stata面板数据回归(固定效应-随机效应-hausman检.docVIP

8.3. 非均齐方差 作上述分解的另一个好处是使我们可以基于对 明：21 ? 2 a (I N ? Ea T u ～ (0, σv [I N ? ET ] ? 30 2 2 的分解来估计方差成分 σa 和 σv 。可以证 (8.103 和 ˉ a u? ～ (0, σ 2 [I N ? J ˉ a ] (I N ? J τ T T 2 由此，我们可以得到 σv 和 στ2 的如下一致估计量： 2 σ ?v = ? u? (I N ? Ea T u N ( T ? 1 (8.104 和 σ ? τ2 = ˉ a u? u? (I N ? J T N (8.105 ? ，然后用 这里，我们先可以采用 ρ 的一致估计量 (如 ρ ? 得到 PW 转换矩阵的一致估计 C ? y 对 (I N ? C ? X 作 OLS 回归，得到的残差 u ? ? 便是 (8.105 式中 u? 的一致估计量。这样 (I N ? C 2 我们便可得到 σ ?v 和σ ? τ2 的估计值。 因此， AR(1 随机效应的模型的估计过程可总结如下： 1. 对原始模型进行 PW 转换，这类似于我们处理一般时间序列模型的方法； 2. 从经过 PW 转换后的观察值中减去“伪均值”，如 (8.102 式的设定； 3. 对经过第二步转换后的模型进行 OLS 估计。 8.3.3 8.3.4 方差形式未知时的稳健性估计