面板数据模的型和应用.pptVIP

第4章面板数据模型与应用 1.面板数据定义 2.面板数据模型分类 3.面板数据模型估计方法 4.面板数据模型检验与设定方法 5.面板数据建模案例分析 6.面板数据的单位根检验 file: 5panel02 7.EⅤiwes应用 file: 5panel01 8.面板数据模型的协整检验 《面板数据的计量经济分析》,白仲林著,张晓峒主审, 南开大学出版社,2008,书号ISBN9787-310-02915-0  1.面板数据定义 面板数据( panel data)也称作时间序列与截面混合数据( pooled time series and cross section data)。面板数据是截面上个体在不同时点的 重复观测数据 panel原指对一组固定调查对象的多次观测,近年来 panel data已经成 为专业术语 =30,T=50的面板数据示意图中国各省级地区消费性支出占可支配收入比例走势图  1.面板数据定义 面板数据分两种特征:(1)个体数少,时间长。(2)个体数多,时间 短。面板数据主要指后一种情形。 面板数据用双下标变量表示 y;i=1,2,…,N;t=1,2,…,T 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。  2.面板数据模型分类 用面板数据建立的模型通常有3种,即混合模型、固定效应模型和随机 效应模型。 2.1混合模型( Pooled model)。 如果一个面板数据模型定义为, yn=a+XiB+,i=1,2,…,N;t=1,2,…,T 其中y;为被回归变量(标量),a表示截距项,X为k×阶回归变量列 向量(包括个回归量),Bk×阶回归系数列向量,c1为误差项(标 量)。则称此模型为混合回归模型。混合回归模型的特点是无论对任何 个体和截面,回归系数a和6都相同。 如果模型是正确设定的,解释变量与误差项不相关,即CovX,n)=0。 那么无论是N→∞,还是T-∞,模型参数的混合最小二乘估计量 ( Pooled ols)都是一致估计量。  2.面板数据模型分类 22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 221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, yn=a1+B+Eipi=1,2,…,N;t=1,2,…,T 其中α是随机变量,表示对于个个体有个不同的截距项,且其变化与X 有关系;X.×阶回归变量列向量(包括k个回归量),Bk×1阶回归 系数列向量,对于不同个体回归系数相同,y为被回归变量(标量),s 为误差项(标量),则称此模型为个体固定效应模型。  2.2固定效应模型( fixed effects model)。 个体固定效应模型的强假定条件是 E(c|a,xi)=0,i=1,2,…,Nv G作为随机变量描述不同个体建立的模型间的差异。因为a是不可观测 的,且与可观测的解释变量X的变化相联系,所以称为个体固定效应 模型。 注意 (1)在 EViews输出结果中a是以一个不变的常数部分和随个体变化的 部分相加而成 (2)在 EViews50以上版本个体固定效应对话框中的回归因子选项中 填不填c输出结果都会有固定常数项。 (3)个体固定效应回归模型的估计方法有多种,首先设法除去c的影 响,从而保证计量的一致性  22固定效应模型( fixed effects model)。 解释设定个体固定效应模型的原因。假定有面板数据模型 ya=角+B1x+B2x;+6,i=1,2,…,N;t=1,2,…,T 其中G为常数,不随时间、截面变化每个个体回归函数的斜率月相同 x表示随个体变化,但不随时间变化的难以观测的变量。上述模型可以 被解释为含有N个截距,即每个个体都对应一个不同截距的模型。令 a=+2x,于是变为 yn=G+月1xn+,i=1,2,…,N;t=1,2,…,T 以家庭消费性支出与可支配收入关系为例,省家庭平均人口数就是这样 的一个变量,即对于短期面板,这是一个基本不随时间变化的量,但是 对于不同的省份,这个变量的值是不同的。 因为x是不随时间变化的量,所以当对个体固定效应模型中的变量进行 差分时,可以