TC数据模型.doc

面板数据模型 面板数据的概念 是时间序列和截面数据相结合的二维数据二维我国省份1991-1999年的GDP数据，如果每个截面包含相同的个体，则称之为平衡，否则为非平衡。Pooled Data模型和Panel Data模型二类，Pooled Data模型适用于研究时期较多个体较少的TC数据，须为每个个体命名，研究目的侧重于个体差异或时期趋势；Panel Data模型适用于研究个体较多、时期较少的TC数据，不须为每个个体命名，研究目的侧重于由时期差异或个体推断总体。 另外，Pooled Data模型允许各时期的个体不相同，Panel Data模型要求各时期的个体相同。例如： pooled data t=1:A B C D F t=2:A B D E panel data t=1:A B C D E t=2:A B C D E 模型的基本形式 Pooled Data模型 ，…………①Panel Data模型 ，…………①其中，。研究目的不同，所以前者允许系数可变，后者假定系数不变。 模型的类Panel Data模型的效应模型只有变截距模型一种。所以，Pooled Data模型有3种，Panel Data模型只有2种。 效应模型 变系数模型 如果（），和都不相同，则称为，可表示为： …………② 变系数模型等价于在模型中纳入“单独的哑变量项”和“哑变量与自变量的交叉项”来体现个体差异。该模型用于描述：不仅在个体存在显著差异，而且对这种差异有显著影响，或者说，是产生这种差异的影响因素。这种结论是普通回归模型得到的。 变截距模型 如果（），只是不相同，但相同，则称为，可表示为： …………③ 变截距模型等价于在模型中纳入“单独的哑变量项”来体现个体差异。该模型用于描述：在不同个体存在显著差异 无效应模型 如果（），和都相同，则称为混合模型，可表示为： …………④该模型用于描述：当个体就是总体时，则称之为固定效应模型（）；当个体是总体随机时，则称之为随机效应模型（）。对于平衡数据，Eviews可以估计“双向FE”或“双向RE”，非平衡数据则不能。 模型选择模型选择 Pooled Data： ：统计量 ~ ~ 其中，S1、S2、S3分别表示模型的残差平方和，N是样本个数，K是外生变量个数，T是时期总数。S1和S2均采用FE模型计算，可从回归结果中取得，然后手工计算F1和F1） 检验规则 如果F2小于临界值（值大于0.05），则不否定H，应选择混合模型；如果F2、F1均大于临界值（值均小于0.05），则否定H和H，应选择变系数模型；如果F2大于临界值但F1小于临界值（F2的值小于0.05但F1的值大于），则否定H但不否定H，应选择变截距模型。 . [参考]F检验的Eviews操作： 估计变系数模型（无约束模型），做F检验（View/Fixed/Random Effects Testing/Redundant Fixed Effects - Likelihood Ratio 下同），P值记为p1；估计变截距模型（相对混合模型而言，也是无约束模型），做F检验，P值记为p2。 当p1临界值时，则否定“约束”，故采用变系数模型 当p1临界值，但p2临界值时，则否定“截距”约束，但不否定“斜率”约束，故采用变截距模型 当p1、p2都临界值时，则不否定“截距”约束，也不否定“斜率”约束，故采用混合模型 Panel Data模型形式选择- Likelihood Ratio检验 Panel Data模型形式包括变截距模型（效应模型）和混合模型（无效应模型）两种。 假设 ：： 式中，S1、S2分别表示FE变截距模型和混合模型的残差平方和。如果p值小于0.05，则拒绝原假设，选择FE变截距模型，反之则选择混合模型。 Eviews操作：先估计模型，然后做Likelihood Ratio检验（View/Fixed/Random Effects Testing/Redundant Fixed Effects – Likelihood Ratio.）。如果P0.05，则拒绝。Panel Options 页的效应定义菜单中选择“None”选项来设置。 （2）该检验也适合于Pooled Data模型中的混合模型和FE变截距模型之间的选择。由于变系数模型太复杂，实际应用很少采用，因此一般只考虑是采用混合模型还是FE变截距模型。该检验也称为“F检验”、“FE显著性检验”等。 模型效应选择变截距模型，变系数模型变系数模型就不用选择了，一律采用FE。 根据研究对象不同选择 如果研究对象就是样本/个体本身，或样本量和时期数都较小时，则应选择FE；如果研究对象是总体，是通过样本推断总