静态变截距面板数据模型剖析.pptVIP

三、一维随机效应模型 where The estimator is called the between-group estimator because it ignores variation within the group. 静态变截距面板数据模型 取决于误差方差、随机效应方差之间的表达式 三、一维随机效应模型 通常误差项和随机效应的方差未知，因此斜率估计量（3.3.12）不能算出来。这时需采用两阶段GLS方法来估计斜率。第一阶段用某些方法把误差项和随机效应的方差估计出来，第二阶段再算斜率估计量。SAS9.3提供了4种方法用来估计误差项和随机效应的方差，见1372页。 Fuller and Battese’s Method Wansbeek and Kapteyn’s Method Wallace and Hussain’s Method Nerlove’s Method 静态变截距面板数据模型 静态变截距面板数据模型 四、二维随机效应模型 模型形式与二维固定效应模型相同，但截面个体效应或时间效应不再被当做参数估计，而是当做随机变量，是随机效应。模型假定：误差项与解释变量不相关，独立同分布，均值为0，同方差。随机效应也是如此。并且随机效应与误差项不相关，都无序列自相关，截面随机效应与时间随机效应不相关。截面效应和时间效应与解释变量不相关。见教材34页（3.3.1） 静态变截距面板数据模型 四、二维随机效应模型 Where and Breusch和Pagan(1980)方法可检验是否有一维随机效应存在，称为BP检验。Greene(2000)形成了检验二维随机效应的BP方法，称为BP2检验。原假设是没有随机效应的存在。随机效应模型与OLS方法作对比。这两个检验只适用于平衡面板数据。对于非平衡面板数据，这两个检验统计量无效。非平衡：每一个截面个体在一个时间维度上至少有两个观测值，但是有缺失值。 静态变截距面板数据模型 四、二维随机效应模型 估计思路同一维随机效应模型，用两阶段GLS方法来估计。 第一阶段用某些方法把误差项、截面随机效应和时间随机效应的方差估计出来，第二阶段再估计斜率。SAS9.3提供了4种估计方法，见1375页。 静态变截距面板数据模型 五、用固定效应模型还是随机效应模型 当T很大时，截面效应被当做固定还是随机并不重要，因为斜率的LSDV估计量3.2.8与GLS估计量3.3.12变成相同的估计量。当T有限，N很大时，必须区分随机效应还是固定效应。 静态变截距面板数据模型 五、用固定效应模型还是随机效应模型 Mundlak（1978）认为没有必要区分固定效应模型和随机效应模型，见45页，因为他推导出斜率的GLS估计量等于协方差估计量。但作者认为其不对。 固定效应模型与随机效应模型的主要区别是，随机效应模型假设截面效应和时间效应与解释变量不相关，而固定效应模型不考虑其是否相关。 静态变截距面板数据模型 五、用固定效应模型还是随机效应模型 固定效应模型由于要估计固定效应会损失自由度，所以会有估计质量损失。当T有限时，截面固定效应的估计量不是一致估计量 静态变截距面板数据模型 五、用固定效应模型还是随机效应模型 用固定效应模型还是随机效应模型？ 当截面效应和时间效应与解释变量不相关，用随机效应模型，否则用固定效应模型。可以用Hausman方法检验，见50页。 If the alternative hypothesis H1 holds ,we use the fixed-effects model. If the null hypothesis H0 holds ,we use the random-effects model. 如果原假设不能被拒绝，则使用随机效应模型。 被拒绝则采用固定效应模型。 静态变截距面板数据模型 五、用固定效应模型还是随机效应模型 当收集的数据是总体数据，或仅对现有模型中的效应做推断，应该考虑固定效应模型。当收集的数据是来自总体的一个样本，要根据模型中的效应对总体做推断，应考虑随机效应模型。 当认为模型中的效应来自不同总体，用固定效应模型更合适。 模型中有不随时间变化但随截面个体变化的自变量或不随截面个体变化但随时间变化的自变量，不适合采用固定效应模型，因为这些变量与截面效应或时间效应完全相关，无法估计出这些变量的系数。比如性别，在时间序列上不变，这样会被demean掉。 静态变截距面板数据模型 六、存在异方差、序列相关、截面相关如何处理 有HAC估计量、HCCME估计量，或用Parks方法等 静态变截距面板数据模