If your data contains a large numbe

If your data contains a large number of individuals (cross-sectional units), which is quite common with panel data, then the DV approach can be computationally burdensome (even for a computer) and impractical. A better alternative to this approach is the fixed effects (FE) estimator, which I describe in the next section.

ผลลัพธ์ (ไทย) 1:

ถ้าข้อมูลของคุณประกอบด้วยจำนวนของบุคคล (ป่วยหน่วย), ซึ่งโดยปกติข้อมูลแผง แล้ววิธี DV ได้ computationally เดิ้ม (สำหรับคอมพิวเตอร์) และทำไม่ได้ ทางเลือกดีกว่าวิธีการนี้เป็นการประมาณการผลถาวร (FE) ซึ่งผมอธิบายในส่วนถัดไป

ผลลัพธ์ (ไทย) 2:

ถ้าข้อมูลของคุณมีจำนวนมากของบุคคล (หน่วยตัดขวาง) ซึ่งเป็นเรื่องธรรมดาที่มีข้อมูลแผงแล้ววิธี DV สามารถคำนวณภาระ (แม้สำหรับคอมพิวเตอร์) และทำไม่ได้ ทางเลือกที่ดีกว่าที่จะวิธีนี้คือผลกระทบที่คงที่ (FE) ประมาณการซึ่งผมอธิบายในส่วนถัดไป

ผลลัพธ์ (ไทย) 3:

ถ้าข้อมูลมีเป็นจำนวนมากของบุคคล ( หน่วยตัด ) ซึ่งเป็นค่อนข้างบ่อยกับข้อมูลแผงแล้ว DV แนวทางที่สามารถ computationally ยุ่งยาก ( สำหรับคอมพิวเตอร์ ) และใช้งานไม่ได้ ทางเลือกที่ดีกว่าวิธีนี้คือการแก้ไขผล ( Fe ) ประมาณการ ซึ่งผมได้อธิบายในส่วนถัดไป