[经济学]第十六章 面板数据模型一.docVIP

第16章 静态面板数据模型 时间序列数据或截面数据都是一维数据。例如时间序列数据是变量按时间得到的数据；截面数据是变量在截面空间上的数据。 面板数据（panel data）也称时间序列截面数据（time series and cross section data）或混合数据（pool data）。面板数据是同时在时间和截面空间上取得的二维数据。面板数据从横截面（cross section）上看，是由若干个体（entity, unit, individual）在某一时刻构成的截面观测值，从纵剖面（longitudinal section）上看是一个时间序列。 对于面板数据yit（i=1,2,…，N，t=1,2,…，T）来说，如果从横截面上看，每个变量都有观测值，从纵剖面上看，每一期都有观测值，则称此面板数据为平衡面板数据（balanced panel data）。若在面板数据中丢失若干个观测值，则称此面板数据为非平衡面板数据（unbalanced panel data）。 本章主要讨论静态面板数据模型的相关理论及软件操作，首先从模型的检验开始到介绍变截距模型中的固定影响变截距模型和随机影响变截距模型，然后到变系数模型。本章的流程图如下： 16.1面板数据模型建模的基本原理 在应用多元回归分析建立的计量经济模型时，如果所建的模型中缺失了某些不可观测的重要解释变量，使得回归模型随机误差项常常存在自相关。于是回归参数的最小二乘法OLS估计量不再是无偏估计或有效估计。但是，运用面板数据建立的计量经济模型时，对于一些忽略的解释变量可以不需要其实际观察值，而通过控制该变量对被解释变量的影响的方法获得模型参数的无偏估计。 由此可见，面板数据不仅可以同时利用截面数据和时间序列数据建立计量经济模型，而且能更好地识别和度量单纯的时间序列模型和单纯截面数据模型所不能发现的影响因素，它能够构造和检验更复杂的行为模型。例如：在宏观领域，它被广泛用于劳动经济学、国际金融、经济增长、产业结构、技术创新、税收政策等领域。 16.1.1面板数据模型基本框架 面板数据能更好地识别和度量时间序列或截面数据不可发觉的效应，有助于建立和检验更复杂的行为模型，其基本模型是如下形式的一般回归模型： （16.1.1） 其中：是个体在时间时期的观测值，表示模型的常数项，代表固定或者随机的截面效应，代表固定或者随机的时期效应，表示k阶解释变量观测值向量。表示解释变量的系数向量，并且在根据其条件的限制分为三种值，一是对所有截面和时期都是相同的常数，二是在不同的截面是不同的系数，三是在不同的时期是不同的。是独立同分布的误差项，即。 在公式（16.1.1）中，如果考虑k个解释变量，自由度远小于参数个数，对于截面成员方程，待估计参数的个数为，对于时间截面方程，待估计参数的个数为，这使得该模型无法估计。为了对模型进行估计，则可以建立以下的两类模型：从个体成员角度考虑，建立含有N个个体成员方程的面板数据模型；在时间点上截面，建立含有T个时间点截面方程的面板数据模型。 1）含有N个个体成员方程的面板数据模型 模型形式如下： （16.1.2） 其中：是个体的观观测值的时间序列。系数向量取值受不同个体的影响，表示个体解释变量观测值时间序列。是T阶的单位行向量，是T阶的单位列向量。，包括所有的时点效应。该式含有N个截面方程。 2）含有T个时间截面方程的面板数据。 其形式如下： （16.1.3） 其中：是某一时间点的各个个体成员的因变量观测值序列。系数向量取值受不同时期的影响，表示某一时间点的各个个体成员的解释变量观测值序列。是N阶行向量，是N阶列向量。，包括所有的截面效应。该式含有T个时间截面方程。 （1）为了更好讨论，将这些方程堆积在一起。首先，按照面板数据的截面方程堆积起来的，表示如下： （16.1.4） 在截面单位和时期的数据和参数满足经典假设的前提下建立的矩阵和矩阵，其无约束的协方差矩阵如下： （16.1.5） （2）将这些方程看出是一系列的时点方程，通过时点堆积起来的方程组如下： （16.1.6） 其协方差矩阵如下： （16.1.7） 为了得到模型（16.1.1）的参数的无偏有效估计量，假设模型满足下列条件： ①误差项均值为0，并且同方差。 ②误差项不存在截面相关。 ③解释变量与误差项相互独立。 ④解释变量之间线性无关。 ⑤解释变量是非随机的。 如果模型满足上面的假设，可以用最小二乘法估计模型的参数。 16.1.2面板数据分类