Page 20 - 論文手稿_林詩莉R
P. 20

觀測母體平均截距的未知固定參數、                                 , j p  表示隨機誤差;            , k j  為

                   迴歸係數,以及               , j p  為誤差項。本研究選擇 LMM 模型是由於不同

                   觀測群體的觀察個數並不相同,並且欲探討的多個變數都是連續變


                   數,而 LMM 模型可同時估計類別因子與連續因子的效果,故本研

                   究方法可能更適合採用 LMM 模型進行資料評估。



                                        第五節                穩健性分析




                        在 OLS 迴歸模型中,係數的估計必須符合幾個假設前提,包含

                   殘差值是否符合常態分佈、殘差獨立性以及殘差的變異數同質性條

                   件,方能進行一致的估計。當殘差的變異數真實數據為隨機時,所估


                   出的係數及模型則不具穩健性,這是由於實證資料中,樣本之間往往

                   具有相關性,從而導致了 OLS 模型中標準誤 (standard errors) 的偏

                   誤。學者認為在這種情況下,因為群集的特性使得每一個額外觀測值

                   所能提供的真實資訊小於 OLS 模型所假設具有的資訊量,因此模型

                   的標準誤會低估。Gow et al. (2010) 認為當橫斷面數據、時間序列數

                   據之間存在相互關聯時,穩健三明治估計量 (RSE),又稱聚類穩健標

                   準誤 cluster-robust standard errors,可以提供穩健的檢定統計量。


                        穩健三明治估計量是利用聚類樣本帶入迴歸模型後所得殘差之

                   向量矩陣求出迴歸係數之期望標準誤,進而進行統計檢定的方法。穩

                   健三明治估計量 (RSE) 與 OLS 迴歸模型 (OLS) 兩者的差異可從

                   如下各自的變異數表達式觀察:
                                   
                                                                     
                                                 
                                    
                                                     2
                                                  1
                                            T
                                                                      1
                                                                T
                                                        T
                                                            )(
                            var OLS ( )   (X X  ) (r X X X X       ) ;
                                                  
                                     
                                                                              
                                     
                                                                         T
                                                                2
                                              T
                                                   1
                                                                               1
                                                                   X
                             var RSE ( )   (X X  ) (X  T  diag( ) )(X X     ) ,
                                                               r
                                                                i
                   其中, 為在公式中為一致的估計係數,var                                  OLS  代表 OLS 模型中
                   的變異數 (var),r 代表隨機殘差之向量,var                              RSE  代表透過殘差向量
                                         i
                   矩陣求得的變異數。簡而言之,該方法將樣本間可能存在的相關性透
                   過殘差估算一併考慮進去,並提供一個修正後的標準誤使得模型更為
                                                            20
   15   16   17   18   19   20   21   22   23   24   25