Existem algumas maneiras possíveis de manter o gênero falso em uma regressão de efeitos fixos.
No Estimador
Suponha que você tenha um modelo semelhante ao modelo OLS em pool, que é
onde as variáveis são como antes. Agora observe que e não podem ser identificados porque o estimador não pode distingui-los do efeito fixo . Como é a interceptação do ano base , é o efeito de gênero nos ganhos nesse período. O que podemos identificar neste caso são
yit=β1+∑t=210βtdt+γ1(malei)+∑t=110γt(dt⋅malei)+X′itθ+ci+ϵit
β1c i β 1 t = 1 γ 1 γ 2 , . . . , γ 10β1+γ1(malei)ciβ1t=1γ1γ2,...,γ10porque eles interagem com seus bonecos de tempo e medem as diferenças nos efeitos parciais de sua variável de gênero em relação ao primeiro período. Isto significa que se você observar um aumento em seu
longo do tempo, isso é uma indicação para o aumento da diferença de ganhos entre homens e mulheres.
γ2,...,γ10
Estimador de primeira diferença
Se você quiser conhecer o efeito geral da diferença entre homens e mulheres ao longo do tempo, tente o seguinte modelo:
onde a variável t = 1 , 2 ,
yeu t= β1+∑t=210βtdt+γ(t⋅malei)+X′itθ+ci+ϵit
é interagido com o manequim de gênero invariante no tempo. Agora, se você tomar primeiras diferenças
p 1 e
c i caem e você obter
y i t - y i ( t - 1 ) = 10 Σ t = 3 β t ( d t - d ( t - 1 ) ) + γ ( t ⋅ m um l e i -t=1,2,...,10β1ci
Então
γ ( t ⋅ m a l e i - [ ( t - 1 ) m ayeu t- yi ( t - 1 )= ∑t = 310βt( dt- d( t - 1 )) + γ( T ⋅ m um l eEu- [ ( t - 1 ) m a l eEu] ) + ( X′eu t−X′i(t−1))θ+ϵit−ϵi(t−1)
e você pode identificar a diferença de gênero nos lucros
y . Portanto, a equação de regressão final será:
Δ y i t = 10 ∑ t = 3 β t Δ d t + γ (γ(t⋅malei−[(t−1)malei])=γ[(t−(t−1))⋅malei]=γ(malei)γ
e você obter o seu efeito de interesse. O bom é que isso é facilmente implementado em qualquer software estatístico, mas você perde um período de tempo.
Δyit=∑t=310βtΔdt+γ(malei)+ΔX′itθ+Δϵit
ci1ci2
y~it=X~′1it+X~′2it+γ(male˜i2)+c~i+ϵ~it
X~1it=X1it−θ^iX¯¯¯¯1iθ^iX¯¯¯¯1i2ciX~2itX2it−X¯¯¯¯2iX¯¯¯¯1i
Tudo isso pode parecer um pouco complicado, mas existem pacotes enlatados para esse estimador. Por exemplo, no Stata, o comando correspondente é xthtaylor
. Para mais informações sobre esse método, leia Cameron e Trivedi (2009) "Microeconometrics Using Stata". Caso contrário, você pode apenas seguir os dois métodos anteriores, que são um pouco mais fáceis.
Inferência
Para seus testes de hipótese, não há muito que precise ser considerado além do que você precisaria fazer de qualquer maneira em uma regressão de efeitos fixos. Você precisa cuidar da correlação automática nos erros, por exemplo, agrupando na variável de ID individual. Isso permite uma estrutura de correlação arbitrária entre clusters (indivíduos) que lida com autocorrelação. Para uma referência, veja novamente Cameron e Trivedi (2009).