面板数据模型panel data model精要.pptVIP

一、什么是面板数据 例如：4个公司20年的数据 变量： 投资（I） 厂商价值（F）、厂房设备存量（C） 4个公司： 通用电气（GE）、通用汽车（GM）、 美国钢铁（US）、西屋（Westing house） 20年： 1935-1954 三、面板数据模型及其分类 面板数据模型：依据面板数据所建立的模型 一般模型： 反映不随时间变化的个体上的差异性，被称为个体效应 反映不随个体变化的时间上的差异性，被称为时间效应 固定效应：如果个体效应或时间效应与模型中的解释变量相关 随机效应：如果个体效应或时间效应与模型中的解释变量不相关 三、面板数据模型及其分类 个体效应是固定效应：个体效应 与解释变量相关 随机效应：个体效应 与解释变量不相关 时间效应是固定效应：时间效应 与解释变量相关 随机效应：时间效应 与解释变量不相关 主要分两类： 静态面板数据模型 动态面板数据模型 三、面板数据模型及其分类 静态面板模型： 例如： 三、面板数据模型及其分类 动态面板数据模型 例如： 四、静态面板数据模型估计 面板数据一般模型： 反映不随时间变化的个体上的差异性，被称为个体效应 反映不随个体变化的时间上的差异性，被称为时间效应 固定效应：个体效应或时间效应与模型中的解释变量相关 随机效应：个体效应或时间效应与模型中的解释变量不相关 四、静态面板-固定效应LSDV估计 LSDV估计方法： 基本思想： 通过虚拟变量把个体效应（和时间效应）从误差项中分离出来，使分离后剩余的误差项与解释变量不相关，以便进行OLS估计。 四、静态面板-固定效应LSDV估计 针对如下模型： 简化： 计算步骤： LSDV估计方法的直观含义 对模型(12): 另一种等价的估计方法步骤： 第一步估计： 第二步估计： 第三步估计： 含义： 变量Y的个体内离差对变量X的个体内离差进行回归，并进行OLS估计。 四、静态面板-随机效应GLS估计 随机效应：个体效应或时间效应与模型中的解释变量不相关 OLS估计量： 无偏的，但估计量有较大的方差。 本质问题： 个体（或时间）效应导致了误差项自相关。 其BLUE的估计方法是广义最小二乘法（GLS）。 五、Hausman检验 面板数据一般模型： 反映不随时间变化的个体上的差异性，被称为个体效应 反映不随个体变化的时间上的差异性，被称为时间效应 固定效应：如果个体效应或时间效应与模型中的解释变量相关 随机效应：如果个体效应或时间效应与模型中的解释变量不相关 五、Hausman检验 豪斯曼检验假设: 原假设（H0）：随机效应； 备选假设（HA）： 固定效应 检验统计量为： ， 分别为回归系数的LSDV估计向量，估计系数协方差矩阵估计量； ， 分别为回归系数的GLS估计系数，估计系数协方差矩阵估计量。 五、Hausman检验 若随机效应为真时，豪斯曼检验统计量： 自由度K为模型中解释变量(不包括截距项)的个数。 六、动态面板-内生性问题 1. GLS估计的有偏和非一致性 (1)解释变量 与误差项 都包含个体效应 。 (2)进行差分变换， 与 ，都包含共同因素 ，无法消除解释变量的内生性问题。 2. LSDV估计的有偏和非一致性 模型(17)可以表示为： 等价于模型： 其中： 显然， 和 是相关的，都包含误差 六、动态面板-广义矩估计GMM 动态面板数据模型： 其中： 为经典误差项， 要得到 的一致估计量：需为 寻找适当的工具变量。 GMM以工具变量为基础，核心思想在于利用正交条件估计未知参数。 六、动态面板-IV估计 工具变量选择的条件： （1）与 不相关， （2）而 与相关。 思考： 能作为 工具变量使用吗？ 六、动态面板-IV估计 工具变量选择的方法： 对模型(18)取一阶差分： 因为 已经剔除了个体效应 同时对