面板数据的处理全面.ppt

处理方法三 误差成分模型的参数估计 Eviews自动给出； 随机效应估计量（适用于“之一”） 固定效应估计量（适用于“之二”） 课件 Suppose E u | Beer Tax , i ) = 0. 主要的想法 : 从 1982 到 1988 年死亡率的任何 改变 ，不可能由 Z i 引 起，因为 (by assumption) 在 1982 到 1988 年期间 Z i 没有改 变 数学 : consider fatality rates in 1988 and 1982: FatalityRate i 1988 = b 0 + b 1 BeerTax i 1988 + b 2 Z i + u i 1988 FatalityRate i 1982 = b 0 + b 1 BeerTax i 1982 + b 2 Z i + u i 1982 ( it it Z 把两个时期的回归方程相减 课件 FatalityRate i 1988 = b 0 + b 1 BeerTax i 1988 + b 2 Z i + u i 1988 FatalityRate i 1982 = b 0 + b 1 BeerTax i 1982 + b 2 Z i + u i 1982 so FatalityRate i 1988 – FatalityRate i 1982 = b 1 ( BeerTax i 1988 – BeerTax i 1982 ) + ( u i 1988 – u i 1982 ) · 新的误差项 , ( u i 1988 – u i 1982 ), 与 BeerTax i 1988 或 BeerTax i 1982 . 都不相关。 · 这个“相减的”等式可以用 OLS 进行估计 , 尽管 Z i 无法 观测。 课件 啤酒税与交通死亡率 课件 ?FatalityRate v. ?BeerTax: 课件 固定效应的回归Fixed Effects Regression What if you have more than 2 time periods ( T 2)? Y it = b 0 + b 1 X it + b 2 Z i + u it , i =1,…, n , T = 1,…, T We can rewrite this in two useful ways: 1. “ n - 1 二元自变量 ” regression model 2. “ 固定效应 ” regression model 课件 Y it = b 0 + b 1 X it + b 2 Z i + u i , i =1,…, n , T = 1,…, T 我们首先重写为“固定效应”的形式 . Suppose we have n = 3 states: Californ ia, Texas, Massachusetts. 课件 Y it = b 0 + b 1 X it + b 2 Z i + u i , i =1,…, n , T = 1,…, T California (that is, i = CA) 的总体回归 : Y CA,t = b 0 + b 1 X CA , t + b 2 Z CA + u CA,t = ( b 0 + b 2 Z CA ) + b 1 X CA , t + u CA,t or Y CA,t = a CA + b 1 X CA , t + u CA,t · a CA = b 0 + b 2 Z CA 不随时间改变 · a CA 是 CA 的截距 , b 1 是斜率 · 截距对 CA 是 独特的 , 但是斜率 对所有州是相同的 : 平行 线 . 课件 For TX: Y TX,t = b 0 + b 1 X TX , t + b 2 Z TX + u TX,t = ( b 0 + b 2 Z TX ) + b 1 X TX , t + u TX,t or Y TX,t = a TX + b 1 X TX , t +