高铁梅《计量经济方法与建模》第二版讲稿.ppt

* 例10.6 城镇居民消费的固定影响变系数模型 如果将例10.2的样本区间调整为1991 ~ 2003年，则利用10.2节所介绍的模型形式设定检验方法（N = 29，k = 1，T = 13），计算得到的两个F统计量分别为：F2 = 8.635；F1 = 6.491。查F分布表，在给定5%的显著性水平下，得到相应的临界值为：F2 (56, 319) =1.37；F1? (28，319) =1.51。由于 F2 1.37，所以拒绝H2；又由于 F1 1.51，所以也拒绝H1。可见，随着时间的推移省市之间的消费结构进一步发生了变化，当样本区间为1991 ~ 2003年时，反映城镇居民消费的面板数据模型应采用变系数形式，即模型具体形式如下： 其中：为29个省市的平均自发消费水平，为i地区自发消费对平均自发消费的偏离，为i地区的边际消费倾向，和一起刻画了省市间的消费结构差异。 * 仍然使用GLS法（cross-section weights）对模型进行估计，估计结果如下： t = (4.628) * * EViews不能估计这样的模型：很少的时期或者庞大的截面成员。所用的时期数应至少不小于解释变量个数。即使有足够的观测值，估计的残差相关矩阵还必须是非奇异的。如果有一条不满足EViews的要求，EViews会显示错误信息：“Near Singular Matrix”。 当选择加权时，复选框Iterate to convergence控制可行GLS程序。如果选择，EViews就一直迭代权重和系数直到收敛。如果模型中包括AR项，这个选择就没有意义，因为在AR估计中，EViews会一直迭代直至收敛。 估计Pool方程的其他选项(Options) * * 10.5 White 异方差协方差 (White Heteroskedasticity Covariance) EViews能估计那些广义异方差性强的协方差。这种形式的异方差性比上面介绍的截面异方差性更普遍，因为一个截面成员内的方差可以随时间不同。 要得到怀特标准差和协方差，点Options按钮，选择Coef covariance method。EViews给出了一个下拉列表，列表中包含8种选项。默认的是最上方的Ordinary项，对应式(10.3.7) 和式(10.3.8)给出的系数协方差形式。在此下拉列表中的另外7种系数协方差形式参见10.5节的10.5.1? 10.5.5式。 注意此选项不适用于随机影响估计。 * * 10.6 面板数据的单位根检验和协整检验 10.6.1 面板数据的单位根检验 在第五章介绍的单序列单位根检验方法的基础上，本节将简要地介绍五种面板数据的单位根检验方法。 对面板数据考虑下面的AR(1)过程： i =1, 2, …, N t =1, 2, …, Ti （10.6.1） 其中：xit 表示模型中的外生变量向量，包括各个体截面的固定影响和时间趋势。N 表示个体截面成员的个数，Ti 表示第 i 个截面成员的观测时期数，参数 ?i 为自回归的系数，随机误差项 uit 相互满足独立同分布假设。可见，对于式（10.6.1）所表示的AR(1)过程，如果??i?1，则对应的序列 yi 为平稳序列；如果??i?=1，则对应的序列yi为非平稳序列。 * 根据对式（10.6.1）中参数 ?i 的不同限制，可以将面板数据的单位根检验方法划分为两大类: 一类为相同根情形下的单位根检验，这类检验方法假设面板数据中的各截面序列具有相同的单位根过程(common unit root process)，即假设式（10.6.1）中的参数?i 满足 ?i =? （ i =1, 2, …, N ）; 另一类为不同根情形下的单位根检验，这类检验方法允许面板数据中的各截面序列具有不同的单位根过程（individual unit root process），即允许参数?i 跨截面变化。 * 1．相同根情形下的单位根检验 （1）LLC检验 （2）Breitung检验 （3）Hadri检验 2．不同根情形下的单位根检验 （1）Im-Pesaran-Skin检验