什麼叫固定效應模型

　　固定效應模型，即固定效應迴歸模型，簡稱FEM，是一種面板資料分析方法。它是指實驗結果只想比較每一自變項之特定類目或類別間的差異及其與其他自變項之特定類目或類別間互動作用效果，而不想依此推論到同一自變項未包含在內的其他類目或類別的實驗設計。固定效應迴歸是一種空間面板資料中隨個體變化但不隨時間變化的一類變數方法。

　　固定效應模型有n個不同的截距，其中一個截距對應一個個體。可以用一系列二值變數來表示這些截距。

　　在面板資料線性迴歸模型中，如果對於不同的截面或不同的時間序列，只是模型的截距項是不同的，而模型的斜率係數是相同的，則稱此模型為固定效應模型。除了固定效應模型，典型的面板資料分析方法還有隨機效應模型和混合效應模型。固定效應模型假設所有的納入研究擁有共同的真實效應量，而隨機效應模型中的真實效應隨研究的不同而改變。基於不同模型的運算，所得到的合併後的效應量均數值也不相同。

　　固定效應認為，效應是外生固定的，最下一行中和是確定值（無需假定是否和 相關）；

　　隨機效應認為，效應是隨機的實現，最下一行中和與無關且滿足特定的引數分佈；

　　如果實際上符合隨機效應中滿足特定分佈的假設，意味著對於每一個observation，其它observation也提供了資訊，於是在隨機效應下GLS估計比CV估計更有效率；反之，如果實際上是固定效應模型，CV估計是有效率的，而GLS估計則是有偏的，且在只有N趨於無窮時不一致；以上兩條說明可能可以用Hausmann檢驗來進行模型選。固定效應的好處在於無需假設各固定效應與解釋變數之間的關係，壞處在於固定效應需要估計更多的引數，因為相當於給每個個體/時間都加一個dummy，另外不隨時間/個體變化的變數會被吸收進dummy而無法估計。反之，隨機效應需要估計的引數是固定的，而且能估計不隨時間/個體變化的變數，但是所需的假設變強了。

　　海馬效應亦稱既視感、即視現象，是人類在現實環境中（相對於夢境），突然感到自己“曾於某處親歷過某畫面或者經歷一些事情”的感覺。依據人們多數憶述，好像於夢境中見過某景象，但已忘了，後來在現實中遇上該景象時，便浮現出“似曾相識”的感覺。

　　1、既視感是真實存在，有科學解釋的東西，不屬於靈異事件，只是大腦的想象力裡曾經有浮現過類似的場景罷了。

　　2、當我們到一個地方以後，方位和空間關係，周圍的物體，人物，對它們的知覺卻是由大腦中3個不同的空能迴路，即位置知覺的迴路，物體知覺的迴路和麵孔知覺的迴路分別去完成。