We start with a spatial segmentatio

We start with a spatial segmentation of our dataset in two
ways. First, we create pools of firms from a 2-digit ZIP Code area,
and, second, pools of firms within a 50 km radius around the center
of every 5-digit ZIP Code area. The first criterion leads to a nonoverlapping spatial segmentation (small sample size), while the
second criterion leads to an overlapping spatial segmentation
(large sample size). For the latter, we use a relatively small radius
because the business structure in Germany is predominantly local.

ผลลัพธ์ (ไทย) 1:

เราเริ่มต้น ด้วยการแบ่งพื้นที่ของชุดข้อมูลของเราในสอง
วิธีการ ครั้งแรก สร้างกลุ่ม firms จากพื้นที่รหัสไปรษณีย์เป็นตัวเลข 2,
และ สอง สระว่ายน้ำของ firms ภายในรัศมี 50 กม.กลาง
ทุกพื้นที่รหัสไปรษณีย์ 5 หลัก เกณฑ์ first นำไปสู่การแบ่งพื้นที่ขนาน (ขนาดตัวอย่างขนาดเล็ก), ในขณะ
เงื่อนไขที่สองนำไปสู่การแบ่งพื้นที่ทับซ้อนกัน
(ขนาดตัวอย่างใหญ่) หลัง เราใช้รัศมีเล็ก
เนื่องจากโครงสร้างธุรกิจในเยอรมนีเป็นส่วนใหญ่ในท้องถิ่น

ผลลัพธ์ (ไทย) 2:

เราเริ่มต้นด้วยการแบ่งส่วนการกระจายตัวของชุดของเราในสอง
วิธี ครั้งแรกที่เราจะสร้างสระว่ายน้ำของอาร์ไฟจาก 2 หลักเขตรหัสไปรษณีย์
และสองสระว่ายน้ำของอาร์ไฟภายในรัศมี 50 กิโลเมตรรอบศูนย์กลาง
ของทุก 5 หลักเขตรหัสไปรษณีย์ เกณฑ์ไฟแรกจะนำไปสู่การแบ่งส่วนพื้นที่ nonoverlapping (ขนาดตัวอย่างเล็ก ๆ ) ในขณะที่
เกณฑ์ที่สองนำไปสู่การแบ่งส่วนพื้นที่ที่ทับซ้อนกัน
(ขนาดของกลุ่มตัวอย่างขนาดใหญ่) สำหรับหลังที่เราใช้รัศมีขนาดค่อนข้างเล็ก
เพราะโครงสร้างทางธุรกิจในประเทศเยอรมนีเป็นท้องถิ่นส่วนใหญ่

ผลลัพธ์ (ไทย) 3:

เราเริ่มต้นด้วยการแบ่งส่วนของข้อมูลเชิงพื้นที่ของเราใน 2
วิธี ครั้งแรกที่เราสร้างสระน้ำจึง RMS จาก 2-digit รหัสไปรษณีย์พื้นที่
และสองสระ ภายในรัศมี 50 กม. จึง RMS รอบศูนย์กลาง
ของทุก 5-digit รหัสไปรษณีย์เขต จึงนำไปสู่การ nonoverlapping RST เกณฑ์การแบ่งส่วน ( ขนาดตัวอย่างเล็ก ๆ ) ในขณะที่
เกณฑ์ที่สองนำไปสู่การแบ่งส่วน
ซ้อนเชิงพื้นที่ตัวอย่าง ( ขนาดใหญ่ ) สำหรับหลัง เราใช้
รัศมีค่อนข้างเล็ก เพราะโครงสร้างธุรกิจในเยอรมันเด่นในท้องถิ่น