Ch16单方程回归模型及几个专题.pptVIP

 按模型中的参数变化情况将Panel Data模型分为三类： 模型Ⅰ： 此模型称为变系数模型。 对应数据除了存在个体影响外，在横截面上还表现为经济结构的变化。 模型Ⅱ： 由于在横截面上个体影响的不同， 称为变截距模型。个体影响表现 为模型中被忽略的反映个体差异 的变量的影响，又分为固定和随 机影响两种情况。 模型Ⅲ： 在横截面上无个体影响、无结构 变化，相当于将多个时期的截面 数据放在一起作为样本数据。 由于多数Panel Data是来自经济 活动的复杂过程，如果忽视Panel Data在横截面或时间上参数的本质差 异，可能会导致参数估计不是一致估 计或估计出的参数值无意义。因此， 利用Panel Data进行经济分析时，首 先应对模型的设定形式进行检验，确 定模型参数与在不同横截面上是否相 同，然后再估计参数。 可以用如下两种假设表示： 假设1　斜率和截距在不同的横截面 样本点和时间上都相同。 假设2　斜率在不同的横截面样本点 和时间上相同.但截距不同。 首先检验假设1。若接受了假设1，就 没有必要进行进一步的检验，就采用 模型Ⅲ的形式；若拒绝了假设1，则 再检验假设2，若通过检验，就选模 型Ⅱ，若没通过检验，就选模型Ⅰ。 判断样本数据究竟符合哪种模型形式， 可以利用协方差分析构造两个F检验 统计量: 其中， 、 、 分别是 模型Ⅰ、模型Ⅱ、模型Ⅲ进行 估计时所得的残差平方和， 为截面样本点的个数； 为时序期数； 为待估计参数（不含截距项） 的个数。 若通过检验确定应该对Panel Data采 用变截距模型，则需进一步确定个体 影响是固定影响还是随机影响，从理 论上讲，当截面单位是总体的所有单 位时，选择固定影响模型更合理；若 截面单位是随机抽自一个大的总体时， 把所抽样本的个体差异认为服从随机 分布更合适。 对Panel data模型的参数进行估计时，可以使用GLS、迭代极大似然估计（IMLE）以及似然不相关分析方法(SUR)，其中似然不相关分析方法(SUR)是一种重要的方法，它可以克服异方差和自相关的影响，但是这种方法应用的前提条件是截面数要小于时间跨度。 Panel Data模型的优点 Panel Data指在时间序列上取多个截面， 在这些截面上同时选取样本观测值所构 成的样本数据，也就是把截面和时间序 列数据融合在一起的数据。截面数据是 选择同一时间上不同区域的数据，而时 间序列数据是选择同一区域在不同时间 上的数据，二者在实际应用中都有一定 的局限性。相对于只利用截面数据或只 利用时间序列数据进行经济分析而言， Panel Data模型具有许多优点。 1.Panel Data模型可以通过设置 虚拟变量对个别的差异进行控制。 2.通过对不同横截面单元不同时 间观察值的结合，成为“更多信息、 更可变、变量之间更少共线性、更多 自由度、更有效”的数据。它通常提 供给研究者大量的数据点，增加了自 由度并减少了解释变量之间的共线性， 从而改进了计量经济估计的有效性。 3.Panel Data是对同一截面单元集进行 重复观察，能更好地研究经济行为变化 的动态性。 4.比较重要，Panel Data模型使我们对 更复杂的行为模型进行研究。相对于纯 横截面数据或纯时间序列数据而言， Panel Data能更好地处理经济规模和技 术效率这一类现象。Panel Data模型能 够将在纯截面模型和纯时间序列模型中 难以分离出来的效应进行分离和测量。 五、随机游走模型 金融时间序列如股票指数,汇率等服从随机游走,根据今天的值不能预测出明天的值。 Yt=Yt-1+ut 带漂移项的随机游走模型 Yt=d+Yt-1+ut 六、线性概率模型(LPM) 1.定义 Yi=B1+B2Xi+ui Y=1表示申请到房贷,X表示年家庭收入。 E(Yi|Xi)解释为收入水平为Xi的家庭申请到房贷的概率。 B2解释为X单位变动引起Y=1的概率的变动。 2.性质 (1)估计的Y值可能为负或大于1 。 (2)ui服从二项分布。 (3)ui是异方差。 (4)R2 无意义。 样本容量大,二项分布收敛于正太分布; 估计的Y值为负,则取0;估计的Y值大于1,则取1。 主要问题是假设概率随X值线性变化, 收入分布的两端,收入水平的稍许增加不会对