面板数据的模型.docVIP

面板数据的模型(panel data model) 王志刚 2004年11月11日 混合数据模型和面板数据模型 如果扰动项服从独立同分布假定，而且和解释变量不相关，那么就可以采用混合最小二乘法估计（Pooled OLS），但是这里要注意POLS暗含着一个假定就是，截距项和解释变量的系数是相同的，不随着个体和时间而变化。 我们一般采用单因子（one-way effects）模型，假定截距项具有个体异质性，也就是： 这种模型是最常见的面板模型（又称为纵列数据longitudinal data），因为面板数据往往要求个体纬度 NT(时间纬度)，下面我们基本上以这种模型为例。是独立同分布，而且均值为0，方差为。如对截距项和解释变量系数均有个体的异质性，那么要采用随机系数模型（Random coefficient model），stata的xtrchh过程提供了相应的估计。 双因子模型（two-way）： 固定效应（Fixed effects） vs 随机效应(Random effects) 如果个体效应是一个均值为0，方差为的独立同分布的随机变量，也就是，该模型就称为随机效应模型（又称为error component model）；如果相关，则称为固定效应模型。 1．在随机效应模型中，在每个个体内部存在着一阶自相关，因为他们都包含着相同的个体效应；此时OLS无效，而且标准差也失真，应该采用广义最小二乘估计(GLS) 其中：是个体按时间的均值； 有待估计；我们可以通过对组内和组间估计得到相应的残差，从而可以计算出方差； ； 组间估计：；组内估计如下； 2．如果个体效应和解释变量相关，OLS和GLS都将失效，此时要采用固定效应模型。 2.1 对两期模型 差分变换后OLS： 应用：Kruegar和Ashenfelter（1994）对孪生子样本所做的教育回报率估计； 固定效应模型使用要注意的问题： （1）固定效应模型通常不能重获任何不随时间而改变的解释变量的估计，差分变换消除了它们； （2）固定效应估计量对任何有关的不随时间变化的解释变量的省略都是稳健的（后者的省略对前者影响不大）。 （3）当随机效应有效时，固定效应估计量仍将产生可识别参数的一致估计值（但非有效）。 2.2 多于两期模型 在许多存在内生变量的模型中，我们要考虑这种模型（又称组内估计量within estimator）。 首先通过离差法消去个体效应，然后再OLS 固定效应能够模型估计主要利用了时间纬度上的信息，因此那些不随时间变化的变量就不能估计出来，此时的估计值是无偏的。固定效应模型的另一种等价的方法是虚拟变量的OLS，对每个个体采用一个虚拟变量，但是如果N太大，这种方法就不大好。 要注意的一点 正确的估计：， 计算机输出的往往是：， 通过对自由度的修正可以得到： 当然，stata可以直接对随机效应进行估计，这些步骤就可以省去，但是你要注意这个流程。 三．模型设定检验 1．Pooled OLS vs panel 如果没有个体效应，即，那么OLS是BLUE，否则面板模型较好。采用拉格朗日乘数检验（又称为Breusch-Pagan检验） 其中的扰动项来自于OLS。 2．Hausman检验（Random vs Fixed effects model） 如果零假设成立，那么随机效应估计和固定效应估计都是无偏的，随机效应模型是一致有效的，而固定效应估计是无效的；在备择假设成立下，随机效应估计是有偏非一致的，而固定效应模型仍然是无偏的。 豪斯曼统计量 渐进服从卡方分布，自由度为k(不含截距项的解释变量个数)。 3．其他的设定检验； 最小距离法（Chamberlin，1982，handbook of econometrics vol2），利用联立方程组，求出使结构式系数与简约型系数之间距离最小的有效估计值； GMM检验等等； 四．政策分析 1．自然实验 数据：两个横截面数据集，一个收集于事件发生之前，另一个收集于事件发生之后；考察政策的真实影响。 方法：自然实验（natural experiment）,difference-in-differences; 区分两组：处理组B（treatment group）(认为受到政策影响)，对照组A（control group）（认为总不受政策变化影响），为了控制着两组之间的系统性差异，需要两个年份的数据，一个在政策之前，另一在政策发生之后；这样就分成了四个格子（cell）。 模型： 其中,如果预测对象在B组；,如果在政策发生改变后。 其中的政策效果估计值： , , 2．项目评估（program evaluation） 首先我们在第一个时期里抽取一部分样本；然后让这些样本中的某些个体参加某个计划（或项目），那些不参加计划的单元作为对照组；这和前面提到的