Generated by Bing Image Creator: A long quiet and joyful view of blue morning glory flowers and red rose flowers.
の続きです。
前回は1人当たり県民所得とパソコン所有数量の関係をパネルデータ分析の手法で調べてみました。今回は、大学・大学院卒者の割合との関係を調べてみましょう。
まず、パソコン所有数量のデータと大学・大学院卒者の割合のデータが揃っているデータフレームを作成します。
あれ！、両方のデータが揃っている調査年は無いのですね。
それでは、それぞれの調査年を確認してみましょう。
これを見ると、pcの1989年とeducの1990年、pcの1999年とeducの2000年、pcの2009年とeducの2010年を対応させるのがよさそうですね。
ちょっとやってみましょう。
このようにeducがある年だけのデータフレームを作成して、このyear_codeを1引いてやればpcの調査年と一致します。
このデータフレームをpcだけのデータフレームとをinner_join()関数で合体させます。
散布図を描いてみましょう。
調査年によってパソコン所有数量に違いがありますが、大学・大学院卒者の割合が大きいほどパソコン所有数量が多いという関係は変わらない感じです。
year_codeをファクター型にしてから、pdata.frame()関数でパネルデータフレームにします。
pdim()関数でパネルデータフレームの構造を確認しています。n = 47, T = 3, N(n * T) = 141のバランスドパネルデータです。
前回と同じように、plm()関数でプーリング法、First Difference法、Fixed Effect法の3種類で pc = β0 + β1 * educ + β2 * year + u というモデル式のβを推計してみましょう。
今回は年のダミーを加えました。
stargazerパッケージで３つの方法の推計結果を表にしてみます。
educの係数の推計結果をみると、３つの方法全てで統計的に有意に0とは違う、という結果になってます。
First Differnece法だと67.5で、Fixed Effect法だと71.2という値です。
大学・大学院卒者の割合が１パーセントポイント上昇すると、千世帯当たりのパソコン所有数量が70台ぐらい増える、100世帯だと７台ぐらい増える、というかなり大きな影響があることがわかりました。
今回は以上です。
次回は
です。
初めから読むには、
です。
