第三章 研究設計
第一節 研究方法與模型
本研究以 1982 年至 2005 年之產業橫斷面（Cross-sectional）與時間序列
（Time-series）並存之追蹤資料（Panel Data）探討銀行業開放對其它產業之影響。
使用追蹤資料係考量因橫斷面與時間序列並存之資料可增加自由度，並且避免線 性重合或無效率的問題，亦可藉此降低模型設定的錯誤及參數之估計誤差，以提 供更完整的訊息。一般而言，Panel Data 可分為固定效果模型 （Fixed-effects Model）與隨機效果模型（Random-effects Model）等兩種追蹤資料模型。相對地，
若所估計的方程式之截距項固定，不隨時間改變，稱之為固定效果模型，又稱為 最小平方虛擬變數模型（Least Square Dummy Variable Model），亦即，固定效 果模型以個別部門特徵之固定截距項代表個別部門之不同特性。若各部門之截距 項為隨機參數而非固定參數時，稱之為隨機效果模型，又稱為誤差成分模型（Error Component Model）。
ㄧ、 研究方法
(一) 最小平方法（Ordinary Least Square, OLS）
每個橫斷面個體之迴歸式若有相同的截距項(α ，並且i)
ε
it~i.i.d.(0,σ2)，即可 使用最小平方法可達到有效性且一致性的估計。不過，最小平方法不允許橫斷面 個體間存在著差異性，亦即，最小平方法之估計僅能單獨分析時間序列資料或橫 斷面資料，因此，若橫斷面資料具有差異性，則使用傳統的一般迴歸之最小平方 估計式將產生估計的無效率。此類之模型可表示如下：∑
=+ +
= K
k
it kit i k
it β β X ε
y
1
0 ,
其中，
y 為 i 個體在第 t 期之應變數，i=1,…,N, t=1,…,T； it
β0i為迴歸式之截距項係數；
β 為迴歸式之係數，k=1,…, K； k
Xkit為i 個體在第 t 期之第 k 個解釋變數；
ε
it為隨機誤差項，E(ε
it)=0，Var(ε
it)=σ
2。(二) 固定效果模型
固定效果模型是利於考慮橫斷面與時間序列並存的資料，我們假設母體內 差異性大，相似度較低，故以觀察所有個體之間的差異性，而不以抽樣的方式選 取樣本。固定效果模型係以固定截距項（α ）表示橫斷面個體間不同的型態，即i 每個橫斷面個體皆具有自己獨特且固定之截距項，來表示其專有的特質。模型表 示如下：
∑
∑
= =+ +
= K
k
it kit k N
j
jt i
it β D β X ε
y
1 1
0 ,
其中，
y 為 i 個體在第 t 期之應變數，i=1,…,N, t=1,…,T； it
β0i為固定截距項，表示橫斷面個體間不同的型態；
β 為迴歸式之係數； k
D 為虛擬變數，當個體 i 在第 t 期與 j 具有相同性質時jt
，
D 等於 1，其他jt最小平方法模型與固定效果模型之選擇準則，可使用 F-test 檢定判斷固定效 multiplier）-test 檢定判斷截距項是否有隨機特性，以了解各橫斷面個體間是否具 有不同的特質，其檢定方法如下：
0 的是 Hausman-test，即根據截距項與解釋變數間的關係，檢視截距項與解釋變數 間的相關性。若隨機效果模型(β0i)與解釋變數(Xkit)不具有相關性，使得固定效 果模型估計量b為一致但不具有效性，而隨機效果模型之迴歸估計量βˆ為一致且 為有效的，故應採用隨機效果模型；若隨機效果模型(β0i)與解釋變數(Xkit)具有 相關性，此時，固定效果模型之迴歸估計量b為一致且有效性，但造成隨機效果 模型之迴歸估計量 產生偏誤且非一致性，故應採用固定效果模型。依據
Hausman-test 檢定β0i與Xkit是否具有相關性，其虛無假設H 與對立假設0 HA分別
本實證模型主要是參照 Black and Strahan（2002）與 Cetorelli and Strahan
（2006），使用固定效果模型（Fixed-effects Model），以固定截距項（α 或j α ）i 表示橫斷面之個別產業（j）或各地區（i）之特性，藉以探討本國銀行業的解除 管制及其它金融制度改變對產業結構的影響。我們首先針對全國非金融相關產業
（以下稱為其它產業）之產業別資料進行探討，進一步則針對台灣地區縣市別資
dereg ： 為開放新銀行設立的虛擬變數，1991 年以後設為 1，其餘為 0； t
Y ﹕為 i 縣市 j 產業在第 t 期之規模大小。若以商業登記家數計算，單ijt
位為家，若以商業登記資本額計算，單位為百萬元；t 為研究期間，
自 1982 年至 2005 年；
α ﹕為截距項； 0
α ﹕ 為代表台灣地區各縣市不同特性之截距項，縣市別（ i ）共有台北i
縣、宜蘭縣、桃園縣、新竹縣、苗栗縣、台中縣、彰化縣、南投縣、
雲林縣、嘉義縣、台南縣、高雄縣、屏東縣、台東縣、花蓮縣、基 隆市、新竹市、台中市、嘉義市、台南市、台北市和高雄市等 22 個台灣地區縣市別；
tit
l_avreceip ：為 i 縣市在第 t 期的平均每戶家庭之經常性所得，單位為新 台幣元；
l_pop ：為 i 縣市在第 t 期的人口數，單位為人； it
region 1i ：為台灣地區別的虛擬變數，台灣地區北部地區設為 1，其餘 0，
北部地區包含台北縣、宜蘭縣、桃園縣、新竹縣、基隆市、新 竹市和台北市等 7 個縣市；
region 2i ：為台灣地區別的虛擬變數，台灣地區中部地區設為 1，其餘 0，
中部地區包含苗栗縣、台中縣、彰化縣、南投縣、雲林縣和台 中市等 6 個縣市；
region 3i ：為台灣地區別的虛擬變數，台灣地區南部地區設為 1，其餘 0，
南部地區包含嘉義縣、台南市、高雄縣、屏東縣、嘉義市、台 南市和高雄市等 7 個縣市；
ε ：為隨機誤差項；其它ijt α 、j α 、t dereg 、t indll ji、inddd 、jt hhill 、t avbkaa 等變數如方程式 (1) 之說明。 t