面板數据截距固定和随机效应的判断.docVIP

2.1 固定效应模型。 在面板数据散点图中，如果对于不同的截面或不同的时间序列，模型的截距是不同的，则可以采用在模型中加虚拟变量的方法估计回归参数，称此种模型为固定效应模型（fixed effects regression model）。 固定效应模型分为3种类型，即个体固定效应模型（entity fixed effects regression model）、时刻固定效应模型（time fixed effects regression model）和时刻个体固定效应模型（time and entity fixed effects regression model）。下面分别介绍。 （1）个体固定效应模型。 个体固定效应模型就是对于不同的个体有不同截距的模型。如果对于不同的时间序列（个体）截距是不同的，但是对于不同的横截面，模型的截距没有显著性变化，那么就应该建立个体固定效应模型，表示如下， yit = ?1 xit +?1 W1 + ?2 W2 + … +?N WN +?it, t = 1, 2, …, T (3) 其中 Wi = ?it, i = 1, 2, …, N; t = 1, 2, …, T，表示随机误差项。yit, xit, i = 1, 2, …, N; t = 1, 2, …, T分别表示被解释变量和解释变量。 模型（3）或者表示为 y1t = ?1 +?1 x1t +?1t, i = 1（对于第1个个体，或时间序列），t = 1, 2, …, T y2t = ?2 +?1 x2t +?2 t, i = 2（对于第2个个体，或时间序列），t = 1, 2, …, T … yN t = ?N +?1 xN t +? N t, i = N（对于第N个个体，或时间序列），t = 1, 2, …, T 写成矩阵形式， y1 = (1 x1)+?1 = ?1 + x1 ? +?1 … yN = (1 xN)+?N = ?N + xN ? +?N 上式中yi，?i，?i，xi都是N?1阶列向量。?为标量。当模型中含有k个解释变量时，?为k?1阶列向量。进一步写成矩阵形式， = +? + 上式中的元素1，0都是T?1阶列向量。 面板数据模型用OLS方法估计时应满足如下5个假定条件： （1）E(?it|xi1, xi2, …, xiT, ?i) = 0。以xi1, xi2, …, xiT, ?i为条件的?it的期望等于零。 （2）(xi1, xi2, …, xiT), ( yi1, yi2, …, yiT), i = 1, 2, …, N分别来自于同一个联合分布总体，并相互独立。 （3）(xit, ?it)具有非零的有限值4阶矩。 （4）解释变量之间不存在完全共线性。 （5）Cov(?it ?is|xit,xis, ?i) = 0, t ? s。在固定效应模型中随机误差项?it在时间上是非自相关的。其中xit代表一个或多个解释变量。 对模型（1）进行OLS估计，全部参数估计量都是无偏的和一致的。模型的自由度是N T –1–N。 当模型含有k个解释变量，且N很大，相对较小时，因为模型中含有k + N个被估参数，一般软件执行OLS运算很困难。在计量经济学软件中是采用一种特殊处理方式进行OLS估计。 估计原理是，先用每个变量减其组内均值，把数据中心化（entity-demeaned），然后用变换的数据先估计个体固定效应模型的回归系数（不包括截距项），然后利用组内均值等式计算截距项。这种方法计算起来速度快。具体分3步如下。 （1）首先把变量中心化（entity-demeaned）。 仍以单解释变量模型（3）为例，则有 = ?i + ?1+, i = 1, 2, …, N (4) 其中=，=，=, i = 1, 2, …, N。公式(1)、(4)相减得， (yit -) = ?1(xit -) + (?it -) (5) 令(yit -) =，(xit -) =，(?it -) =，上式写为 = ?1+ (6) 用OLS法估计（1）、（6）式中的?1，结果是一样的，但是用（6）式估计，可以减少被估参数个数。 （2）用OLS法估计回归参数（不包括截距项，即固定效应）。 在k个解释变量条件下，把用向量形式表示，则利用中心化数据，按OLS法估计公式计算个体