Results are quantile regression coe

Results are quantile regression coefficients indicating the effect of final goods tariffs on productivity and firm size. All specifications control for input tariffs and include year and
industry dummy variables. Standard errors, in parentheses, are calculated using a block bootstrap that re-samples over state-industry clusters. In order to reduce computational
time, I follow Abrevaya (2001) and sample (with replacement) m out of n ffiffiffiffiffiffiffiffiffiffiffi clusters, where m=0.1n. Standard errors are based on 500 bootstrap estimates, and are corrected by
m= n
p
. *, **, and *** represent significance at the 10%, 5% and 1% levels, respectively.

ผลลัพธ์ (ไทย) 1:

ผลลัพธ์คือ quantile สัมประสิทธิ์ถดถอยที่แสดงผลของภาษีศุลกากรสินค้าขั้นสุดท้ายประสิทธิภาพและขนาดของบริษัท รายละเอียดทั้งหมดควบคุมสำหรับภาษีนำเข้า และรวมถึงปี และตัวแปรอุตสาหกรรมกระพริบ มีคำนวณข้อผิดพลาดมาตรฐาน ในวงเล็บ ใช้ bootstrap บล็อกที่ตัวอย่างผ่านคลัสเตอร์รัฐอุตสาหกรรมใหม่ เพื่อลดการคำนวณเวลา ตาม m ตัวอย่าง (มีแทน) ออกจากคลัสเตอร์ n ffiffiffiffiffiffiffiffiffiffiffi และ Abrevaya (2001) ซึ่ง m = 0.1n ข้อผิดพลาดมาตรฐานขึ้นอยู่กับการเริ่มต้นระบบประเมิน 500 และแก้ไขโดยm = np. * **, และ *** แสดงนัยสำคัญ 10%, 5% และที่ ระดับ 1% ตามลำดับ

ผลลัพธ์ (ไทย) 2:

ผลลัพธ์ที่ได้จะมีค่าสัมประสิทธิ์การถดถอย quantile แสดงให้เห็นถึงผลกระทบของอัตราภาษีศุลกากรสินค้าขั้นสุดท้ายเกี่ยวกับการผลิตและขนาดของ บริษัท รายละเอียดทั้งหมดควบคุมสำหรับภาษีการป้อนข้อมูลและรวมถึงปีและ
อุตสาหกรรมตัวแปรดัมมี่ ข้อผิดพลาดมาตรฐานในวงเล็บจะคำนวณโดยใช้บล็อกบูตอีกครั้งที่กลุ่มตัวอย่างมากกว่ากลุ่มรัฐอุตสาหกรรม เพื่อที่จะลดการคำนวณ
เวลาที่ฉันทำตาม Abrevaya (2001) และตัวอย่าง (ด้วยการเปลี่ยน) m จากกลุ่ม n ffiffiffiffiffiffiffiffiffiffiffi ที่ m = 0.1n ข้อผิดพลาดมาตรฐานจะขึ้นอยู่กับการประมาณการ 500 บูตและได้รับการแก้ไขโดย
m = n
พี
* ** และ *** เป็นตัวแทนของความสำคัญที่ 10%, 5% และระดับ 1% ตามลำดับ

ผลลัพธ์ (ไทย) 3:

ผลคือ ควอนไทล์สัมประสิทธิ์ถดถอยแสดงผลของอัตราภาษีสินค้าขั้นสุดท้ายในผลผลิตและขนาด รายละเอียดทั้งหมดควบคุมอัตราภาษีนำเข้าและรวมถึงปี
ตัวแปรหุ่นอุตสาหกรรม ข้อผิดพลาดมาตรฐาน ในวงเล็บ จะคำนวณโดยใช้บล็อกบูทที่เป็นตัวอย่างกว่ากลุ่มอุตสาหกรรมของรัฐ เพื่อลดเวลาการคำนวณ
,ผมติดตาม abrevaya ( 2001 ) และตัวอย่าง ( แทน ) M ออกของกลุ่ม ffiffiffiffiffiffiffiffiffiffiffi ที่ M = 0.1n ข้อผิดพลาดมาตรฐานคือ 500 บูทตามประมาณการ และแก้ไขโดย
m = n
p
* * * * * * * * * * * * แสดงถึงความสำคัญที่ 10% , 5% และ 10% ระดับตามลำดับ