|
观察到,随着f的减少,弹性增加(有关程序的详细信息,请参阅正文)。这些红点在统计上是不同的,因为它们被一颗红星照得很亮。蓝色虚线是缩放指数 = ( , , ) 由方程(12)预测,带值= , = . , = . , 作为的函数. 面板B绘制了随机个体后OLS回归中每个标度指数的z得分统计量值,构建该图是为了检验零假设,即给定一个wor kers子样本,随机个体后的标度指数与随机个体前的标度指数相等。随机样本的标度指数在统计学上与相应的标度指数不存在差异,但omizati o n h已被蓝星突出显示。与就业规模相关的工资,(iii)随机化个人的位置,(iv)计算每个城市的新平均工资,并估计得出的(“随机化”)比例指数。对于给定的子样本, 我们做(iii)和(iv)1000次。此外,我们将整个过程(i)-(iv)重复10次,以便我们可以比较由相同. 我们从抽样效应中得到了可能的标度指数分布。本程序中要检验的无效假设是,没有随机化的弹性等于随机化后的弹性。请注意,如果LNLN适用于我们的样本,随机化后的弹性应为零,这是大多数城市尺度分析已经进行的特定情况。我们假设一个特定的工人子样本()为无随机化的估计偏差,以及()一个特定的随机分组。
|