个体随机效应模型.pdfVIP

个体随机效应模型 在面板数据的计量分析中， 如果解释变量对被解释变量的效应不随个体和时 间变化，并且解释被解释变量的信息不够完整， 即解释变量中不包含一些影响被 解释变量的不可观测的确定性因素， 可以将模型设定为固定效应模型， 采用反映 个体特征或时间特征的虚拟变量 （即知随个体变化或只随时间变化） 或者分解模 型的截距项来描述这些缺失的确定性信息。 但是， 固定效应模型也存在一定的不足。例如固定效应模型模型中包含许 多虚拟变量时，减少了模型估计的自由度；实际应用中，固定效应模型的随机 误差项难以满足模型的基本假设，易于导致参数的非有效估计。更为重要的是， 它只考虑了不完整的确定性信息对被解释变量的效应，而未包含不可观测的随 机信息的效应 。为了弥补这一不足， Maddala(1971)将混合数据回归的随机误差 项分解为截面随机误差分量、时间随机误差分量和个体时间随机误差分量三部 分，讨论如下 随机效应模型或双分量误差分解模型 （1）： K yit 1 k xkit ui vt wit (1) k 2 u ~ N (0, 2 ) 表示个体随机误差分量； i u v ~ N (0, 2 ) 表示时间随机误差分量； t v wit ~ N (0, w 2 ) 表示个体时间（或混合）随机误差分量。 如果模型 （1）中只存在截面随机误差分量 u 而不存在时间随机误差分量 v ， i t 则称为个体随机效应模型， 否则称为个体时间小于模型。 或者称为但分了误差分 解模型。 下面来介绍这两种模型： 1.个体随机效应模型 当利用面板数据研究拥有拥有充分多个体的总体经济特征时， 若利用总体数 据的固定效应模型就会损失巨大的自由度，使得个体截距项的估计不具有有效 性。这时，可以在总体中随机抽取 N 个样本，利用这 N 个样本的个体随机效应 模型： K yit 1 k xkit ui wit (2) k 2 推断总体的经济规律。其中，个体随机误差项 u 是属于第 i 个个体的随机干 i 扰分量，并在整个时间范围（ t=1,2, …,T）保持不变，其反映了不随时间变化的 不可观测随机信息的效应。 检验 ：个体随机效应的原假设和备择假设分别是： H0 : u 2 0 （混合估计模型） 2 H ： 0 (个体随机效应模型 ) 1 u 1 个体随机效应的检验统计量：