个原因，当RE模型的假设得到满足时，应该选择RE模型。
1702650601
1702650602
1702650603
1702650604
1702650605
量化数据分析：通过社会研究检验想法 [:1702644841]
1702650606
量化数据分析：通过社会研究检验想法 第16章 思考与未来的方向：研究设计和解释问题
1702650607