第四章、 研究方法
第一節、 研究方法說明
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章、研究方法
本研究主要將探討中國財政分權化與各地區金融發展之間的關係，並 利用中國 1995 年至 2010 年的追縱資料，以剖析中國各地區財政分權的 程度，是否將造成各地區金融發展的差異化。因此，在進行實證研究之 前，本文首先將詳細介紹本研究所使用之研究方法。本章第一節將闡明 本研究使用追蹤資料進行研究的原因，並比較固定效果模型（fixed-effect model）以及隨機效果模型（random-effect model）之異同與取捨方法。
其次，將於第二節建立本研究的實證模型，並說明實證資料的來源。至 於本研究實證模型之實證變數假設，將於第三節中詳述。
第一節、研究方法說明
如前所述，本研究將採用中國 1995 年至 2010 年的追縱資料（panel data）進行實證分析。追蹤資料為一同時兼顧時間序列（time series data）
以及橫斷面資料（cross-section data）兩者特性的組合資料；橫斷面資料 所估計的參數可以解釋不同觀察個體之間的差異，而時間序列資料則可 以解釋觀察個體本身隨時間趨勢所產生的動態變化。其中，使用追蹤資 料進行分析時，一般採取兩種模型來進行估計，分別為固定效果模型與 隨機效果模型。以下將分別說明之。
一、固定效果模型
在固定效果模型中，假設各個區域之截距項為固定，視每個區域的截 距項為待估計之未知常數。不同的個別效果（individual effect）用來解釋 不同觀察單位之間的差異，故亦稱為最小平方虛擬變數模型（Least Square Dummy Variable Model, LSDV）或共變異數模型（Covariance Model）。由 於追蹤資料的特性，固定效果模型除了可同時考慮橫斷面與時間序列共
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
存的資料外，同時亦允許觀察個體之間差異性的存在。為了觀察或突顯 觀察個體之間差異的存在，觀察者往往利用在截距項中導入虛擬變數
（dummy variable）的方式來代表一些較難衡量的質化變數（qualitative data），用來表達各個區域之間的特質，以分析觀察個體的固定效果，並 藉此降低估計上的偏誤。除此之外，亦能避免時間序列資料的樣本數過 少與自由度過小的問題，減少共線性的產生。41然而，自由度的消耗以及 無法明確指出造成迴歸估計式平移的原因，是使用固定效果模型進行估 計時，較容易產生的問題。
二、隨機效果模型
隨機效果模型亦稱為誤差成份模型（error component model），其與固 定效果模型最大的差異在於，隨機效果模型直接假設截距項為一隨機變 數，即假設未觀察到的個體效果與時間效果與其它自變數無關時，個體 間的固定差異將隨不同個體而呈現隨機分布的型態。
三、Hausman 檢定
關於研究模型對於固定效果模型或隨機效果模型的適用與否，在檢驗 實證分析時，兩模型之間的選擇標準看法迥異，通常以資料樣本是否經 過抽樣過程來判定。若樣本數與母體數相同，亦即樣本未經過抽樣的過 程，則採取固定效果模型為分析工具；反之則以隨機效果模型做估計為 佳。在計量方法的檢定上，Hausman（1978）提出檢定追蹤資料的迴歸模 型，用於檢定模型之中解釋變數的相關性，以判別是否適用於固定效果 模型。其檢定統計量為：
41 Hsiao（1986）說明，追蹤資料除了能提供更多的樣本數，改進估計時的效率之外，
亦能降低估計上的偏誤，減少共線性的問題，並提供更完整的訊息。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
𝐻 = (𝑏𝑓𝑖𝑥− 𝑏𝑟𝑎𝑛)′(𝑀𝑓𝑖𝑥− 𝑀𝑟𝑎𝑛)−1(𝑏𝑓𝑖𝑥− 𝑏𝑟𝑎𝑛) ~ 𝒳2(𝐾) （2）
第（2）式中，𝐻 統計量為自由度 𝐾 之 𝒳2分配； 𝑏𝑓𝑖𝑥 與 𝑏𝑟𝑎𝑛 分別為 固定係數與隨機係數的參數估計值；𝑀𝑟𝑎𝑛 與 𝑀𝑟𝑎𝑛 分別為其共變異矩陣。
當𝐻 < 𝑋2(𝐾)時不拒絕虛無假設，即兩模型之估計無差異，或 𝑢𝑖 與解釋 變數間不具相關性，則選擇隨機效果模型；反之，當 𝐻 > 𝑋2(𝐾) 時則拒 絕虛無假設，即兩模型之估計有差異，或 𝑢𝑖 與解釋變數間具相關性，則 應選擇固定效果模型為佳。