计量经济学（第三版）（谢识予）计量三9.pptVIP

第9章 面板数据分析 本专题介绍面板数据分析的基本原理、主要模型。 现代计量经济学三大数据类型： 横截面数据 时间序列数据 面板数据（Panel data） 面板数据——同时包含横截面和时间序列 一、为什么发展面板数据分析方法 截面数据和时序数据局限性和问题 一维数据，比较简单 信息含量比较低， 无法发现规律和误读的问题。 “无法观测的异质性”，简称“异质性”，也可认为“遗落变量”。 无法观测的异质性： 横截面数据中截面个体的特质， 时间序列数据中各个时点的特质 无法观测到，或者观测很困难 会对被解释变量取值造成显著影响 异质性的例子 截面数据研究： 农业产量、产值与农业投入之间关系——土地位置、肥力因素难以观测衡量，但会对结果造成影响； 个人收入与工作年限关系——个性等因素也无法观测，但有影响； 企业规模、投资与产出、利润关系研究——管理、文化、CEO个人能力等会影响结果，但是又很难观测衡量。 时间序列数据分析： 一个国家的产出规律、生产函数研究——随时间变化的市场环境、体制、人们思想意识、消费心理、产品结构、生产技术等很难观测，但有影响，时间序列数据分析常常很难识别和排除这些影响。 两种不同异质性： 个体异质性（横截面异质性） 时间异质性（时间序列异质性） 横截面数据分析和时间序列数据分析结果的有效性、可靠性受影响 把对个别家庭、企业或国家的观测分析结果用于相似对象时造成限制 无法简单地把不同个体的数据合并起来使用，或者不同时间点对横截面的观测数据加以合并使用。如果不存在此类异质性，可以简单地把所有截面个体的数据，或者所有时点的截面数据合并起来，当作一个更大的数据集直接使用。 看起来理想的结果，对理论研究和实践的误导作用。 如何消除异质性造成的偏差： 自然科学一般采用控制实验或者随机实验的方法 社会科学研究一般无法进行有效的控制实验和随机实验。现在能进行一些随机实验，但更多自然实验。自然实验不可避免地会受到异质性问题干扰。 计量经济学家采用倍差估计量等方法克服这些问题。 面板数据分析方法、技术是现代计量经济学处理这种异质性问题的最主要的方法。 面板数据的作用不仅在于处于异质性，同时也可以更好地利用数据、揭示规律，包括截面个体的差异特征和不同时间点的特征等。 一般 认为同时具有横截面和时间序列两方面特征就是面板数据 但这并不确切，因为有该特征的有几类不同情况： （1）同一个总体的多次随机抽样。——有许多横截面，但不包含个体时间序列 （2）同一个截面个体不同时间数据的合并——有多个时间序列，但没有横截面 （3）同一个横截面个体多次同时观测——同一个时间的一次性观测就构成一个截面数据，个体的多次观测结果就构成一个时间序列 只有其中第三类数据才称为“面板数据”（panel data），也称“纵列数据”。 面板数据是整个横截面的时间序列，或者整个时间序列的横截面。 面板数据价值 包含了单纯截面数据或时间序列数据不包括的更多信息 克服单纯截面数据或时序数据计量分析的困难和问题，特别是异质性导致的误读问题。 比较研究的需要 横向比较和预测分析的结合 （1）蒙德拉克1962年用面板数据克服农场生产研究中的异质性问题。 （固定效应模型） 管理因素导致遗漏变量，无法观测异质性，影响对农场投入产出弹性估计。 以色列66个农场，1954年到1958年产出、劳动、原材料、资本投入、土地方面信息的面板数据，采用固定效应模型，把无法观测的管理因素的影响分离出来。 结果表明，忽略管理因素影响时，产出对所有投入弹性的估计值是0.97，排除了管理因素影响后，弹性估计值降到0.80，存在显著差别。 由于无法把其他无法观测因素仔细分析区分，因此蒙德拉克的管理因素不完全是严格意义上的管理因素，包括其他某些无法观测的异质性。 蒙德拉克的论文是固定效应面板数据分析的第一篇论文。 （2）巴莱斯特拉（Balestra）和纳洛夫（Nerlove）对天然气需求的研究。 （随机效应误差成分模型） 美国1957到1962年美国各州天然气消费及相关数据，对影响天然气需求的因素进行分析。 运用随机效应模型，克服无法观测的州别因素对天然气需求的影响，同时回避了固定效应模型引进大量虚拟变量牺牲很多自由度的问题。 与现在的随机效应模型有所不同，同时处理动态效应 面板数据来源： （1）对个人和企业这类微观个体的多次重复观测。 比较困难：不稳定性很强，很难进行长