第15讲-短面板.pdfVIP

© 陈强, 《高级计量经济学及Stata 应用》课件，第二版，2014 年，高等教育出版社。 第 15 章 短 面 板 15.1 面板数据的特点 面板数据(panel data 或longitudinal data)，指的是在一段时间内 跟踪同一组个体(individual)的数据。 它既有横截面的维度(n 个个体) ，又有时间维度(T 个时期) 。 一个T 3 的面板数据结构如表15.1。 表15.1 面板数据的结构 y x1 x2 x3 Individual 1: t = 1 Individual 1: t = 2 Individual 1: t = 3  Individual n: t = 1 Individual n: t = 2 Individual n: t = 3 2 如果面板数据T 较小，而n 较大，在使用大样本理论时让n 趋 于无穷大。这种面板数据被称为“短面板”(short panel) 。 反之，如果T 较大，而n 较小，则被称为“长面板”(long panel) 。 在面板模型中，如果解释变量包含被解释变量的滞后值，则称 为“动态面板”(dynamic panel)；反之，则称为“静态面板”(static panel) 。 如果在面板数据中，每个时期在样本中的个体完全一样，则称 为“平衡面板数据”(balanced panel)；反之，则称为“非平衡面板 数据”(unbalanced panel) 。 3 面板数据的优点： (1) 解决遗漏变量问题： 遗漏变量常由不可观测的个体差异或“异质性”(heterogeneity) 造成。 如果个体差异“不随时间而改变”(time invariant)，则面板数据 可解决遗漏变量问题。 (2) 提供个体动态行为的信息： 例：考虑区分规模效应与技术进步对企业生产效率的影响。对 于截面数据，没有时间维度，无法观测到技术进步。对于时间序 列，无法区分生产效率的提高究竟有多少由于规模扩大，有多少 4 由于技术进步。 例：对于失业问题，截面数据能告诉在某个时点上哪些人失业， 时间序列数据能告诉某个人就业与失业的历史，但这两种数据均 无法告诉是否失业的总是同一批人(低流转率) ，还是失业的人群总 在变动(高流转率) 。 (3) 样本容量较大：同时有截面维度与时间维度，面板数据的样 本容量更大，可提高估计精度。 面板数据也会带来问题，比如，数据通常不满足独立同分布的 假定，因为同一个体在不同期的扰动项一般存在自相关。 面板数据的收集成本通常较高，不易获得。 5 15.2 面板数据的估计策略 一个极端策略是将其看成是截面数据而进行混合回归(pooled regression) ，要求样本中每位个体拥有相同的回归方程。 此策略忽略个体间不可观测或被遗漏的异质性(heterogeneity)， 而该异质性可能与解释变量相关，导致估计不一致。 另一极端策略则是，为每位个体估计一个单独的回归方程。此 策略忽略了个体的共性，可能没有足够大的样本容量。 实践中常采用折衷的估计策略，即假定个体的回归方程拥有相 同的斜率，但可有不同的截距项，以此来捕捉异质性。 6 7 个体效应模型 (individual-specific effects model) 