面板数据模型的分析.pptVIP

一、面板数据和模型概述 例6-1 面板数据模型(panel data model) 二、一般面板数据模型介绍 面板数据模型的矩阵形式 面板数据模型分类 例 解 计算结果 第二节 固定效应模型及其估计方法一、固定效应模型的形式 虚拟变量模型 二、固定效应模型的估计和检验 例 计算结果 内部估计量(within estimator) 第一步 内部估计量的解释 第二步 例 (2) (3) 估计量的方差 例 固定效应的检验 例 中间估计量(between estimator) * 第六讲 面板数据模型的分析 讨论面板数据模型的基本概念与相关模型，介绍这些模型的特点、参数估计方法以及模型设定检验的方法。 第一节 面板数据模型简介 本节介绍面板数据模型的特点和基本形式。 利用横截面数据的回归分析和时间序列数据分析是经济研究中的常用方法。但只采用时间序列分析时，则不能反映不同截面数据之间的联系和区别。同时，只利用横截面数据，又不能反映数据随时间变化的特性。因而，在经济研究和实际应用中，经常需要同时分析和比较横截面数据和时间序列数据相结合的数据，这种数据既包含时间序列数据，同时又包含横截面数据的复合数据称为面板数据(panel data) 表6-1就是一个面板数据的例子，其中每一列是华东地区各省市的GDP(横截面数据)，而不同行则是每个省市的GDP(时间序列数据)。 表6-1 华东地区各省市GDP历史数据 单位：亿元 7662.10 7162.20 6650.02 5960.42 4996.87 山东 1962.98 1851.98 1715.18 1517.26 1224.04 江西 3550.24 3286.56 3000.36 2583.83 2191.27 福建 2908.59 2805.45 2669.95 2339.25 2003.66 安徽 5364.89 4987.50 4638.24 4146.06 3524.79 浙江 7697.82 7199.95 6680.34 6004.21 5155.25 江苏 4034.96 3688.20 3360.21 2902.20 2462.57 上海 1999 1998 1997 1996 1995 研究和分析面板数据的模型称为面板数据模型。一般的线 性模型只单独分析横截面数据或时间序列数据，而面板数据则 可以同时分析横截面数据和时间序列数据。 面板数据模型已成为近年来计量经济学理论和方法的重要发展之一。 先引入各变量的表示法： : 因变量在横截面 i 和时间 t 的观察值； : 第 j 个解释变量在横截面 i 和时间 t 的观察值。 于是第 i 个横截面的数据为 其中 为横截面i和时间t的随机误差项。 记 则面板数据的矩阵形式为 (6-1) 是一个最基本的面板数据模型，对(6-1)中参数 和随机误差项 的不同假设，则产生不同的面板数据模型。 (6-1) 1. 假设参数 是固定常数的不变系数模型 (1) 无个体影响 设 , 这种模型是把横截面数据堆积在一起作为样本数据，从而成为一般的线性回归模型。对这种模型，普通最小二乘估计(OLS)就是最优线性无偏估计(BLUE)。 (2) 存在个体影响 设 (6-2) 其中 表示个体 i 的效应。当假设 是固定常数时，称为固定效应模型(fixed effect model)。而假定 是随机时，称为随机效应模型(random effect model). 2. 假定参数 随截面而改变的变系数模型。 对6家企业每隔4年进行一次调查，得总生产成本 c (百万美元)和产出 y (百万千瓦小时)的数据如下，假设企业之间无差别，按一般回归模型建立方程。 已知 N=6，T=4。当各企业无差别时，采用模型 可把所有数据作为n=NT=24的样本，得 把所有数据作为n=NT=24的样本时，得 固定效应