厦门大学财政系研究生课程课程名称应用计量分析在公共财政领域.pptVIP

我们考虑结合时间序列（time-series） 与 横断面（cross-sectional） 资料: (1) 表面上不相关的回归模型 (2) 虚拟变量模型（A dummy variable model ） (3) 误差组成模型（An error components model） 1. 例子 一个非常具有弹性的线性统计模型如下: 截距与反应参数可以因不同地区处于不同期而改变。 然而, 有太多的未知参数多于资料点。 虛擬變數之設定 ＊ 假设 这个参数变异的模型设定了只有截距变量会改变，反应参数不会改变；而截距只因地区不同而改变，不会随时间改变。 eit~ iid N(0, ?e2 ) 虚拟变量模型把截距 ?it看成是固定、未知的参数。 固定效果模型: 只对我们拥有资料的地区做推论 (dummy variable model) 随机效果模型: 把我们拥有其资料的地区，视为取自一个更大的地区母体的随机样本 (error component model) T=20, N=10 Dit= 1 i=1 D2i= 1 i=2 0 otherwise 0 otherwise D3i= 1 i=3. 0 otherwise etc ?it=地区的截距 H0=β11=β12=……=β1N H1= 不全相等 (N-1)联合虚无假设=J *F= J=9 拒絕 H0 誤差組成模型 (Random Effect Model) 我们允许各地区有一个不同的截距参数. 并且假设截距是随机变量. 如果出现在样本中的个别地区（或横断面的单位）是随机选出，作为一个更大的地区母体之「代表」，则这种模型是很有用的。 i=1,…..,N 是代表母体平均截距（ population mean intercept）的未知参数，而 μi是说明地区行为中个别差异之无法观察到的随机误差。 我们假设Ui互相独立且和eit互为独立 E(?i)=0, Var(?i)=??2 Vit=eit+ ?it E(Vit)=0 (Vit的平均值为０) Var(Vit)= ??2+?e2 (Vit是同质变异的) Cov(Vit, Vis)= ??2 (t?s) 同一个地区不同时期的误差具相关的 Cov (Vit, Vjs)=0 (i?j ) (不同地区的误差永远不具相关。) 非零相关表示最小平方不是最适合的方法。 随机或固定效果模型 Hausman检定 LM 檢定:古典v.s随机效果 Hausman检定统计量 ?k2 使用随机效果模型 因为个别效果与模型中其它regrssors不相关不能被拒绝 H0:不相关 H1:其它 * 应用计量分析在公共财政领域的应用黄智聪 * 厦门大学财政系研究生课程 课程名称：应用计量分析在公共财政领域的应用 授课老师：黄智聪 授课内容： 时间序列与横断面资料的共用 參考書目：Hill, C. R., W. E. Griffiths, and G. G. Judge, (2001), Undergraduate Econometrics. New York: John Wiley Sons 固定效果模型 F9,188 NT=20×10=200 K=10+2=12 整体误差 特定误差=反映了个别差异，它会因不同的个体而改变，但对时间却是固定不变的。 k=自由度、外生变数个数 随机效果比较好