基于Gibbs抽样算法贝叶斯动态面板数据模型分析.docVIP

基于Gibbs抽样算法贝叶斯动态面板数据模型分析 　　摘 要 针对现有动态面板数据分析中存在偶发参数和没有考虑模型参数的不确定性风险问题，提出了基于Gibbs抽样算法的贝叶斯随机系数动态面板数据模型.假设初始值服从平稳分布，自回归系数服从Logit正态分布的条件下，设计了Markov链Monte Carlo数值计算程序，得到了模型参数的贝叶斯估计值.实证研究结果表明：基于Gibbs抽样方法的贝叶斯动态面板回归模型能有效地揭示跨截面滞后变量对响应变量的位置、尺度和形状的影响. 　　关键词 动态面板数据;MCMC;Gibbs抽样算法;贝叶斯推断;后验分布 　　中图分类号 F064.1, O212.8 文献标识码 A 　　Bayesian Analysis for Dynamic Panel Data Models Using Gibbs Sampling Algorithm 　　 　　 ZHU Hui-ming??1, ZHOU Shuai-wei??1, LI Su-fang??1, ZENG Zhao-fa??2 　　（1. School of Business Administration, Hunan University, Changsha, Hunan 410082, China; 　　2. School of Finance and Statistics, Hunan University, Changsha, Hunan 410079, China） 　　Abstract We developed thehierarchical Bayesian approach for inference in random coefficient dynamic panel data models. Our approach allows for the initial values of each units process to be correlated with the unit-specific coefficients.A stationarity assumption was imposed on each units process by assuming that the unit-specific autoregressive coefficient is drawn from a logitnormal distribution. The research shows that our approach can efficiently reveal how the lagged variables affect the location, scale and shape of the response variable across section. 　　Key words dynamic panel data; MCMC;Gibbs sampling algorithm; Bayesian inference; Posterior distribution 　　 　　1 引 言 　　自Mundlak（1961），Balwstra和Nerlove（1966）把面板数据引入到计量经济学以来，面板数据的理论与应用研究得到了众多学者的关注.经济分析中经常会遇到具有三维（个体、时间、指标）信息的数据结构，即面板数据（panel data），是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据，也就是把截面数据和时间序列数据融合在一起的数据.由于面板数据利用了更多数据的信息，提高了自由度和有效性，能得到更有效和更可靠的参数估计量，从而能够更加精确地估计复杂的行为方程，检测和度量单纯使用横截面数据或时间序列数据无法观测到的影响.目前，面板数据在经济管理学、社会学、心理学等领域都得到了广泛应用. 　　动态面板数据模型常用于描述很多经济变量的动态关系，因为经济变量不仅受到本期因素的影响，而且受到非本期因素的影响.比如，物价往往受到上期物价的影响；各部门的投资额不仅影响本期生产量而且影响今后各期生产量.线性或非线性参数动态面板数据模型广泛应用于当今经济研究［1］，这些模型都是建立在各截面自回归系数相同且为常数的假设之上.然而，在很多研究中，将各截面自回归系数假设为跨截面变化更为符合实际.如购买力平价（Purchasing Power Parity, PPP）的回复速度（Speed of Reversion）［2］，个体对收入冲击的调整速度［3］，以及各国储蓄行为的差异等［4］.Yu，Jong和Lee使用伪极大似然估计方法研究了具有大??N??和大??T??的固定效应空间动