动态面板数据模型.pdfVIP

动态面板数据模型  动态面板数据模型的意义是，能够揭示被解释变量 的动态变化特征。  动态面板数据模型的一般形式： y y  x β u  （1） it it1 it i it  在（1）式中，u 为非观测截面个体效应。 i  动态面板数据模型的估计，通常采用广义矩方法 （GMM ）。 1 1、差分GMM(DIF-GMM)  Arellano和Bond(1991)提出了DIF-GMM估计方法， 通过对（1）式进行差分，消除由于未观测到的截 面个体效应造成的遗漏变量偏误。 y y  x β  （2 ） it it1 it it  由（1）式知，y 是ε 的函数，因此（2 ）式中的 it- 1 it- 1 yit1( yit1 yit2 ) 与  (   )是相关的。在 it it it1 y 估计（2 ）式时，就需引入 的工具变量。 it1 2 DIF-GMM估计中的工具变量  从第3期开始，需要为Δyit-1设定工具变量。在DIF- GMM估计中，Δyit-1的工具变量是这样设定的：  在第3期，yi1是Δyi3 的工具变量；  在第4期，yi1和yi2是Δyi4 的工具变量；  在第5期，yi1 、yi2和yi3是Δyi5 的工具变量；  依次类推。  外生解释变量同样作为工具变量。 3 DIF-GMM在stata中的操作  1、估计。在设定面板数据完毕后，输入  xtabond y x1 x2 x3  2、检验。  （1）过度识别约束检验（检验工具变量是 否有效）  estat sargan  （2 ）检验误差项的序列相关  estat abond 4 2、系统GMM(SYS-GMM)  DIF-GMM存在着一些缺陷。比如，差分时，不仅 消除了非观测截面个体效应，而且也消除了不随时 间变化的其他变量。还有，DIF-GMM估计量很多 时候并非有效估计量（方差最小）。  Arellano和Bover(1995) 以及Blundell和Bond(1998) 在DIF-GMM估计的基础上，引入被解释变量差分 的滞后项与随机误差项正交这个矩条件，得到 SYS-GMM （系统GMM ）。 5 SYS-GMM在stata中的操作  在对面板数据进行设定之后，输入  xtdpdsys y x1 x2 x3