《计量经济学》面板数据模型.ppt

随机效应变截距模型的估计 EViews按下列步骤估计随机效应变截距模型（个体） * 第五节 变系数回归模型 前面所介绍的变截距模型中，横截面成员的个 体影响是用变化的截距来反映的，即用变化的截距 来反映模型中忽略的反映个体差异的变量的影响。 然而现实中变化的经济结构或不同的社会经济背景 等因素有时会导致反映经济结构的参数随着横截面 个体的变化而变化。因此，当现实数据不支持变截 距模型时，便需要考虑这种系数随横截面个体的变 化而改变的变系数模型。 * 这种情形意味着模型在截面上既存在个体影响，又存在结构变化。我们又称该模型为无约束回归模型。 变系数模型假定在截面个体成员上截距项和模 型的解释变量系数都不同。 需要估计的参数个数： N(K+1)个 * EViews按下列步骤估计变系数模型： * 第六节　效应检验与模型形式设定检验 建立面板数据模型前的首要任务是确定被解释变量与截距项和系数的关系，截距项是否相同、系数是否一致，是固定效应还是随机效应模型，从而避免模型设定的偏差，改进参数估计的有效性。 * 一、Hausman检验 在实际应用中，究竟是采用固定效应模型还是 采用随机效应模型，我们可以进行模型设定检验。 豪斯曼Hausman（1978）提出了一种严格的统 计检验方法——Hausman检验。 * 固定效应模型 LSDV估计量无偏；GLS估计量有偏 随机效应模型 LSDV和GLS估计量都无偏，但LSDV 估计量有较大方差 固定效应模型 LSDV估计量和GLS估计量的估计结 果有较大的差异 随机效应模型 LSDV估计量和GLS估计量的估计结 果就比较接近 Hausman检验的原理 * Hausman检验的原假设与被择假设 H0 : 个体随机效应回归模型 H1 : 个体固定效应回归模型 设b， 分别为回归系数的LSDV估计向量，GLS估 计向量。 如果真实模型是个体随机效应回归模型，那么b和 二者差异应该比较小。如果真实模型是个体固定效 应回归模型，那么b和 二者差异应该比较大。 * Hausman证明在原假设下，统计量W服从自由度为K（模型中解释变量的个数）的 分布，即 构造Hausman检验的W统计量 为 之差的方差，即 * * * 第九章 面板数据模型 * 第一节 面板数据 第二节 面板数据回归模型概述 第三节 混合回归模型 第四节 变截距回归模型 第五节 变系数回归模型 第六节 效应检验与模型形式设定检验 第七节 面板数据的单位根检验和协整检验 第八节 案例分析 * 面板数据（Panel Data）：也叫平行数据，指 某一变量关于横截面和时间两个维度的数据，记为xit ，其中 ，表示N个不同的对象（如 国家、省、县、行业、企业、个人）, ，表示T个观测期。 第一节 面板数据 * 平衡面板数据 * 非平衡面板数据 * 扩展的面板模型 1. 伪面板模型： 如果按照某种属性(例如，年龄、职业和身份等)将各期调查对象分成不同的群；对于各个观测期，选择各群内观测数据的均值(中位数或分位数)，即可构造以群为‘个体’单位的面板数据。我们把这种以群为个体而构造的人工面板数据为伪面板数据(Pseudo Panel Data)。 * 2. 轮换面板模型: 同一个个体可能不愿被一次又一次的被回访，为了保持调查中个体数目相同，在第二期调查中退出的部分个体，被相同数目的新的个体所替代，这种允许研究者检验 “抽样时间”偏倚效应（初次采访和随后的采访之间的回答有显著的改变）的存在性叫轮换面板。对于轮换面板，每批加到面板的新个体组提供了检验抽样时间偏倚效应的方法。 * 3. 空间面板模型: 当考虑国家、地区、州、县等相关截面数据时，这些总量个体可能表现出必须处理的截面相关性。现在有大量运用空间数据的文献处理这种相关性。这种空间相依模型在区域科学和城市经济学中比较普遍。具体来说，这些模型使用经济距离测度设定了面板数据的空间自相关性和空间结构（空间异质性）。 * 4. 计数面板模型: 被解释变量是计数面板数据的例子很多。例如，一段时间内一家公司的竟标次数、一个人去看医生的次数、每天吸烟者的数量及一个研发机构登记专利的数目。虽然可以运用传统面板回归模型对计数面板数据建模，但鉴于被解释变量具有0及非负离散取值的特征，运用泊松面板回归模型建模更为合适。 * 第二节 面板数据回归模型概述 一、面板数据回归模型的一般形式 其中，i=1, 2, …,N 表示个N个体； t =1, 2,