第八章_平行数据模型.pptVIP

3、随机干扰项在不同横截面个体之间相关——GLS估计 采用GLS估计同时得到所有β的GLS估计量。 如何得到协方差矩阵的估计量？ 一种可行的方法是：首先采用采用经典单方程模型的估计方法分别估计每个横截面个体上βi，计算残差估计值，以此构造协方差矩阵的估计量，类似于经典单方程模型的GLS那样。 随机影响 (Random Effects)模型 当数据中所包含的个体成员时所研究总体的所有单位时，即个体成员单位之间的差异可以看做回归系数的参数变动时，固定影响模型是一个合理的面板数据模型。如果想以样本结果对总体进行分析，则应该选用随机影响模型，即以反映个体差异的特定常数项看作是跨个体成员的随机分布。 随机影响模型假设?it 项是共同系数 ? 和截面中随机变量ui 的和，ui 和残差 ?i 是不相关的。 对面板数据模型是固定效应还是随机效应可以做LM检验和Hausman检验，如果拒绝原假设，则选择固定效应模型。 一般用可行的广义最小二乘法（FGLS）进行参数估计 1.OLS虽得到参数的一致估计，但标准误差被低估； 2. OLS估计不如FGLS有效。 平行数据模型Panel Data Model 1、平行数据（Panel Data，面板数据） 时间序列数据 截面数据 平行数据 平行数据模型（Panel Data Model）已经成为计量经济学的一个独立分支 2、经济分析中的平行数据问题 宏观经济分析中的平行数据问题 目前应用较多 数据较容易获得，例如多个地区的时间序列数据 微观经济分析中的平行数据问题 目前应用较少 很难获得微观个体（家庭、个人）的时间序列数据 3、平行数据模型的三种情形 情形1，在横截面上无个体影响、无结构变化，则普通最小二乘估计给出了α和β的一致有效估计。相当于将多个时期的截面数据放在一起作为样本数据。 情形2，变截距模型(Panel Data Models with Variable Intercepts) 。在横截面上个体影响不同，个体影响表现为模型中被忽略的反映个体差异的变量的影响，又分为固定影响和随机影响两种情况。 情形3，变系数模型(Panel Data Models with Variable Coefficient) 。除了存在个体影响外,在横截面上还存在变化的经济结构，因而结构参数在不同横截面单位上是不同的。 二、模型的设定——F检验 1、任务 确定所研究的对象属于三种模型中的哪一种，作为研究平行数据的第一步。 采用假设检验 一般采用F检验，也称为协变分析检验(Analysis of Covariance) 对于固定影响(Fixed-Effects)和随机影响(Random-Effects)两种情况 ，则要采用其它检验方法。 ⒉F检验 假设1：斜率在不同的横截面样本点上和时间上都相同，但截距不相同，即情形2。 假设2：截距和斜率在不同的横截面样本点和时间上都相同，即情形1。 如果接收了假设2，则没有必要进行进一步的检验。如果拒绝了假设2，就应该检验假设1，判断是否斜率都相等。如果假设1被拒绝，就应该采用情形3的模型。 F统计量的计算方法 采用OLS分别估计变系数模型、变截距模型和经典模型，得到残差平方和分别为S1、S2、S3； 检验假设2的F统计量: 从直观上看，如S3－S1很小，F2则很小，低于临界值，接受H2。 S3为截距、系数都不变的模型的残差平方和，S1为截距、系数都变化的模型的残差平方和。 检验假设1的F统计量: 从直观上看，如S2－S1很小，F1则很小，低于临界值，接受H1。 S2为截距变化、系数不变的模型的残差平方和，S1为截距、系数都变化的模型的残差平方和。 三、固定影响变截距模型 1.固定影响变截距模型 固定影响与随机影响 如果横截面的个体影响可以用常数项的差别来说明，该不同的常数项是一个待估未知参数，称为固定影响变截距模型。如果横截面的个体影响可以用不变的常数项和变化的随机项之和的差别来说明，称为随机影响变截距模型。 固定影响变截距模型形式： 2. LSDV模型 最小二乘虚拟变量模型(LSDV，Least-Squares Dummy-Variable) 3.参数估计 如果n充分小，此模型可以当作具有（n+K）个参数的多元回归模型，由普通最小二乘进行估计。 当n很大，可用下列分块回归的方法进行计算。 分块回归过程见教材。 4、通过F检验检验变截距假设 5、用Eviews估计固定影响变截距模型 北京、天津、河北、山西、内蒙5地区消费总额COM与GDP关系 数据表 讨论—固定影响的输出 讨论—固定影响的输出 COMBJ = -177.19207 +