第四讲面板数据模型.ppt

第四讲：面板数据——Panel Data;第四讲 面板数据模型;推荐书籍： 1.白仲林 面板数据的计量经济分析 南开大学出版社2008 2.朱建平，胡朝霞 高级计量经济学导论 北京大学出版社 2009 3.横截面与面板数据的经济计量分析 伍德维奇 中国人民大学出版社 2007 4.巴尔塔基 面板数据计量经济分析 张晓峒 机械工业出版社 2010 5.面板数据计量经济学 阿雷拉诺 朱平芳上海财经大学出版社 2008 6.面板数据模型的检验方法 陈海燕 经济科学出版社 2012;1.面板数据模型简介;面板数据分两种特征：（1）个体数少，时??长。（2）个体数多，时间短。面板数据用双下标变量表示。 yi t, i = 1, 2, …, N; t = 1, 2, …, T i 对应面板数据中不同个体。N表示面板数据中含有N个个体。t 对应面板数据中不同时点。T表示时间序列的最大长度。 利用面板数据建立模型的好处是：（1）由于观测值的增多，可以增加估计量的抽样精度。（2）对于固定效应回归模型能得到参数的一致估计量，甚至有效估计量。（3）面板数据建模比单截面数据建模可以获得更多的动态信息。;yi t, i = 1, 2, …, N; t = 1, 2, …, T 若固定t不变，yi ., ( i = 1, 2, …, N)是横截面上的N个随机变量； 若固定i不变，y. t, (t = 1, 2, …, T)是纵剖面上的一个时间序列（个体）。;面板数据是不同个体和不同时期被观察的数据（Longitudinal or Panel Data）;2．面板数据模型分类;2.2 固定效应模型（fixed effects model）。 固定效应模型分为3种类型，即个体固定效应模型、时点固定效应模型和个体时点双固定效应模型。下面分别介绍。 2.2.1个体固定效应模型（entity fixed effects model） 如果一个面板数据模型定义为， yit = ?i + Xit '? +?it, i = 1, 2, …, N; t = 1, 2, …, T 其中?i是随机变量，表示对于i个个体有i个不同的截距项，且其变化与Xit有关系；Xit为k ?1阶回归变量列向量（包括k个回归量），?为k ?1阶回归系数列向量，对于不同个体回归系数相同，yit为被回归变量（标量），?it为误差项（标量），则称此模型为个体固定效应模型。;10;11;12;13;14;15;16;4. 随机系数（random coefficients）;第二节 混合回归模型;第二节 混合回归模型;第二节 混合回归模型;第二节 混合回归模型;第三节 固定效应模型;第三节 固定效应模型;第三节 固定效应模型;第三节 固定效应模型;第三节 固定效应模型;第三节 固定效应模型;第三节 固定效应模型; 实际应用中，n 通常很大，数以千计，模型很可能超出任何计算机的存储容量。可考虑使用分块回归技术以减少计算量。有关分块回归技术的详细讨论参见Greene（2008）。 另一方面，运用LSDV估计固定影响模型，需要加入n个虚拟变量，当模型中的虚拟变量的个数n很大时，回归中会损失大量的自由度。解决这个问题的思路是对模型进行变换，消去常数项 ，再用变换后的模型回归。 ;第三节 固定效应模型;第三节 固定效应模型;第三节 固定效应模型;第三节 固定效应模型;第三节 固定效应模型;第三节 固定效应模型;第三节 固定效应模型;第三节 固定效应模型;例4.1 我们搜集我国东北、华北和华东地区1996～2002年15个省市自治区城镇居民家庭人均年可支配收入、城镇居民家庭人均年消费支出和各地区城镇居民消费价格指数的数据，建立消费收入模型，以研究城镇居民的消费行为。 模型中用到的变量是： ; 事实上，对于这3个变量中的每一个，都有105个观测值（15个省市乘以7年）。由于在每个时期（每一年）都是这15个省市，因此这些混合数据是面板数据。 现实中，即使每个时期中每个省市的消费与收入之间的关系都相同，但经济发达的省市与经济落后的省市的城镇居民的消费模式、消费理念肯定是有差别的。因此，为简单起见，我们假定采用固定影响模型，模型形式如下：; 此模型的回归我们不采用LSDV法，因为这会损失很多的自由度，因而采用组内估计法。 应用EViews5.1，估计模型参数，结果为：15个省市自治区城镇居民家庭人均年边际消费倾向均为0.6976，自主性消费（截距项）有很大差异，见表4.1。;序号; 从表4.1可看出，我国各地区15省市城镇居民的自主性消费水平存在较大的差异