数据分析 谭权2013201112 reg percshared sorting,hc3 Linear regression Number of obs 168 F( 。16)- 12.39 =0.0704 Root MSE .18724 percshared Coet. ad. t P>Itl l95 Conf,Interval】 102452 029118 .159942 -.044962 .1942169 .0221355 88 .1505135 .2379202 这个回归检验了加入sorting选择后， 独裁者分享的金钱钱占总钱数的比例的变化。结果显 示，sorting显著降低了独裁者愿意分享的金钱的比例。 reg percshared sorting Barcelona sortBarcelona,he3 Linear regression 164)= R-squared Root MSE =18697 percshared Coet. t P>Itl t95告conf.Interva11 .0793478 0429158 85 0.066 .164086 0053909 012631 045 0.789 -.101591 07632 ,05032 .0300654 6.65 0.000 1406349 加入了Barcelona这个地区变量与交互项是为了检验在巴塞罗那和伯克利两地sorting的影 响是否相同 由于p>0.1,这表明在两地 sorting的影响没 显著差 运用Tobit和Probit模型得到了相同的结论。不过，在OLS时，稳健标准差采用的是hc3. Tobit模型采用的是jackknife,Probit采用的是robust。. Robust运用的标准差是o2=/(n-k)×u2,U表示残差。Hc3优点在于如果数据确 实存在异方差性，那么HC3可以得到一个较好的稳健方差，得到的置信区间相 比于robust的更小。Jackknife是指运用刀切法来减少估计的误差。 11 数据分析 谭权 2013201112 _cons .1942169 .0221355 8.77 0.000 .1505135 .2379202 sorting -.1024522 .0291182 -3.52 0.001 -.159942 -.0449623 percshared Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust HC3 Root MSE = .18724 R-squared = 0.0704 Prob > F = 0.0006 F( 1, 166) = 12.38 Linear regression Number of obs = 168 . reg percshared sorting , hc3 这个回归检验了加入 sorting 选择后，独裁者分享的金钱钱占总钱数的比例的变化。结果显 示，sorting 显著降低了独裁者愿意分享的金钱的比例。 _cons .2 .0300654 6.65 0.000 .1406349 .2593651 sortBarcel~a -.0503283 .0578216 -0.87 0.385 -.1644991 .0638425 Barcelona -.0126316 .0450534 -0.28 0.780 -.1015911 .076328 sorting -.0793478 .0429158 -1.85 0.066 -.1640866 .0053909 percshared Coef. Std. Err. t P>|t| [95% Conf. Interval] Robust HC3 Root MSE = .18697 R-squared = 0.0843 Prob > F = 0.0002 F( 3, 164) = 7.13 Linear regression Number of obs = 168 . reg percshared sorting Barcelona sortBarcelona , hc3 加入了 Barcelona 这个地区变量与交互项是为了检验在巴塞罗那和伯克利两地 sorting 的影 响是否相同。由于 p＞0.1，这表明在两地 sorting 的影响没有显著差异。 运用 Tobit 和 Probit 模型得到了相同的结论。不过，在 OLS 时，稳健标准差采用的是 hc3， Tobit 模型采用的是 jackknife，Probit 采用的是 robust。 Robust 运用的标准差是σ²=n/（n-k） × u²，u 表示残差。Hc3 优点在于如果数据确 实存在异方差性，那么 Hc3 可以得到一个较好的稳健方差，得到的置信区间相 比于 robust 的更小。Jackknife 是指运用刀切法来减少估计的误差