第16章 面板数据回归分析.pdfVIP

第16章 面板数据回归模型 Panel Data Regression Models 1 面板数据回归模型：是研究经历一段时间的相同的横截面 单元（个体）的模型。 面板数据具有空间和时间两种特性。也称为: pooled data （混合数据） combination of time series and cross-section data micropanel data longitudinal data （纵列数据） event history analysis cohort analysis （群队分析）等等。 2 16.1 为什么使用面板数据？ 面板数据的优势： 1、可以研究个体差异性。 2、变量之间增加了多变性，减少了共线性，并 且提高了自由度和有效性。 3、适于动态研究。 3 4、具有独特的优势（与单独使用时间序列数据，或 单独使用横截面数据相比）。 5、可以研究复杂的行为，如规模变化，技术变动等。 6、减少偏差。当我们把不同类型的数据（如不同省 份或不同年代的数据）混合在一起时，就会产生 偏差（bias）。 4 16.2 一个例子P638 4个公司的20年的数据 原则上可以进行4个时间序列回归，或20个 横截面回归。 如果80个观测值可以混合，则可以写出the Grunfield investment function ： 5 Y   X  X  u it 1 2 2it 3 3it it i 1,2,3,4 t 1,2,...,20 （16.2.1） Y = 实际总投资 X = 企业实际价值 2 X = 实际资本存量 3 假定： X非随机 2 uit ~ N(0, σ ) 6 16.3 面板数据模型的估计：固定效应方法 对（16.2.1）式的估计取决于我们对截距、斜率和 误差项的假定。有以下几种可能： 1.假定截距和斜率不随时间和空间（个体）变化， 误差项在时间和个体上存在差异。 2.斜率不变而截距随个体而变化。 3.斜率不变而截距随时间和个体而变化。 4.所有系数（包括截距和斜率）均随个体而变化。 5.截距和斜率随个体和时间而变化。 7 1.所有系数都不随时间和个体而变化 可以将80个观测值混合，用OLS法估计参数，见 P641 （16.3.1）式。 2.斜率系数不变而截距随个体而变化： 固定效应回归模型，或最小二乘虚拟变量（LSDV） 回归模型。