第四章研究方法及变数资料.pdfVIP

第四章 研究方法與變數資料 第一節 研究方法 本研究欲針對台灣地區二十三個縣市中移動污染源所造成的空氣污 染排放，進行跨時間的分析，探討不同的政策工具對污染減量的影響。這 種同時結合了時間序列資料與橫斷面資料型態的模型，稱作追蹤資料模型。 追蹤資料包括了不同時期的個體資料，因此變異性加大，能減少自變數之 間共線性的問題。此外，由於追蹤資料提供了較多的資訊，有助於提高樣 本數與自由度，降低估計的偏誤，甚至也能對資料的動態行為進行分析。 更重要的是，個體間常會具有某些不可觀察的因素 (unobserved effect) 造 成彼此間的不同，追蹤資料能夠藉由控制這些遺漏變數，來捕捉這種不同 個體間的差異性 (heterogeneity) 。(Hsiao, 1985 ；Klevmarken, 1989 ；Solon , 1989 ：Wooldridge, 2002) 基於上述優點，本研究決定採用跨縣市、跨時間 的追蹤資料型態，來作為研究方法。 根據 Wooldridge (2002) 的說明，追蹤資料模型的分析方法共有四種， 分別為合併迴歸 (pooled regression) 、似不相關迴歸 (seemingly unrelated regression, SUR) 、固定效果 (fixed effect) 模型和隨機效果 (random effect) 模型。本節將分別介紹如下。 壹、合併迴歸、固定效果模型、隨機效果模型 整合時間序列與橫斷面的追蹤資料模型，一般形式為： y α ∑ β X ε (4.1) 其中 i = 1, 2,…, N ，表示區域；t=1, 2,…, T ，表示期間。因此在本研究中， 41 y 為第 i 個縣 (市) 在第 t 期的應變數，X 為第 i 個縣 (市) 在第 t 期的第 k 個解釋變數，ε 為 E(ε ) ＝0且Var(ε ) ＝σ 之第 i 個縣 (市) ε 在第 t 期的隨機誤差，而 β 為反應係數 (response coefficient) ，即 (4.1) 式的斜率係數，大部分情況下皆假定為固定不變的常數，至於 α 則是截 距項。 在 N 較大、T 也較大的時候，追蹤資料型態根據觀察個體截距項的 特性，也就是取決於對 α 的假設不同，可以分成三種估計模式： (一) 合併普通最小平方法 (pooled ordinary least square) ：適用於所有係數 為固定值，並且假設干擾項包含了時間和區域間的差異的情形，即α α， 因此 y α ∑ β X ε (4.2) (二) 固定效果模型：適用於斜率係數為固定值，截距項會因區域的不同 而有所不同的情形，即 α α ，因此 y ∑ α β X ε ，ε ~i.i.d (0,σ ) (4