5.4 动态Panel Data模型.ppt

§5.4 动态Panel Data模型 一、动态Panel Data模型表达及含义 二、固定效应动态Panel Data模型及估计 三、随机效应动态Panel Data模型及估计 四、动态Panel Data模型实例 动态模型是相对于静态模型而言，区别体现于解释变量而不是参数形态。 关于参数形态所进行的模型分类都有动态模型，本节只涉及个体变截距动态模型。 一、动态Panel Data模型表达及含义 动态模型的经济解释 例如，根据相对收入假说消费理论，消费具有不可逆性，当期的消费除了受到当期收入等因素影响外，还受到前一时期消费水平的影响。那么，为了分析这种“棘轮效应”，就必须将前一时期消费水平作为消费函数模型的解释变量。 例如，以各个地区的外商直投资作为被解释变量建立模型，由于经济行为一般所具有的“惯性”，前一个时期的外商直投资显然对当期的投资额会产生影响，它实际上是该地区吸引外商直投资的综合能力的反映。 2、随机解释变量问题 将滞后被解释变量作为解释变量引入模型，带来的一个明显的问题是随机解释变量问题。 滞后被解释变量是随机变量，而且当模型的随机项存在序列相关时，滞后被解释变量与模型的随机项相关，参数的OLS估计不再具有一致性。 如何处理随机解释变量问题，既是经典动态模型理论方法的核心，也是动态Panel Data模型要解决的主要问题。 3、讨论：动态模型的实质 动态Panel Data模型是经济模型还是统计模型？ 经济模型描述和揭示经济行为关系，而统计模型描述的是数据之间的统计关系。 尽管许多动态模型可以从经济意义上进行解释，例如消费的不可逆性，但是它在实质上仍然是一个统计模型。 极端的例子是下面将讨论的不包含外生解释变量的动态Panel Data模型，显然它只描述了经济变量当期值和前一时期值之间的统计关系。 所以，在建立Panel Data模型时，需要慎用动态Panel Data模型，特别是对模型参数的进行济意义的解释时，需要严格区分经济关系和统计关系。 二、固定效应动态Panel Data模型及估计 1、不包含外生解释变量的动态模型估计 工具变量估计 几点讨论： 模型参数γ的ML估计在T较小时是有偏估计。为什么？ 为什么需要首先进行差分？ 如何选择工具变量？ 工具变量估计的性质是什么？ 可否采用GMM估计？ 2、包含外生解释变量的动态模型估计 首先采用工具变量方法估计差分模型，得到γ和β的一致估计量，然后求得的αi估计量。 三、随机效应动态Panel Data模型及估计 在随机效应动态Panel Data模型中，初始值的状态对模型的估计方法选择和估计量的性质具有不可忽视的影响。 2、最大似然估计 最大似然估计 关于初始条件的不同假定蕴含着不同形式的似然函数。 构造各种情况下的似然函数。 使得上述似然函数达到最大化，就得到相应情况下参数的最大似然估计。 当横截面个体单位较多、时期长度较短时，初始条件的错误选择将导致得到的估计与正确的估计不是渐近等价的，也可能不是一致估计。 关于初始条件的选择是否正确，并没有什么判断依据。 Yi0固定情况下的似然函数为： Yi0随机，独立于αi情况下的似然函数为： Yi0随机，与αi相关情况下的似然函数为： 3、工具变量估计 工具变量法的提出 当横截面个体数目较多、时序长度较短时，由于不同初始条件下似然函数不同，所以初始条件的错误选择将导致得到的估计与正确的估计不是渐近等价的，也可能不是一致估计。 关于初始条件的选择是否正确，并没有什么判断依据。 因此，希望得到与初始条件无关的参数的一致估计，同时也为ML迭代过程提供参数的初始值。 工具变量法是一种适用的方法。 四、动态Panel Data模型实例 目的 主要将通过例题讨论本节开始提出的问题：动态Panel Data模型是一个经济模型还是统计模型？ 模型 为了分析我国城镇居民收入差距对消费影响的效应，使用1993~2005年中国的24个分省数据，从静态和动态两个方面构建Panel Data模型。 估计结果 分析 由于动态模型中引入了前期消费作为解释变量，致使其它解释变量的系数在两个模型中差异很大。 静态模型估计结果表明，居民消费的持久收入弹性和暂时收入弹性分别为0.7763和0.0297；收入差距对消费有显著影响，城镇居民基尼系数的绝对值每增加0.01，消费平均将减少约0.33%。 动态模型的估计结果表明，居民消费的持久收入弹性和暂时收入弹性分别为0.3325和0.0117；收入差距对消费有显著影响，城镇居民基尼系数的绝对值每增加0.01，消费平均将减少约0.35%。 分析 从统计学的角度解释，前期消费与其它解释变量之间存在统计相关性。 从经济学的角度解释，前期消费对当期消费的影响