李子奈高级应用计量经济学课件5.2 变截距Panel Data模型.pptVIP

§5.2 变截距Panel Data模型Panel Data Models with Variable Intercepts 一、固定效应变截距模型 二、随机效应变截距模型 三、固定效应和随机效应的检验 截面个体变截距Panel Data模型又分固定效应(Fixed-Effects)和随机效应(Random-Effects)两类。 前者指模型的截距对于不同的截面个体存在实质上的差异； 后者指模型的截距对于不同的截面个体只存在随机扰动的差异。 本节将分别讨论两类模型的估计方法，然后介绍一种固定效应与随机效应的检验方法。 分块估计 2、固定效应变截距模型的异方差性 在固定效应变截距模型中，横截面个体一般都存在异方差。 在存在异方差的情况下，模型参数的OLS估计仍是无偏和一致估计，但是不具有有效性。 对于固定效应变截距模型的LSDV估计，为了使得统计推断有效，需要对参数估计的协方差阵进行调整。 参数LSDV估计协方差阵的White一致估计为： 4、截面个体属性变量问题 问题：对被解释变量产生显著影响的个体属性变量是否需要作为模型的解释变量？ 在截面个体变截距固定效应Panel Data模型中，截面个体影响通过不同的参数αi加以表达。 不需要包含不随时间改变的个体属性变量。如果引入这些变量，模型估计将无法进行。 附：在Eviews中建立Panel Data数据文件以及估计固定效应变截距模型演示 以北京、天津、河北、山西、内蒙1997-2003年GDP和CONS（消费总额）数据，以及消费模型为例。 将αi和μit一起构成组合随机项，然后根据该组合随机项的性质选择模型的估计方法，就是随机效应变截距模型估计的基本思路。 随机影响变截距模型与截距、系数不变的模型的区别在随机项，于是FGLS成为首选的估计方法。 1、固定效应和随机效应的Hausman检验 思路 比较固定效应变截距模型和随机效应变截距模型，发现： 固定效应变截距模型中的个体影响αi随截面个体而变化，即随解释变量观测值的变化而变化，换句话说，个体影响与解释变量是相关的； 而随机效应变截距模型中的个体影响包含不随截面个体变化的主体部分ρ和随机扰动部分αi ，可以认为该个体影响与解释变量是不相关的。 正是基于这一发现，Hausman（1978）提出的关于固定效应和随机效应设定的检验，就是检验个体随机效应与解释变量之间的正交性。 直观解释 在个体效应与解释变量不相关的0假设下，固定效应变截距模型的OLS估计是渐近无偏的（一致的），但非有效；随机效应变截距模型的FGLS估计是渐近无偏和有效的。因此， b和β＾之间没有系统性偏差，致使统计量W的值比较小。 如果个体效应与解释变量相关， b仍然是无偏估计，而β＾则不具有渐近无偏性， b和β＾之间存在系统性偏差，致使统计量W的值比较大。 所以，给定显著性水平，如果计算得到的统计量W的值小于分布临界值，则不拒绝个体效应与解释变量不相关的假设，选择随机效应变截距模型优于固定效应变截距模型。如果统计量W的值大于分布临界值，则应该选择固定效应变截距模型。 输出 数据整齐 二、随机效应变截距模型 1、随机影响变截距模型的FGLS估计方法 对于不同个体，截距的主体部分相同，只是随机扰动不同 OLS将得到参数的无偏和一致估计，但为什么要采用FGLS进行参数估计？ 第一，OLS虽得到参数的一致估计，但标准误差被低估。 第二，OLS估计不如可行的广义最小二乘估计有效。 Ω已知时的GLS估计 Ω未知时的FGLS估计 对原方程两边在时间上求平均 Greene(1997)推荐 对该模型进行OLS估计，就得到参数的FGLS估计。 2、随机效应模型的ML估计 令偏导数为0，得到参数的最大似然估计。 3、截面个体属性变量问题 个体属性的影响应该被考虑。 个体属性变量的观测值不随时间改变。 Zi 与αi共线性，无法估计得到γ、μ、α，可以估计β。 假定Zi 与αi不相关，可以实现模型的估计，但估计量的性质不理想。 4、随机效应模型中异方差问题 假设在不同横截面上随机影响αi的方差不同。 只需对同方差时参数的估计稍作修正，就可适应于异方差情形。 5、随机影响模型中序列相关问题 放松uit序列无关的假定。 消除个体影响αi 利用该模型的最小二乘残差去估计序列相关系数ρ 6、不齐平行数据的随机效应模型 在随机效应影响模型中，不齐平行数据增加了一些估计上的困难。 附：用Eviews估计随机效应变截距模型演示 输出 结果 固定影响 三、固定影响/随机影响模型的检验 Wald统计量 其中b是LSDV模型的估计结果；β＾是假定模型为随机效应模型时采用FGLS估计的结果；Σ为LSDV模型与随机影响模型经过估计后得到的估计量之差的方