加入收藏| Select Language
您好,欢迎来到减贫研究数据库!
CPAD全方位展现我国贫困地区档案、减贫政策演进、贫困成因与减贫努力、国内外减贫理论与实践、专家观点与建议、减贫数据图表,为学术提供理论指导,为政府提供决策参考,为中国减贫事业提供智力支持。
5年脱贫7000万,时间紧,任务重,精准扶贫是关键!CPAD全方位展现我国贫困地区档案、减贫政策演进、贫困成因与减贫努力、国内外减贫理论与实践、专家观点与建议、减贫数据图表,为学术提供理论指导,为政府提供决策参考,为中国减贫事业提供智力支持。
4.9万余篇学术报告,超过8.5亿字
覆盖832个重点贫困县14个连片特困区
模型设定
(一)效应变量编码
本书中,根据福利指标的特点,将所有的福利指标均视为分类变量,而非连续变量。这是由于,一定的休耕面积和休耕时间(休耕年限或持续年限)是选择休耕区域和种植类型的前提:如果休耕面积为0,讨论休耕时间、休耕区域或是种植类型都是没有意义的;同样地,如果休耕时间为0,讨论休耕面积、休耕区域或是种植类型也是没有意义的。由此可知,受访者在选择集内权衡不同的休耕方案时,也是以一定的休耕面积和休耕年限为前提的。此时,如果将休耕面积或休耕时间作为连续变量处理,暗含的假定是:受访者对休耕时间、休耕面积的偏好是固定斜率的,不存在边际效用变动的可能。但是,我们并不能找到支撑这一假定的理论和现实证据。休耕制度的建立在国内尚属首次,仍处于探索试点阶段,政府和民众对于扩大休耕面积或增加休耕年限的判断都很谨慎。我们有理由认为,民众对于休耕面积和休耕年限的边际效用存在变动的可能。由此,在本书中的休耕时间、休耕区域指标应被视为离散的分类变量,并做出如下假设:休耕面积、休耕年限对个体效用的影响是非线性的。为检验这一假设,休耕面积、休耕年限、休耕区域、种植类型四个变量在本书中均被视为无序分类变量。
对分类变量的处理可以使用虚拟变量或效应变量的编码方式。以休耕面积为例,如果休耕面积增加1万亩、2万亩、5万亩,实际上将能够使得效用分别增加1.0个单位、3.5个单位、4.5个单位。表5-1是以休耕面积等于1万亩为对照组,展示了线性编码和两种非线性编码的方式。
表5-1 变量的线性编码、虚拟变量编码、效应变量编码示例
首先,如果使用线性编码,效用函数中将只有一个变量,即休耕面积(area)。此时,休耕面积从1
相关资源
下载排行