我想用一个二元选择模型（即函数为虚拟变量1或0）分析人口数量 、 GDP等4至5个自变量各自对一个政策（即函数）的采用与否的影响程度（概率的高低）。因为观察对象只有20个（各位学长在网上都赐教道这样的话样本太少了），考虑了半天，为增加sample size，不知以下的方法是否可行：因该政策是1991年采用的，所以取1981年-1990年的10年区间，对于1991年采用了该政策的观察对象，1981年-1990年间每年的函数均取值1，而对于未采用该政策的观察对象，1981年-2000年间每年的函数均取值为0；这样的话，sample size将为20*10=200个了。

但这样的数据好像成为面板数据（Panel date）了，能把它视为横截面数据进行二元选择模型处理吗？再次请求诸位学长的赐教，谢谢，谢谢！

[此贴子已经被作者于2007-6-6 11:21:00编辑过]

[此贴子已经被作者于2007-6-7 10:35:29编辑过]

谢谢各位的赐教!

我想可能没把我的意思表达清楚。情况是这样：

我现在的观察对象为20个，其中10个为此政策的采用者（91年采用），其他

10个为非采用者。我想分析人均GDP等3个自变量对该政策采用与否的影响程度，即，

Y（虚拟变量1或0）=c+a*X1+b*X2+d*X3 （X1，X2，X3分别为3个自变量）。

原本考虑X1，X2，X3取1990年的值，这样观察对象为20，sample size也为20个，太少。

为了扩大sample size，所以每个观察对象都取81-90年的10个点的值，这样每个观察对象sample size

就为10个，总的sample size就为20*10=200个了。这样话，可以适用

Y（虚拟变量1或0）=c+a*X1+b*X2+d*X3 的回归分析吗？

再请不吝赐教！谢谢谢谢！

感觉还是少些

[此贴子已经被作者于2007-6-11 18:25:29编辑过]

hi, you can use logit with the panel data. It is better but still the sample is not big enough because more parameters should be estimated.

And I think as a policy analysis, three independent variables seem too few, you can always think of other factors affect y or both xs and y. But anyway, you can try this as a good practise.