经典总结面板数据模型.docVIP

第16章 静态面板数据模型 时间序列数据或截面数据都是一维数据。例如时间序列数据是变量按时间得到的数据；截面数据是变量在截面空间上的数据。 面板数据（panel data）也称时间序列截面数据（time series and cross section data）或混合数据（pool data）。面板数据是同时在时间和截面空间上取得的二维数据。面板数据从横截面（cross section）上看，是由若干个体（entity, unit, individual）在某一时刻构成的截面观测值，从纵剖面（longitudinal section）上看是一个时间序列。 对于面板数据y（i=1,2,…，N，t=1,2,…，T）来说，如果从横截面上看，每个变量都it有观测值，从纵剖面上看，每一期都有观测值，则称此面板数据为平衡面板数据（balanced panel data）。若在面板数据中丢失若干个观测值，则称此面板数据为非平衡面板数据（unbalanced panel data）。 本章主要讨论静态面板数据模型的相关理论及软件操作，首先从模型的检验开始到介绍变截距模型中的固定影响变截距模型和随机影响变截距模型，然后到变系数模型。本章的流程图如下： 面板数据模型建模的基本原理固定效应变截距模型固定效应模型另外两种估计方法随机效应变截距模型 变系数模型 平衡数据建模原理 固定效应模型分类 静态面板数据模 固定效应模型软件估 非平衡数据建模原理 广义最小二乘法估计 随机效应模型原理 二阶段最小二乘法估计 模型软件估计 Hausman检验 变系数模型原理 及软件操模型分类 似不相关回归模型 Swamy模型 16.1面板数据模型建模的基本原理 在应用多元回归分析建立的计量经济模型时，如果所建的模型中缺失了某些不可观测的重要解释变量，使得回归模型随机误差项常常存在自相关。于是回归参数的最小二乘法OLS估计量不再是无偏估计或有效估计。但是，运用面板数据建立的计量经济模型时，对于一些忽略的解释变量可以不需要其实际观察值，而通过控制该变量对被解释变量的影响的方法获得模型参数的无偏估计。 由此可见，面板数据不仅可以同时利用截面数据和时间序列数据建立计量经济模型，而且能更好地识别和度量单纯的时间序列模型和单纯截面数据模型所不能发现的影响因素，它能够构造和检验更复杂的行为模型。例如：在宏观领域，它被广泛用于劳动经济学、国际金融、经济增长、产业结构、技术创新、税收政策等领域。 16.1.1面板数据模型基本框架 面板数据能更好地识别和度量时间序列或截面数据不可发觉的效应，有助于建立和检验更复杂的行为模型，其基本模型是如下形式的一般回归模型： ?????i?1,2,L,N,ty???x1,??2,?L,T（16.1.1） itittititi?y?代表固定或者随机在时间时期的观测值，其中：表示模型的常数项，是个体itiit??x表示阶解释变量观测值向量。表示的截面效应，k代表固定或者随机的时期效应，tit解释变量的系数向量，并且在根据其条件的限制分为三种值，一是对所有截面和时期都是相?是独立同分同的常数，二是在不同的截面是不同的系数，三是在不同的时期是不同的。it?)?(0E。布的误差项，即 itNT远小于参数个数，对于截面个解释变量，自由度）中，如果考虑k在公式（16.1.1(NT(k?1)?N)，对于时间截面方程，成员方程，待估计参数的个数为待估计参数的个数(NT(k?1)?T)，这使得该模型无法估计。为了对模型进行估计，则可以建立以下的两为类模型：从个体成员角度考虑，建立含有N个个体成员方程的面板数据模型；在时间点上截面，建立含有T个时间点截面方程的面板数据模型。 1）含有N个个体成员方程的面板数据模型 模型形式如下： ??????ll?x???yI （16.1.2） iiiTTTiity?x表的观观测值的时间序列。系数向量取值受不同个体的影响，其中：是个体iiilI是T阶的单位行向量，是T阶的单位列向量。示个体解释变量观测值时间序列。iTT????)L，，，?( 个截面方程。N，包括所有的时点效应。该式含有T21． 2）含有T个时间截面方程的面板数据。 其形式如下： ???????Iy?ll?x? （16.1.3） titNNNttt?y取值受不同是某一时间点的各个个体成员的因变量观测值序列。系数向量其中：tIx是N时期的影响，阶行向量，表示某一时间点的各个个体成员的解释变量观测值序列。Nt????，，L，?)(l阶列向量。个时间截面N是，包括所有的截面效应。该式含有T2N