白仲林教授面板数据讲座课件 第二讲 面板数据线性回归模型.docVIP

白仲林教授面板数据讲座课件 第二讲 面板数据线性回归模型 面板数据计量分析 白仲林 1.1 混合回归模型 1 面板数据混合回归模型 2假设1 ε ~ N(0, σI) NT对于面板数据y和X，无约束的线性回归模型是 iiy = Zδ + ε i =1, 2, … , N (4.1) ii ii#039;#039;其中y= ( y, … , y)，Z= [ ι, X]并且X是T×K的，δ是1×(K+1)的，ε是T×1的。 i1iTi Ti iiii注意：各个体的回归系数δ是不同的。 i如果面板数据可混合，则得到有约束模型 y = Zδ + ε (4.2) #039;#039;#039;#039;#039;#039; 其中Z′ = (Z,Z, … ,Z)，u′= (ε,ε, … ,ε)。 12N12N2 混合回归模型的估计 当满足可混合回归假设时， ??1#039;#039;??δ=ZZZY ()在假设1下，对于Grunfeld数据，基于EViews6建立的混合回归模型 3 面板数据的可混合性检验 假设检验原理：基于OLS/ML估计，对约束条件的检验。 （1） 面板数据可混合的检验 推断面板数据可混合的零假设是： 1H：对于所有的i都有δ = δ. i0检验约束条件的统计量是Chow检验的F统计量 面板数据计量分析 白仲林 SSE??SSE(N??1)K#039;()resuresF= #039;()SSENT??KuresN#039;其中，K=K+1，SSE=SSE. ures∑ii=11在H条件下，F~ F [(N -1)K′, N(T - K′ )]分布。 obs 01对于Grunfeld数据，在零假设H下，混合OLS估计得到SSE= 1755850.48；无约束0res模型的SSE由10个公司的OLS回归SSE之和得到，即SSE = 324728.47，每个回归uresures有17个自由度，总的自由度为170；共有27（=3*9）个约束；Chow检验的F统计量取值1为27.75；经检验拒绝了所有系数可混合性的零假设H。 0(2) 斜率系数的可混合性检验（剔除非时变异质性因素后的可混合性检验） 另外，也可以利用Chow检验的F统计量只斜率系数的可混合性进行检验（允许截距不完全相同），即检验零假设 2H：β =β =，…，=β 12N0这时，有约束模型是带有个体虚拟变量的组内回归，无约束模型与前面相同。 2对于Grunfeld数据，在零假设H下，组内估计得到SSE= 523478；同样，无约束模0res型的SSE由10个公司的OLS回归SSE之和得到，即SSE = 324728.47，每个回归有uresures17个自由度，总的自由度为170；共有18（=2*9）个约束；得到F统计量等于5.78；因此2拒绝了斜率系数具有可混合性的零假设H。 0类似地，还可以检验系数是否随时间变化的可混合性问题。 1.2 个体固定效应模型（Fixed-effects (FE) model） 面板数据混合回归模型没有考虑不可观测的非时变异质因素，当考虑了这些因素对模型参数估计的影响时，并且，它们与解释变量（可观测的时变异质性因素）相关时，为了保证回归参数估计的无偏性，需要在面板数据回归模型中特别剔除个体固定效应的影响，即将模型设定为个体固定效应模型。 1 个体固定效应模型及其估计 对于面板数据个体固定效应回归模型 y=α+Xβ+ξ+u ititiit其中，ξ即为不可观测的非时变异质因素。其矩阵形式为 i 面板数据计量分析 白仲林 Y=αι+Xβ+I??ιξ+U ()NTNT#039;#039;#039;令Z=ιXI??ι，δ=αβξ，则LSDV估计是 []()NTNT??1#039;#039;??δ=ZZZY ()另外，通过进行组内离差，组内离差模型 y??y=(X??x)β+(u??u) iti.iti.iti.????的OLS估计β也是无偏估计，被称为组内估计，并且，α??=y??xβ. within....withinEViews估计结果 2 个体固定效应检验 检验面板数据固定效应模型设定的零假设是： 3H：ξ=ξ= … =ξ=0. 1 2 N-10检验约束条件的统计量是Chow检验的F统计量 3H0SSE??SSEN??1()()resuresF~N??1,TN??K ()(SSENT??N??Kures3在H条件下，对应于混合回归模型，无约束模型是LSDV回归模型。如果N较大，组0内均值回归的残差平方和可作为SSE. ures 面板数据计量分析 白仲林 对于Grunfeld数据，F =