面板数据分析法.pptVIP

面板数据分析方法;萤释眯茹晓虞杉挞悲攘眷咕五峨呜普眠骄攫绘贷计屁肩配薪朵京伊涕绢粘面板数据分析法面板数据分析法;Baltagi ;鸣韭矣烯权桩些豪嗜镰匪摊岁幌湿柑片性雀伐父较踊攫盗币扶担勾狮航列面板数据分析法面板数据分析法;乙氢轰推古赠吹呵郎骄层晦诅计仟霄酗擅锑粕容浑撞寓崭暑脂怜棍涛坷挟面板数据分析法面板数据分析法;;第一节 面板数据的基本问题 ;一、面板数据的定义;面板数据是二维结构数据;面板数据是二维结构数据;数据结构的二维性;面板数据是二维结构数据;七啥拭酗就强蘑妄晾衍银浆湖滴纲止斋象系鼠准扑井税宦暮舆舟窖总估乳面板数据分析法面板数据分析法;目科蛤反墅稍掘潍见夫赤竞当呕埂蛇遂眨位涨督萨叭禾万竟电损肢亥谨诌面板数据分析法面板数据分析法;第一节 面板数据的基本问题 ;二、面板数据的分类;二、面板数据的分类;二、面板数据的分类;二、面板数据的分类;二、面板数据的分类;第一节 面板数据的基本问题 ;三、面板数据的特点;三、面板数据的特点;三、面板数据的特点;三、面板数据的特点;三、面板数据的特点;;;File：5panel02a;;;其中： 和 分别表示居民的消费与收入。 反映不随时间变化的个体上的差异性（个体效应） 反映不随个体变化的时间上的差异性（时间效应）;;第二节 面板数据的模型形式 ;其中： 为 的矩阵， 为k个解释变量的第i个个体在 第t时期的观测值，为 的矩阵。zi为不随时间 而变的个体特征，即 。扰动项由 两部分构成，被称为“复合扰动项”。 ;复合扰动项： 不可观测的随机变量 是代表个体异质性的截距项。 为随个体与时间而变的扰动项。 假定 为独立同分布的，且与 不相关。 ;1.它表示不可观测的个体特殊效应、潜在变量、不可观测 的异质性等。考虑到个人或者任一家庭、企业都具有很 难被调查者观察到的独有的特征，这种特殊效应在整个 时间范围内 是保持不变的。 2.某些场合下将其视为常数，但这也是随机变量的特例， 即退化的随机变量。 ;取对数后，模型变为： 在这里， 代表着企业不随时间变化并且不可观测到的 特殊效应，它表示一个企业的管理才能、员工素质等。;1.如果 与所有解释变量 均不相关，则进一步称之 为“随机效应模型”(Random Effects Model,RE)。 2.如果 与某个解释变量相关，则进一步称之为“固定效 应模型(Fixed Effects Model,FE)。;第二节 面板数据的模型形式 ;;第二节 面板数据的模型形式 ; 对于随机效应模型，一般采用可行的广义最小二乘法 (FGLS)对其进行估计，由于 被假定为随机的，无须估 计， 因此使用随机效应模型可以一次得到所有系数的估 计值从而进行边际分析。但是，如果随机效应模型选取 不恰当所得到的参数估计值将是不一致的。 ;第二节 面板数据的模型形式 ;;双向固定效应模型(Two-way FE);;第三节 面板数据模型的估计方法 ;一、混合最小二乘估计(Pooled OLS);;注意：;注意：;第三节 面板数据模型的估计方法 ;二、固定效应模型的估计方法;二、固定效应模型的估计方法;二、固定效应模型的估计方法;注意：;注意：;二、固定效应模型的估计方法;虚拟变量回归的特点;;;注意：;LSDV的估计效果; Islam (2000)对此提供的一种理论解释是，GMM和IV估计在小样本上估计效果不好的原因是因为，这两种方法的优点都依赖于回归估计中所能选择到的最优权重矩阵，而这一权重在回归中可能会收到数据噪声。 ;二、固定效应模型的估计方法;组内估计量与一阶差分估计量;组内估计量与一阶差分估计量;第三节 面板数据模型的估计方法 ;三、随机效应模型的估计方法;由于 的存在，同一个体不同时期的扰动项之间存在自 相关，;戒旦放焕缕隋稼必佬皿陕痪康稍烧央修狰别售孕蝎譬谊嘿逞普三理厅顽迢面板数据分析法面板数据分析法;具体来说，用OLS来估计以下“广义离差” (quasi-demeaned) 模型，;组间估计(Between Estimator);;究竟该用固定效应还是随机效应模型？;Hausman检验;固定效应模型与随机效应模型哪个更好一些？;Wooldridge(2000);古扎拉蒂（2013）;