第十章合并时间序列和截面数据.PDFVIP

第十章 合并时间序列和截面数据 当我们调查研究诸如家庭、公司或者国家等经济单位的经济行为时，常常会 碰到一些经济单位在某些时期的观测。例如，如果我们要研究某公司的经济行为， 也许会观测该公司的成本、投入和产出。对某些年份来说这些观测可以是每年都 采集的。如果我们要研究总体水平上的国际石油和煤炭的使用情况，我们可以观 测一些国家某些年份的季度或年度的石油和煤炭的使用情况以及相应的解释变 量。在这些例子中调查者拥有关于经济单位截面的时间序列数据。问题的关键在 于如何设定模型，才能抓住个体在行为上的差异，以便我们能组合 （合并）所有 数据 （信息），以便更好地进行估计和推断。本章我们将考虑合并时间序列和截 面数据的三个模型。它们是 （1 ）似不相关回归模型 （Seemingly Unrelated Regressions Model）；（2 ）虚拟变量模型 （Dummy Variables Model）；（3 ）误差成 份模型 （Error Component Model）。同样的经济例子将会贯穿本章内容以说明这 三个模型。在我们未讨论这些模型之前，先介绍有关合并数据的经济例子和一般 方程。 第一节 一个经济例子 我们知道，投资需求就是个体和公司购买耐用产品。从总支出的组成来讲， 投资支出是易变的成份。于是，搞清楚什么因素决定投资是理解总需求中波动性 来源的关键。此外，公司的净固定投资 （它可以是流入公司的资本存量，或者是 替代公司已报废的资本）是很重要的，因为它决定公司资本的未来价值，进而影 响未来的劳动生产率和总供给。 许多有趣和精细的理论都曾试图描述公司投资过程的决定因素，并且绝大多 数这类理论都得出了这样的结论，即预期利润或未来收益的净现值和期望资本存 量是公司的固定行业投资的两个重要决定因素。然而，不幸的是这些变量都不可 以直接观测。于是，在构造经济模型时我们就必须用可观测的替代量来代替这些 不可观测的变量。 对于预期利润来说，可用的替代量是公司有价证券的市场价值。由于公司的 股票价格说明和包含了有关这些预期利润的信息，所以它与公司未来收益的现值 是一致的。从而，我们就更明确地把公司股票年初的市场价值V 作为预期利润的 t 替代量。 对于期望资本存量，期望这个含义起到了决定作用。为抓住这些期望的作用， 一种可能的做法就是认定任何时期的实际资本存量是过去一系列期望资本存量 的加总。于是，我们用年初实际资本存量作为期望资本存量的一个永久替代量。 我们现在把着眼点放到解释变量上来。描述第i 个公司在第t 个时期总投资的 经济模型可以表述成 INV f V , K （10.1.1） it it it 这里令y INV 表示因变量的数值，x V 和x K 表示解释变量的数值。 it it 2it it 3it it 于是，相应与 （10.1.1）式的一个有弹性的线性统计模型为 y it b 1it b2it x 2it b3itx 3it eit （10.1.2） 在这个一般模型中，不同的公司在同一个时期它们的截距和响应参数是允许不同 的。由于未知参数比数据点多，所以按当前的形式模型不能被估计。这样，我们 就必须作许多简化假设使得模型可以运行。计量经济学中的一个挑战性问题就是 设定一个与数据产生过程一致的统计模型。本章我们讨论的三个模型实际上就是 （10.1.2）式中一般模型的特殊形式。 第二节 似不相关回归 （Seemingly Unrelated Regressions Model） 对 （10.1.2）式的简化就可以产生所谓似不相关回归 （SUR）模型，即 b1it b1i b2it b2i b3it b 3i （10.2.1 ） （10.2.1 ）就是说投资函数的参数关于不同的公司是不同的，但关于时间