的研究生面板计量课件.docVIP

面板数据模型 1．面板数据定义。 面板数据用双下标变量表示。例如 yi t, i = 1, 2, …, N; t = 1, 2, …, T N表示面板数据中含有N个个体。T表示时间序列的最大长度。若固定t不变，yi ., ( i = 1, 2, …, N)是横截面上的N个随机变量；若固定i不变，y. t, (t = 1, 2, …, T)是纵剖面上的一个时间序列（个体）。 2．面板数据的估计。 用面板数据建立的模型通常有3种。即混合估计模型、固定效应模型和随机效应模型。 2.1 混合估计模型。 如果从时间上看，不同个体之间不存在显著性差异；从截面上看，不同截面之间也不存在显著性差异，那么就可以直接把面板数据混合在一起用普通最小二乘法（OLS）估计参数。 如果从时间和截面看模型截距都不为零，且是一个相同的常数，以二变量模型为例，则建立如下模型， yit = ( +(1 xit +(it, i = 1, 2, …, N; t = 1, 2, …, T (1) ( 和(1不随i，t变化。称模型(1)为混合估计模型。 2.2 固定效应模型。 在面板数据散点图中，如果对于不同的截面或不同的时间序列，模型的截距是不同的，则可以采用在模型中加虚拟变量的方法估计回归参数，称此种模型为固定效应模型（fixed effects regression model）。 固定效应模型分为3种类型，即个体固定效应模型（entity fixed effects regression model）、时刻固定效应模型（time fixed effects regression model）和时刻个体固定效应模型（time and entity fixed effects regression model）。下面分别介绍。 （1）个体固定效应模型。 个体固定效应模型就是对于不同的个体有不同截距的模型。如果对于不同的时间序列（个体）截距是不同的，但是对于不同的横截面，模型的截距没有显著性变化，那么就应该建立个体固定效应模型，表示如下， yit = (1 xit +(1 W1 + (2 W2 + … +(N WN +(it, t = 1, 2, …, T (3) 其中 Wi = (it, i = 1, 2, …, N; t = 1, 2, …, T，表示随机误差项。yit, xit, i = 1, 2, …, N; t = 1, 2, …, T分别表示被解释变量和解释变量。 模 面板数据模型用OLS方法估计时应满足如下5个假定条件： （1）E((it|xi1, xi2, …, xiT, (i) = 0。以xi1, xi2, …, xiT, (i为条件的(it的期望等于零。 （2）(xi1, xi2, …, xiT), ( yi1, yi2, …, yiT), i = 1, 2, …, N分别来自于同一个联合分布总体，并相互独立。 （3）(xit, (it)具有非零的有限值4阶矩。 （4）解释变量之间不存在完全共线性。 （5）Cov((it (is|xit,xis, (i) = 0, t ( s。在固定效应模型中随机误差项(it在时间上是非自相关的。其中xit代表一个或多个解释变量。 对模型（1）进行OLS估计，全部参数估计量都是无偏的和一致的。模型的自由度是N T –1–N。 当模型含有k个解释变量，且N很大，相对较小时，因为模型中含有k + N个被估参数，一般软件执行OLS运算很困难。在计量经济学软件中是采用一种特殊处理方式进行OLS估计。 估计原理是，先用每个变量减其组内均值，把数据中心化（entity-demeaned），然后用变换的数据先估计个体固定效应模型的回归系数（不包括截距项），然后利用组内均值等式计算截距项。这种方法计算起来速度快。具体分3步如下。 （1）首先把变量中心化（entity-demeaned）。 仍以单解释变量模型（3）为例，则有 = (i + (1+, i = 1, 2, …, N (4) 其中=，=，=, i = 1, 2, …, N。公式(1)、(4)相减得， (yit -) = (1(xit -) + ((it -) (5) 令(yit -) =，(xit -) =，((it -) =，上式写为 = (1+ (6) 用OLS