金融计量经济学第6章 面板数据分析.pdfVIP

北京大学光华管理学院 《金融计量经济学》讲义 第三部分 面板数据的回归分析 第六章 面板数据的多元回归分析 6．1 引言 在前面的讨论中都是针对数据来源于横截面，每一个样本是独立地来源于不同的单元， 样本的选取具有假设1 需要的随机性。在实际的数据采集时，有时可能会对相同的单元在不 同的时间点得到多个样本，例如对家庭收入的调查，对公司CEO 特征的选取等。实际中大 部分的抽样数据可能在每年是随机选取的，但在不同的年份可能会选取到相同的家庭或公 司，甚至有时调查的对象也是固定的。此时数据就不完全是横截面的，而是某些单元或所有 的单元都具有时间序列数据。如此得到的数据显然容易违背独立观测样本的要求。而独立观 测样本是横截面数据的一个很重要的特征，它可以排除不同观测样本之间存在相关性。但是， 当抽样的总体比较大时，如此抽取的样本也是独立抽样，从统计的角度来看，这类数据还具 有一个重要的特征：它们是独立的样本观测值，这也是横截面数据分析的一个重要方面，这 一定程度上保证了不同观测样本的误差项之间没有相关性。这类数据通常被称为联合横截面 数据。联合横截面数据与简单的横截面数据的差别在于因为其在不同时间点的抽样可能导致 观测值不是同分布的。这些对同一单元在不同时间点得到的数据可能会导致观测值之间存在 相关性；更为重用的是，在不同时间点的样本可能具有不同的分布，例如一个国家的教育水 平或收入水平在不同的年份会有变化，公司在不同时期的收益水平可能是不同的。在分析中 可能需要考虑时间趋势的变量，可以引入不同时间点的变量来考察是否存在改变等。 面板数据是联合横截面数据中的一种特殊情形。此时，不仅是某些单元有重复，而是所 有单元都有相同的时间点重复，可以看作是在横截面和时间序列两个维度上都有数据，所有 的样本数据构成了时间和空间两个方向上的一个矩阵。为了得到面板数据，需要在任何一个 抽样的时间点都对相同的一组单元 （个人，家庭，公司，城市）进行采样。例如，对个人收 入，教育年限，其他特征等的一个抽样是在开始的时间点随机选取一组人群，在随后的每一 次再调查时，都要对这一组人群的每一个进行调查，得到这一组人群多年的相关数据。对面 板数据来说，假设样本观测值在不同时间点是独立同分布显然不现实。一些不可观测的因素 可能会对某些单元有固定的影响。例如一个公司的CEO 可能会因为与公司的特殊关系和其 他原因而在每一年都有相对比较高的收入；一些地区可能会因为社会文化和环境而具有特定 的影响一个地区的经济发展指标，或其他产出率等。这种在各时间点都存在的对一个单元的 共同因素的影响效果称为固定效应。在后面关于面板数据分析的方法中就是要克服这类对个 体单元的共同影响因素带来的模型估计偏差。 6．2 联合横截面数据的回归分析 6．2 ．1 联合横截面数据 联合横截面数据可以很快地增大样本量，使得估计的结果更准确，检验的功效更高。采 用联合横截面回归分析基本没有增加计量技术的复杂程度。在同时涉及到横截面和时间序列 的数据中，有的单元数据并没有在所有时间点都有。例如，由于人口的迁移而使收入调查的 部分样本缺少一些时间点；在公司的数据方面也同样由新公司上市或经营不善公司退出市场 等原因而不能使每个单元都具有所有的时间点的数据。在对两个或两个以上时间点的样本选 择时，如果也是具有随机选取的特征，可以直接使用横截面的分析方法。例如前后两年的调 161 北京大学光华管理学院 《金融计量经济学》讲义 查数据都是独立进行的，这类数据虽然由于存在同一单元多个时间点数据而可能不满足独立 选取样本的条件或使样本具有一定的时间特性，但通过联合横截面的方式，可以进行通常的 回归分析。如果不同时期之间的影响不存在，直接把联合横截面数据看成横截面数据进行回 归分析即可。如果在两个或多个时间点的数据之间可能存在水平的漂移（例如在两个不同年 份收入的调查），可以通过加入时间虚拟变量来控制这一影响而得到合理的回归分析结果。 有时，时间虚拟变量的系数就是研究者所关注的问题，通过这一系数可以反应在不同时间点 的差异。 还可以通过年份虚拟变量与某些变量的乘积项来考察该变量在不同年份的影响。例如教 育水平在不同年份带来的收益可能是不同