面板数据的双误差分量模型与Hausman检验.docVIP

 面板数据的双误差分量模型与 Ha u s m a n 检验 王汝芳 1，杜勇宏 2 （1.北 京 物 资 学 院 经 济 学 院 ，北 京 101149；2.南 开 大 学 经 济 学 院 ，天 津 300071） 摘 要 ：双 误 差 分量模型可以分为四类 ：固定效应双误差分量模型 、随机效应双误差分量模型 、 个 体 固 定 效 应-时间随机效应的双误差分量模型 、个 体 随 机 效 应-时间固定效应的双误差分量模型 。 Hausman 检 验 该 如 何 判断个体或者时间是固定效应还是随机效应呢 ？ 文章对此专门进行了研究 ，给 出了一个合理有效的步骤 。 关 键 词 ：面 板 数 据 ；固 定 效 应 ；随 机 效 应 ；Hausman 检 验 中 图 分 类 号 ：F224 文 献 标 识 码 ：A 文 章 编 号 ：1002－6487（2009）21－0030-03 （包 括 k 个 回 归 量 ），β 为 k×1 阶回归系数列向量 ，yit 对 于 不 同个体回归系数相同 ，yit 为 被 回 归 变 量 （标 量 ），εit 为 误 差 项 （标 量 ），则称此模型为个体固定效应回归模型 。 个体固定效应回归模型也可以表示为 引言 0 根 据截距项和系数的不同限制通常将面板模型分为三 类 ：无 个 体 影响的不变系数模型 、含个体影响的变系数模型 、 含个体影响的不变系数模型 。 其中含个体影响的不变系数模 型又可细分为三类 ：双误差分量模型 、个体效应的单因素模 型 和 时 间 效应的单因素模型 。 在 这 些 模 型 中 ，双 误 差 分 量 模 型 最 为 宽 泛 ，单因素模型是双误差分量模型的特例 。 在 双 误 差 分 量 模 型 中 ，个体效应和时间效应可以同时为固定效应或 者 随 机 效 应 ，也可以分别为固定效应或者随机效应 。 因 此 ，双 误 差 分 量 模型可以分为四类 ： 固定效应双误差分量模型 、随 机效应双误差分量 模 型 、 个 体 固 定 效 应-时间随机效应的双 误 差 分 量 模 型 、 个 体 随 机 效 应-时间固定效应的双误差分量 模 型 。 在 实际应用中普遍只对原假设 ：个体效应和时间效应 同时为随机效应 ；对 立 假 设 ：个体效应和时间效应同时为固 定效应的情形进行 Hausman 检 验 。但是对于数据生成过程为 个 体 固 定 效 应-时 间随机效应的双误差分量模型 、 个 体 随 机 效 应 - 时间固定效应的双 误差分量模型情形 ， 仅 做 上 述 的 Hausman 检 验 是 不 够 的 。 本文拟对此专门进行研究 ，并 提 出 一个合理有效的流程 。 yit=α1D1+α2D2+…+α1DN+Xitβ+εit （t=1,2,…,T） 其 中 (2) Di= ! 1 如 果 属 于 第 i 个 个 体 （i=1,2,… ，N） 0 其 他 （2）随机效应回归模型 对于面板数据模型 yit=αi+Xitβ+εit （i=1,2,…,N;t=1,2,…,T） （3） 如 果 αi 为 随 机 变 量 ，其 分 布 与 Xit 无 关 ； Xit 为 k×1 阶 回 归 变 量 列 向 量 （包 括 k 个 回 归 量 ），β 为 k×1 阶回归系数列向 量 ，对于不同个体回归系数相同 ，yit 为 被 回 归 变 量 （标 量 ），εit 为 误 差 项 （标 量 ），这种模型称为个体随机效应回归模型 。 其 假 定 条 件 是 αi~iid(α,σα2) εit~iid(0,σε2) 都被假定为独立同分布 ，但并未限定何种分布 。 同 理也可定义时点固定效应回归模型和时点随机效应 回 归 模 型 ，从而可以将双误差分量模型分为四类 。 一 个 双 误 差 分 量 模 型 双误差分量面板模型的类型 1 yit=ai+γt+Xitβ+eit （i=1,2,…,N;t=1,2,…,T） （4） 其 中 i 对 应 面 板 数据中不同个体 ， t 对应面板数据中不 同 时 点 。 N 表示面板数据中含有 N 个 个 体 ，T 表 示 时 间 序 列 的 最 大 长 度 。 yit 为 被 回 归 变 量 （标 量 ）；ai 是 随 机 变 量 ，表 示 对 于 N 个 个 体 有 N 个不同的截距项 ；gt 是 随 机 变 量 ， 表 示 对 于 T 个 截 面 （时 点 ）有 T 个不同的截距项 ；Xit 为 k×1 阶 回 归 变 量 列 向 量 ；β 为 k×1 阶回归系数列向量 ；εit 为 误差项