非等间隔动态面板数据模型估计方法与应用实例.pdfVIP

· 124 · 数《量经济技术经济研究》2013年第 1O期 非等间隔动态面板数据模型 估计方法与应用实例 乔 坤 元 (北京大学光华管理学院) 【摘要】非等间隔动态面板数据模型由于相邻两期观测之间的时间长度不尽相 同，使得传统动态面板数据模型的估计方法失效。本文提 出使用非线性最小二乘、 最短距离以及它们的一步估计量对该模型进行估计，证明4个估计量的一致性和渐 进正态性，同时借助蒙特卡洛模拟方法验证在有限样本 中的估计精度 ，进一步使用 所提出的估计量讨论 以往文献 中由于缺乏相应估计方法而没有被研究或者充分讨论 的问题 。 关键词 动态面板数据 最小二乘估计 最短距离 中图分类号 F224．0 文献标识码 A UnequallySpacedDynamicPanelDataM odel： EstimationandApplications Abstract：Thenatureofvaryingtimeintervallengthsoftwocontiguousperi— odsinunequallyspaceddynamicpaneldatanullifythetraditionalestimationmeth— odsfordynamicpaneldata，andthecurrentpaperprovidesnonlinearleastsquares， minimum distanceand theirone-stepestimatorsforthemodelwith establishing theirconsistencyaswellasasymptoticnormality．Thesimulation studycorrobo— ratestheresultsinthecaseoffinitesample．Thepaperalsoappliestheseestimators todiscusssomeuncoveredorunderstudiedtopicsintheexistingliteraturedueto thelackofeconometrictechniques． Keywords：DynamicPanelData；LeastSquares；M inimum Distance 一 、 引言和文献回顾 动态面板数据模型 (DynamicPanelDataMode1)研究面板数据的动态效应，也即因变 量的滞后项 (一般为滞后一期)对于当期的影响。由于动态面板数据模型中因变量的滞后项 是内生的 (Endogenous)，直接估计会带来 “动态面板偏差”，因此学者们对这一问题展开 广泛讨论 。对于该模型估计方法的研究起源于 2O世纪80年代，Arellano和Bond(1991) 在前人研究成果的基础上，提出差分广义矩估计法 (DifferenceGeneralizedMethodsofMo— 非等间隔动态面板数据模型：估计方法与应用实例 ·125 · ment，DifferenceGMM)。该方法首先对数据进行一阶差分从而去除个体效应，而后使用因 变量的高阶滞后项 (滞后两期及 以上)作为模型中差分后因变量滞后项的工具变量 (In— strumentVariable)进行估计，而滞后项阶数的选择要避免弱工具变量 (weakInstru— ment)，也即这些高阶滞后项与差分后的因变量滞后项的相关性过小，这样会增加渐进误 差，以及过度识别 (Ove卜identification)即工具变量的数量不宜过多，否则同样会增加渐进 误差的问题。目前，Arellano和Bond (1991)提出的差分GMM 已经成为估计动态面板数 据模型最常用的方法之一。 传统的动态面板数据模型的估计方法仅仅针对标准的面板数据，然而无论是发达国家还 是发展中国家，实际调查中得到的面板数据越来越多地呈现出非等间隔的 (Une