面板数据讲义.doc

面板数据模型与应用 1．面板数据定义 panel data的中译：面板数据、桌面数据、平行数据、纵列数据、时间序列截面数据、混合数据（pool data）、固定调查对象数据。 面板数据定义 （1）面板数据定义为相同截面上的个体在不同时点的重复观测数据。 （2）称为纵向(longitudinal)变量序列（个体）的多次测量。 面板数据从横截面（cross section）看，是由若干个体（entity, unit, individual）在某一时点构成的截面观测值，从纵剖面（longitudinal section）看每个个体都是一个时间序列。 图1 N=7，T=50的面板数据示意图 面板数据用双下标变量表示。例如 yi t, i = 1, 2, …, N; t = 1, 2, …, T i对应面板数据中不同个体。N表示面板数据中含有N个个体。t对应面板数据中不同时点。T表示时间序列的最大长度。若固定t不变，yi ., ( i = 1, 2, …, N)是横截面上的N个随机变量；若固定i不变，y. t, (t = 1, 2, …, T)是纵剖面上的一个时间序列（个体）。 2. 面板数据模型 面板数据模型是利用面板数据构建的模型。面板数据系一组个体在一段时间内的观测值形成的数据集，这里“个体”可以是个人、家庭、企业、行业、地区或国家（Baltagi，2008）。1966年，Balestra Nerlove发表了第一篇利用面板数据模型研究天然气需求估计的论文，此后，面板数据模型这一新的计量分析方法在理论和应用上得到迅速发展，已形成现代计量经济学的一个相对独立的分支。 面板数据模型由于同时使用了截面数据（cross-sectional data）和时间序列数据（time series data），因而可以控制个体的异质性，识别、测量单纯使用这两种数据无法估计的效应；并且具有包含更多的信息、更大的变异和自由度、变量间的共线性也更弱的特性，可得到更精确的参数估计（Hsiao，2003、2008）。 面板数据涉及个体（N）和时间（T）两个维度，有微观面板（micro panels）和宏观面板（macro panels）之分。 微观面板源于截面数据的计量分析，是针对个体的调查数据，其特点是个体数N较大（通常是几百或几千个），而时期数T较小（最少为2年，最长不超过20年），主要应用于劳动经济学以及需求分析、成本分析和生产函数分析等。 宏观面板一般具有适度规模的个体N（从7到100或200不等，如G7，OECD、欧盟、发达国家或发展中国家），时期数T一般在20至60之间，甚至更大。这类数据可以刻画一些制度或政策的外生变化，常用于识别政策效应研究中的关注参数。 宏观和微观面板要求使用不同的计量建模方法。微观面板通常研究T固定而N较大时（简称“大N小T”）的渐近性质，而宏观面板则是同时考虑T和N都较大时（简称“大N大T”）的渐近性质，此时可以分为对角极限、序贯极限和联合极限三种情形来讨论。 对于宏观面板，当T较大时需要考虑数据的非平稳（如单位根和协整）与结构变化等特征；微观面板由于时间短，一般不需要处理非平稳问题。在处理宏观面板时，还必须考虑个体之间的相关性，即截面相关，而在微观面板中，如果个体是随机抽样产生，则个体之间不大可能存在相关性，不需要考虑此类问题（Baltagi，2008）。 假设有N个个体T期的观测值和，，，；是在、和一组固定参数的条件下，概率分布产生的随机结果，其中是不可观测的影响因素。(如何理解？) 面板数据建模的目的是利用全部的样本信息来对进行推断。 假定感兴趣的影响因素是，通常的做法是通过在时间和个体上的变化，即来反映不可观测的异质性；因此，给定，的条件密度为。此时如果不对进行任何约束，该模型就只有描述性作用，不能进行任何的统计推断（如何理解 ？）。 常用的施加在上的约束条件是将分解为，其中不随时间和个体变动，称为结构参数（structural parameters），称为冗余参数（incidental parameters），迄今，面板数据的文献主要集中在控制了后如何对进行推断。 进一步，如果不对施加约束也不能对做出推断，因为将会耗尽所有的样本信息。 一般的处理思路是：假定可观测变量的影响不随时间和个体变化，由描述；冗余参数代表了以外随个体和时间变化的异质性影响，这种影响可以分解为个体效应、时间效应以及随个体和时间变化的效应。 个体效应和时间效应可以设定为随机变量，也可以设定为固定的参数，分别形成了随机效应（random effects）模型和固定效应（fixed effects）模型。 所要研究的问题： 模型的设定 模型估计 模型的检验 模型的应用 问题： 是否可将前面计量经济学所教授的内容直接应用于面板数据计量经济学