c13跨时横截面的混合-简单面板数据分析方法1.docxVIP

第13章 跨时横截面的混合-简单面板数据分析方法 摘要: 本章引入两类数据，一类独立混合横截面数据(independently pooled cross section): 由不同时点的两个随机独立抽取的横截面数据混合而成，保持独立性是该数据的一个特点。因此，在保持其它条件不变，排除了误差项之间的相关性。不同时点，可能意味着总体分布已经发生了变化，所以该类数据的分析可用于评价政策的变化。(13.1;13.2) 另一类是面板数据(panel data)或者纵列数据(longitudinal data),该类数据通过对同一个横截面数据的个体随时点的变化进行跟踪，连续观察而得到。同一对象的不同时点观察，不能保证这类数据的独立性。本章讨论面板数据分析较为简单的特殊模型和方法。 13.1 跨时独立横截面的混合 使用独立混合横截面数据的一个理由是增加样本容量，并且若因变量和部分自变量保持不随着时间而变化的关系，就可以得到更为精确的和更有功???的检验统计量。而为了反映总体分布随时间变化的特征，就需要对模型进行改进： 引入时间虚拟变量(例如，年度虚拟变量--year dummy variables)，也就是允许截距可以时变； 引入时间虚拟变量和某些自变量的交互效应，也就是允许斜率可以时变； 若误差项随时间而变时，仍可以使用异方差-稳健的标准误和统计量或者WLS。 跨时结构变化的邹至庄检验 在本节问题中，邹至庄检验检验的是跨时前后模型的结构是否发生了改变。此时，约束模型的残差平方和可以通过基于混合后数据回归后计算，而无约束模型的残差平方和可以通过对两个时期的数据分别回归后所得残差平方和加总得到。构造方法见C7.4和C8.2(异方差-稳健的形式)。 构造邹至庄检验的另一种方法是，引入时间虚拟变量，并让其和所有(部分)自变量进行交互，然后检验该虚拟变量和所有交互项是否联合显著的。 对多期的邹至庄检验，假定有T个时期和k个解释变量，那么约束模型中的待估参数为k+T，残差平方和记为SSRr，其F检验的自由度为n-k-T;而无约束模型的待估参数为T(k+1),残差平方和为T个时期分别做回归，回归后的残差平方和之和(SSRur=SSR1+SSR2+…+SSRT)，其F检验的自由度为n-T(k+1)；如此可以得到F检验统计量： F=SSRr-SSRurSSRurn-T(k+1)(T-1)k. 当然该检验对异方差不能保持稳健性。如果要得到异方差-稳健的检验还要回到使用交互项进行联合检验的办法。 13.2 利用混合横截面做政策分析 混合横截面分析对于评价某一事件或者政策的影响可能非常重要。当某些外生事件(通常是政府的政策)改变了个人、家庭、企业或城市的运行环境时，就产生了自然实验(natural experiment)或者被称为准实验(quasi-experiment)。在一个自然实验中总有不受政策变化影响的对照组(control group)和受政策改变影响的处理组(treatment group),不同于真实实验(true experiment)的是自然实验的这两个组的划分依据是是否受所研究的政策影响，而真实实验中则通过随机的方式确定。为了控制好这两个组之间的系统差异，我们需要政策变化前后的两年数据。如此实际样本可分为四个组： 政策变化前的年份 d2=0政策变化后的年份 d2=1对照组 (C) dT=0（dT=0，d2=0）（dT=0，d2=1）处理组（T）dT=1 （dT=1，d2=0）（dT=1，d2=1）则我们感兴趣的变量为: y=β0+δ0d2+β1dT+δ1d2dT+其它因素. δ1控制了政策效应，在没有其它因素的时候，δ1就是倍差估计量(difference-indifferences estimator)，见下表了解δ1的含义： 政策变化前的年份政策变化后的年份后减去前对照组β0β0+δ0δ0处理组β0+β1β0+β1+δ0+δ1 δ0+δ1处理组减去对照组β1β1+δ1δ1由上表可知，δ1=y2,T-y2,C-y1,T-y1,C或者δ1=y2,T-y1,T-y2,C-y1,C，这就是倍差的来源。由于倍差估计用y的平均值来处理政策效应，因此δ1也被称为平均处理效应(average treatment effect). 如果模型中包含了其它控制变量，那么δ1没有上面两种简洁的估计式，但其含义类似。 例子13.3 垃圾焚化炉的区位对住房的价格的影响 Nearinc这个虚拟变量将样本分为住房靠近垃圾焚化炉的样本组(处理组)和远离垃圾焚化炉的样本组(对照组)，例如以3英里为线划分。焚化炉是在81年动工的，所以选取了1978年和1981年两个年份的数据。实证结果如