第16章 面板数据回归分析.pptVIP

高铁梅(2006)10.1.2 面板数据分类 * 《计量经济分析方法与建模:ＥＶiews应用及实例》，高铁梅，清华大学出版社，2006年 * * * * * * * * * * * * * * * * * 10.3 变截距模型 * * * * * * * Thank you~~~ 第十六章 * 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 lingitudinal data（纵列数据） event history analysis cohort analysis（群队分析）等等。 * 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、变量之间增加了多边性，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； * * 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）。 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 ： * * 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。 * 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： 固定效应或最小二乘虚拟变量（LSDV）回归模型。 * * * 其中， 如果观测值属于GM（通用电气） 不属于 如果观测值属于US (美国钢铁) 不属于 观测值属于WEST（西屋电气） 不属于 代表GE（通用电气）的截距 * 见P643（16.3.4）式的回归结果。 四个公司的截距值具有统计上的差异性： GE: -245.7924 GM: -84.220 (=-245.7924+161.5722) US: 93.8774 (=-245.7924+339.6328) WEST: -59.2258 (=-245.7924+186.5666) 这些截距上的差异用来反映公司独特的性质。 （16.3.3）就是LSDV模型（ least-squares dummy variable model）。 相比之下，（16.3.1）（P641）可以看成受约束回归，约束为： ∴约束=3个 可以做F检验。 * 时间效应：对于20年的年度数据，可以引入19个虚拟变量，以捕捉时间效应： （16.3.6） 如果观测来自1935年，DUM35=1,否则为0，依次类推。1954年为基准年，它的截距为 。 * * 对于这个例子的数据， 直到 都不显著，说明时间效应不显著。 即：投资函数并没有随时间发生很大的变化。 * 3.斜率系数不