No, we cannot include age as an exp

No, we cannot include age as an explanatory variable in the original model. Each person in the panel data set is exactly two years older on January 31, 1992 than on January 31, 1990. This means that ∆agei = 2 for all i. But the equation we would estimate is of the form.where 0 is the coefficient on the year dummy for 1992 in the original model. As we know, when we have an intercept in the model, we cannot include an explanatory variable that is constant across i; this violates Assumption MLR.3. Intuitively, since age changes by the same amount for everyone, we cannot distinguish the effect of age from the aggregate time effect.

結果 (繁體中文) 1:

不，我們不能包括年齡作為原始模型的解釋變量。每個人在面板數據集正好比1990年1月31日，大兩歲於1992年1月31日，這意味著Δagei= 2對所有的i。但我們估計方程的形式。
其中0是在原有機型的年份虛擬為1992年的係數。正如我們所知，當我們在模型的截距，我們不能包括的說明變量，它是跨我常數; 這違反假設MLR.3。直觀地說，因為年齡相同數額為大家變化，我們無法區分的年齡從總時間效應的影響。

結果 (繁體中文) 2:

否，我們不能在原始模型中將年齡作為解釋變數。1992年1月31日，面板資料集中的每個人比1990年1月31日大兩歲。這意味著_agei = 2 對於所有 i。但是，我們估計的方程是形式。
其中 0 是原始模型中 1992 年假數的係數。正如我們所知，當我們在模型中有一個截距時，我們不能包括一個解釋變數，該變數在 i 之間是恒定的;這違反了假設 MLR.3。直覺上，由於年齡對每個人的變化量相同，我們無法區分年齡的影響和總時間效應。

結果 (繁體中文) 3:

不，我們不能在原始模型中將年齡作為解釋變數。專家組數據集中的每個人在1992年1月31日比1990年1月31日大整整兩年。這意味著，所有i的∏agei=2。但是我們要估計的方程是這樣的。
其中，0是原始模型中1992年虛擬年的係數。如我們所知，當我們在模型中有一個截距時，我們不能在i上包含一個常數的解釋變數；這違反了假設MLR.3。直觀地說，由於每個人的年齡變化都是一樣的，我們無法區分年齡效應和總時間效應。