个组内统计量.docVIP

别是4个组内统计量（within-dimension）：Panelv统计量、Panel rho统计量、Panel PP统计量还有Palel ADF统计量。这些检验方法包括了各个变量的自回归系数残差的单位根检验。第二类是分别基于3个是组间统计量（between-dimension）Group rho统计量、Group PP统计量、Group ADF统计量。这些统计量是截面时间序列各个向量估计系数和协整检验统计量的平均。在这种检验过程中允许各自的面板单位有各自不同固定效应和短期动态效应以及各自不同的长期协整系数，这种检验方法不是建立在对整体的统计量进行平均，而是通过把分子分母分开来进行平均。Pedroni应用Brownian运动泛函收敛性发现这7个统计量的渐进极限分布是标准正态分布。Pedroni在Monte Carlo模型试验的得出结论。当样本的个数大于一百时，这七个统计量都具有很好的稳定性和检验效率。但是当样本的个数小于二十是这种情况就会发生变化，这时Group ADF统计检验量变成最是最优的。当回归统计量存在内生性时，如果直接用OLS来估计参数是有偏的。因此需要提出修正，Pedroni提出用用完全修正普通最小二乘估计法（Group Mean Panel FMOLS）能修正（来解决）这个问题。后来KAO和Chiang（2000）也指出完全修正普通最小二乘估计法（Group Mean Panel FMOLS）能有效的修正有偏性和自相关性。 2.1.3 Granger因果检验 Granger在1969年提出关于时间序列的预测性的因果关系（Granger因果关系），它大体上的意思是如果一个变量的变化会引起另一个变量的变化，则这个变量的变化因该在另一个变量发生变化之前发生变化。早起Granger因果关系检验主要是针对时间序列，后来Hurlin和Venet（2001、2004）提出了一系列面板数据的Granger因果检验45。他们还支出由于加入了截面数据（提高样本数），能够减少变量的共线性和提高Granger因果检验（Wald统计量）的自由度。 假设两个平稳量x和y，它们都是有T个时间取值点，每个截面都有N个单元的面板数据，分别记为。它们的Granger因果检验方程如； 其中是各个截面的截距项，是滞后k期的y的影响系数，是滞后k期x的影响系数。如果变量x是变量y的原因，那么应该是x先变化了才导致y的变化。即在y的回归模型中加入x的滞后期作为独立变量能够明显的提高对y值预测的有效性，我们称x就是y的Granger原因。即在Granger因果关系检验的零假设是（i=1,2…N;k=1,2,…,p），只要检验的结果中不全为零，则x就是y的Granger原因。当x、y替换之后也有这样结果的话我们则称y是x的Granger原因。如果两种情况同时存在则称x和y有双向因果关系。Granger因果检验依据各自变量的滞后期在相互解释对方变量时的显著程度，来检验是否有因果关系和Granger因果关系的方向性。在进行检验时滞后期的选择十分重要，不同的滞后期可能会导致出完全相反结论。但是对于如何选择滞后期现在的文献还没有给出一个具体的判断标准。本文在分析问题时选择了进行多个滞后期进行检验分析，这样的做的目的是为了增加结论的稳健性。 2.2实证分析 2.2.1数据来源与处理 本文用El来表示福建省农业用电量，用In来表示福建省农民收入，数据来源都取自《福建经济与社会统计年鉴－农村篇》(福州：福建人民出版社)。选取04-10年的面板数据。由于福建省地域辽阔且地形复杂多变的特点，导致各地经济发展方向、速度和重点也大不相同。福建省农民收入和福建省农业用电量也不例外。这符合我省的基本省情，不同区域之间的发展差异性是客观存在的。本文希望通过面板模型能很好的揭示福建省的这种情况。本文按照福建省各个区域地形特点、语言特点、历史性等尝试着把福建67个县市划分成闽南、闽北、闽东、闽西四个区域进行分析。其中闽北：包括南平（武夷山、浦城、建阳、建瓯、光泽、松溪、顺昌、政和、邵武）。闽西：包括龙岩（漳平、永定、上杭、武平、连城、长汀），三明 （沙县、明溪、清流、宁化、建宁、泰宁、将乐、永安、尤溪、大田）。闽东：包括福州（闽侯、长乐、连江、闽清、永泰、福清、平潭、罗源）、莆田（仙游）、宁德（福安、福鼎、古田、霞浦、周宁、寿宁、屏南、柘荣）。闽南：包括泉州（晋江、石狮、南安、惠安、安溪、永春、德化）、厦门、漳州（华安、南靖、长泰、平和、东山、诏安、云霄、漳浦、龙海）。 2.2.2模型的建立 第一步：单位根检验。在分析经济数据进行协整检验时，首先需要对经济数据的平稳性检验，而单位根检验是常用的方法。本文采用的面板单位根检验是在时间序列单位根检验的基础上发展的。它把截面数据的特性和