对固定效应变面板变系数的直接半参估计浅析.docx

对固定效应变面板变系数的直接半参估计 摘要 在这篇论文中，我们介绍了一个用于面板模型中个体效应与解释变量之间存在着未知形式相关性情况下变系数估计的新方法。这个回归方法使用一个基于一阶差分后的局部回归对未知系数进行估计。为了避免无法忽视的渐近有偏性，我们需要引入一个更高维度的内核权重。这是我们能够以扩大变量规模，导致一个较低的收敛概率为代价去除有偏性。为了克服这个问题，我们采用了单步更新算法，这能够使得回归结果能够达到一个较高的收敛概率，同时也体现了所谓的oracle效率特征。我们还得到了渐近分布。由于回归过程是建立在对于窗宽矩阵（指除一定宽度对角线以外的元素全为0的矩阵？具体查阅非参估计）的选择上，我们还提供了一个计算计算这个矩阵的实证方法。蒙特卡洛模拟结果显示这个回归方法在有限样本情况下十分有效。 一、绪论 本篇论文关注于对面板模型变系数的估计。这种回归方法由一个线性回归模型组成，并基于理论，回归系数受到外生变量影响，从而被假定为变系数。例如，在所谓的教育回报问题中，针对教育水平对工资水平的影响弹性的估计问题，通过理论研究指出教育的边际回报可能会随着工作经验的不同而改变，详情可参阅Schultz（2003）。因此，在一定的教育水平条件下，工资-教育弹性可能就会随着工作经验的不同而发生变化。 在本文的实证研究中，针对可能存在的变系数函数形式误设问题，我们采用了非参数估计技术加以解决。但在大多数情况下，对于系数方程形式的估计是通过标准化手段得到的，例如样条平滑、序列估计或者局部多项式回归估计，详情可参阅Su and Ullah（2011）。尽管在绝大多数情况中，直接运用一个已有的技术就能够得到一个正确的推断结果，然而没有多少注意力被放在这些估计过程在非标准设定下的渐近特征也是事实。不幸的是，这些设定与面板数据模型的实证分析息息相关。这里有一个非常清晰的例子，在一个经济计量模型中，存在着一些无法观测的解释变量，这些变量虽然不随着时间变化，但是能够在统计角度上与模型中一些其他的解释变量存在着相关性（固定效应）。固定效应模型中存在的与一些解释变量相关的未知形式的组间异质性不是一个能够简单解决的问题。实际上，在这样的异质性问题下进行估计的计量方法都面临着所谓的附带参数问题（固定效应的可变截距项就是附带参数，会造成最大似然估计结果非一致性），详情可参阅Neyman and Scott（1948）。 为了能够得到这类模型中系数的一致估计量，一个可行的解决方法就是讲模型转换成一个不含有未知形式异质性的模型。具体而言，可以通过构建一个异质性变量μit与d维解释变量Xit、q维解释变量Zit的协同变量有关（与其中之一或者两个变量同时相关）的线性面板模型来解决这一问题。一般形式为： Yit=XitmZit+μi+vit，i=1,…,N；t=1,…,T （1.1） 其中，函数mz未知且需要估计，vit为随机干扰项。显然，任何试图使用标准非参数估计方法对m?进行直接估计都会得到基准曲线的非一致性估计量。造成这一结果的原因在于EμiXit=x,Zit=z≠0。解决这类问题有一个标准的方法，就是将μi通过一系列转换从式（1.1）中去除，然后通过一个非参数平滑过程来估计未知曲线。一般存在着多种去除这种非一致性效应的方法。最简单的就是一阶差分： ?Yit=XitmZit-Xit-1mZit-1+?vit，i=2,…,N；t=2,…,T （1.2） 到目前为止，对于m?的直接非参估计都比较麻烦，具体可参阅Su and Ullah（2011）。其原因在于，对于每一组别（i），式（1.2）的条件期望值E?YitXit,Xit-1,Zit,Zit-1都包含了不同期（t）XitmZit的线性组合。这可以被视为一个在不同期具有相同形式的可加性函数。 在一些特殊的情况下，本文也给出了相关问题的一致性估计方法。对于无约束模型形式XitTmZit=mXit,Zit的情况，式（1.2）就能够改写为一个完全非参数可加性模型： ?Yit=mXit,Zit-mXit-1,Zit-1+?vit，i=2,…,N；t=2,…,T 这对这种情形，Henderson et al.（2008）基于轮廓似然逼近方法提出了一个迭代过程算法，Mammen等（2009）提出了通过一个平滑的后向拟合（Backfitting）算法以得到包含了时间与个体效应的可加面板模型非参数一致估计。更进一步，若XitmZit≡gZit+Xitβ0，其中Xit=1,Xit以及 mZit=gZit,β0对于某些实值 g?和向量β0，式（1.2）的回归方程就变成了一个局部可加的半参模型： ?Yit=β0?Xit+gZit-gZit-1+?vit，i=2,…,T Q