設定實證模型

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y 第四章 研究設計與實施

第一節 設定實證模型

本研究使用橫斷面（cross-sectional）與時間序列（time-series）結合的 追蹤資料（Panel Data），亦稱縱橫資料迴歸模型，其優點是相較於橫斷面 與時間序列兩種資料，追蹤資料包含更多的資訊，有助於提高樣本數與自 由度，使估計結果較為準確。本文選用2001至2008年等8個年份，在國稅 方面有台灣5區國稅局的追蹤資料進行計量分析，共有40個觀察點，採用 追蹤資料模型進行實證結果分析，

處理追蹤資料時，需將每個橫斷面單位依時間序列資料方式排列後，

再堆積每個橫斷面樣本，由於有些經濟效果同時混和橫斷面及縱斷面資料 而無法單獨分離測試，故採追蹤資料可同時對參雜橫斷面與縱斷面資料的 經濟現象做一有效估計。以下將追蹤資料模型做初步解釋。

追蹤資料分析法是混合橫斷面與時間數列兩種分析方法之特性。在使 用時間序列資料分析時，由於只考慮到相關變數之時間序列資料，因而常 發生序列相關的問題，而使估計產生偏誤；若僅以橫斷面資料來分析，則 因各經濟體本身存在不同特性，而可能發生異質性之現象，因而導致估計 的模型產生偏誤。為解決時間序列資料無法比較個體差異，及橫斷面資料 無法分析時間變動問題，而造成估計模型的偏誤及無效率。近年來，學者 使用將兩者結合的追蹤資料模型進行研究，追蹤資料是將每個橫斷面單位 資料依時間序列順序排列後，再堆積每一個橫斷面樣本，如此在進行估計 時，可針對不同變數影響的效果，對模式做不同的設定，故能同時擁有橫 斷面及時間序列之影響效果。

根據Hsiao（1989）及Baltagi（2001）指出，使用追蹤資料分析法有下 列優點:

1、能有效控制經濟個體的異質性。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

2、降低變數間共線性問題，可擁有多自由度及估計更有效率。

3、能衡量時間序列或橫斷面模型所無法單獨檢定的效果。

4、可建構較時間序列及橫斷面模型更複雜的行為模型。

Greene（2000）認為，由於追蹤資料在處理方式上，必須符合許多假 設上的要求，而與現實環境上有所出入，故可放寬上述假設，允許模型中 的常數項或斜率可隨時間與樣本別不同而改變，允許橫斷面的截距項可隨 著不同橫斷面單位別而有所差異，而將追蹤資料迴歸拓展成擁有虛擬變數 的固定效果模型，而隨機效果模型則是將各抽樣單位與各期間之特性視為 兩個隨機誤差，以控制這些特性對解釋變數之影響。追蹤資料迴歸模型分 為固定效果模型和隨機效果模型。

1、 固定效果模型

固定效果模式亦稱為虛擬變數模式（Dummy Variable Model）。因解 釋變數中若含有各別樣本差異效果，會使得解釋變數與殘差項相關，而造 成估計無效率。因此固定效果模式下，橫斷面資料差異被包含在截距項之 中，此模型可以以虛擬變數組成的方式表現。

2、 隨機效果模型

隨機效果模式亦稱為誤差成分模式（Error Component Model），與固 定效果模式相似，模式的特點在於同時考慮橫斷面與時間序列並存的資 料，並使模式共變異數縮小，因此估計更為有效率。本模式特別著重於母 體整體間的關係，而非個別樣本間之差異。此模式容許樣本間差異性存 在，並假設母體內相似程度高，各樣本的截距視為隨機型態。因此透過隨 機抽樣方式來選取樣本，並非採用全部母體。

雖然固定效果及隨機效果模型之應用皆能求得其估計值，但兩者的基 本 理 論 仍 有 差 異 ， 要 如 何 選 擇 何 種 模 型 為 最 適 的 依 據 ，Burman and Randolph （1994）、Greene（2002）認為，大部份研究採用的原則，若選 擇之樣本橫斷面資料，為抽取自一個更大母體之隨機樣本，則採用隨機效

‧

‧