面板数据计量经济分析 （原书第4版）第二章.docVIP

面板数据计量经济分析 （原书第4版）第二章 第2章 单因素误差回归模型 11 向量，??表示克罗内克乘积。Z是一个由1和0构成的选择矩阵，或者简单地说，如果需要估计??的??被假定为固定参数，Z就是由包含在回归式中表示个体效应的虚拟值构成的矩阵。 i??′μ=(????????;????) 12N′v=v??v????v??v??v??;??v??;??v??v??;??v) 11121T21222TN12NT??1注意，ZZ′=I??J，这里J是一个元素全部为1的T阶方阵，并且P′′=Z(ZZ)Z，????NTT????????P是基于Z的投影矩阵，简化得到I??J，其中，J=JT。P是对每一个个体关于时间的平??NTTT均观测值矩阵，Q=I??P是所有观测值对个体均值的离差构成的矩阵。例如，Py有典型的元素NTTy=yT，相当于对每一个个体重复了T次。Qy有典型的元素y??y。矩阵P和Q有以()i. ??ititi.t=1下三个特征： 2（1）P和Q都是对称幂等矩阵。即有P′=P，P=P。这意味着rank(P) = tr(P) = N，和rank(Q)=tr(Q)=N(T??1)，这根据Graybill（1961,Theorem 1-63）提出的幂等矩阵的秩等于它的迹的结论得到。 （2）P和Q是正交的。即有PQ=0。 （3）P和Q相加得到单位阵，即有P+Q=I。 NT事实上，上述的三个特征中的任意两个都包含了第三个特征（见Graybill,1961,Theorem 1-68）。 2.2 固定效应模型 在这一节里，??被假定为需要估计的固定参数，余下的随机误差项v是独立同分布的，即v～iitit2IID(0，σ)。并假定X对所有的i和t都与v是相互独立的。如果我们研究的是一组N个具体企业，vitit如IBM，GE，Westinghouse等，并且我们的结论被限定是研究这些企业行为的时候，那么固定效应模型是一个合适的设定。当然，我们的研究对象也可以是一组N个OECD的国家，或者是美国的N个州。不论我们研究的是哪一组，我们要做出的推断是基于这些企业、国家或者州是必须可以被观测的。把式（2-4）代入式（2-3）中，得 y=αι+Xβ+Zμ+v=Zδ+Zμ+v （2-5） NT????对式（2-5）做普通最小二乘估计得到α、β和μ的估计值。注意，Z是NT×(K+1)的，Z是个体效??应虚拟变量值的NT×N矩阵。如果N很大，式（2-5）将包括太多的个体效应虚拟变量，那么做OLS估计时的逆矩阵就很大，维数是（N+K）。实际上，我们感兴趣的是α和β，所以我们通过对式（2-5）前乘以Q，然后做普通最小二乘估计可以得到LSDV估计量： Qy=QXβ+Qv （2-6） Qy=αQι+QXβ+QZμ+Qv=QXβ+Qv NT??这里，因为PZ=Z，所以有QZ=Qι=0。换而言之，Q矩阵剔除了个体效应。令 ??????NT = yQyy=y??yititi. k =1，2，…，K XQXXXXit??kit??ki.??k 式（2-5）就变成了 y关于X的回归模型。这里包含了一个（K×K）阶逆矩阵，而不像是在式（2-5）中的(N+K)×(N+K)阶的。得到OLS估计量为 ??1 ′′β=XQXXQy （2-7） () 12面板数据计量经济分析 并且 2??12??1 ′′var(β)=σ(XQX)=σ(XX) vv 如果运用分块矩阵求逆或者戴维森和麦金农（1993，p.19）的Frisch-Waugh-Lovell理论，β可以从式（2-5）中得到。这里用的就是上节所讨论的P是基于Z的投影矩阵和Q=I??P。另外，对??NT 式（2-6）使用广义最小二乘估计，运用广义逆矩阵也能得到β。 注意，对于简单的回归模型 y=α+βx+??+v （2-8） ititiit和关于时间的均值模型（即组间回归式Py） y=α+βx+??+v （2-9） i.i.ii.用式（2-8）减去式（2-9）（即得组内回归式Qy） y??y=β(x??x)+(v??v) （2-10） iti.iti.iti.也可以对式（2-8）求所有观测值的均值 y=α+βx+v （2-11） ......N这里，我们利用了约束条件：??=0，它是为了避免虚拟变量陷阱或者完全共线性而设定的关 ??ii=1于虚拟变量系数的线性约束，