[非平衡面板数据的估计方法及应用.docVIP

非平衡面板数据模型的估计方法及应用 摘要：面板数据中，如果每个时期在样本中的个体不完全一样，则被称为非平衡面板数据。文章整理了非平衡面板数据估计方法的原理和思路，并采用2004-2011年中西部省际非平衡面板数据建立模型对影响中西部引进内资的主要因素进行了实证研究，结果显示，集聚效应因素、地区创新能力与中西部省份引进内资规模显著影响正相关。 关键词：非平衡面板数据；中西部；内资 中图分类号： （1） （1）式中，下标i和t分别代表个体和时间。横截的N是个体数，T是时间序列的维数。α为一个标量，β是K×1的待估系数矩阵，Xit是第k个解释变量的第i个个体在第t时期的观测值，μi表示不可观测到的个体的特殊效应，νit表示随机扰动。一般而言，平衡面板数据模型有两种处理方法：如果μi与解释变量相关，就将所有变量进行去均值处理然后再进行估计，从而得到固定效应模型；如果μi与解释变量不相关，可以采用随机效应模型。对于固定效应模型，将方程（1）两边对时间取平均可得组间回归式： (2) (1)式减去（2）可得离差形式的组内回归式： (3) 由于（3）式中已将μi消去，因此，只要和不相关，就可以用OLS一致地估计β。显然，非平衡面板数据并不影响计算离差形式的组内估计量（within estimator），因此，固定效应模型仍然可以使用。 ?随机效应模型假设μi与解释变量不相关，由于μi的存在，同一个体不同时期的扰动项之间存在自相关，即： (4) 平衡面板数据随机效应方法是先以OLS的残差来估计（σμ2+σ?2），以FE的残差来估计，再用广义最小二乘法（FGLS）来估计原模型，即用OLS来估计下面的广义离差模型， (5) 其中，是θ=1-σν/(Tσμ2+σν2)1/2的一致估计量。 对于非平衡面板数据，只要让θi=1-σν/(Tiσμ2+σν2)1/2(Ti为第i个个体的时间维度),可照样进行可行广义最小二乘法(FGLS)可行广义最小二乘法(FGLS) (6) 用向量形式表示，该模型为： (7) 其中，和分别n?1和n?K维矩阵，，，，，其中是元素为1的维向量。 Searle（1971）指出，平衡面板数据模型的方差分析（ANOVA）方法非平衡面板仍然适用且具有无偏性，ANOVA是通过令平方和二次型等于期望值并求解线性方程组得到，可定义组内和组间平方和的两种二次型形式： ， (8) 其中，，，，，代表阶的单位矩阵，代表?维元素都为1的矩阵。根据Swamy和Arora(1972)的建议，我们使用用组间和组内使用两段回归来估计方差分量，即将组内方差和组间方差带入式（8）中的和得到，，和的期望值为： (9) 令式（9）中的与其期望值相等，可得到方差分量的Swamy-Arora估计量： （10） Jennrich和Sampson（1976）认为，极大似然估计方法（MLE）也能够非平衡面板数据随机效应模型的方差组合进行估计,其对数似然函数为： (11) 其中，，。由于的一阶条件是非线性的，参数的估计值必须通过迭代法进行数值求解。然而，由于同时给出回归系数估计量而损失了相应的自由度。Patterson和Thompson（1971）提出了受约束的极大似然估计方法（REML）弥补了这个缺点。 另外，在μ和?服从正态分布的前提下，Rao（1971）提出了方差组合的两种估计方法，即最小正态二次无偏估计值（MINQUE）和最小方差二次无偏估计值（MIVQUE），使用这两种估计方法，MIVQUE需要一个方差分量的先验值， 要得到MINQUE估计量，常用的先验初始值分别为单位矩阵（MQ0）和Swamy和Arora的ANOVA估计量（MQA）。Baltagiet al.（2001）经过蒙特卡罗模拟对这些方法进行比较后发现：简便的ANOVA估计量对回归系数的估计最优，而在进行方差组合估计时，值不同时各种估计方法的表现有所不同。总体来说，ANOVA方法和极大似然估计方法在方差组合以及标准误差的估计中要优于其他方法。 3 非平衡面板模型的应用 改革开放以来，我国经济增长一直保持较高水平，但是区域发展不平衡的问题却越来越突出，中西部地区和东部沿海地区的发展差距不断扩大。中西部地区经济发展滞后最重要的原因之一是资本投入不足，由于本地供给能力有限，招商引资逐渐成为中西