Eviews面板数据之随机效应模型.docxVIP

v1.0 可编辑可修改 随机效应模型的估计原理说明与豪斯曼检验 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 ui ~ N (0, u 2 ) 表示个体随机误差分量； vt ~ N (0, v2 ) 表示时间随机误差分量； 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 ui 而不存在时间随机误差分量 vt ， 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： 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 11 v1.0 可编辑可修改 性。 ，可以在 体中随机抽取 N 个 本，利用 N 个 本的个体随机效 模 型： K yit 1 k xkitui wit (2) k 2 推断 体的 律。 其中，个体随机 差 ui 是属于第 i 个个体的随机干 分量，并在整个 范 （ t=1,2 , ?,T ）保持不 ，其反映了不随 化的 不可 随机信息的效 。 ：个体随机效 的原假 和 假 分 是： H 0 : u  2  （混合估 模型） 2 H 1： u  0 ( 个体随机效 模型 ) 个体随机效 的 量： N T 2 2 LM =  NT  ? it i 1 i 1 1 N N 2(T 1)  ? 2 it i 1 t 1 其中， ?it 是混合模型 OLS估 的残差。在零售下， 量 LM服从 1 个自由 度的 2 分布，即 LM ~ 2(1)。 个体 随机效 模型 践： 一、数据：已知 1996—2002 年中国 北、 北、 15 个省 地区的居民 家庭人均消 （ cp ，不 价格）和人均收入（ ip ，不 价格）居民，利用数据 （ 1）建立面板数据（ panel data ）工作文件；（2）定 序列名并 入数据； （3） 估 面板模型；（ 4）面板 位根 。年人均消 （ consume）和人均收入 （ income）数据以及消 者价格指数（ p）分 表 1，2 和 3。 表 1 1996 — 2002 年中国东北、华北、华东 15 个省级地区的居民家庭人均消费（元）数据 22 v1.0 可编辑可修改 人均消费 1996 1997 1998 1999 2000 2001 2002 CONSUMEAH CONSUMEBJ CONSUMEFJ CONSUMEHB CONSUMEHLJ CONSUMEJL CONSUMEJS CONSUMEJX CONSUMELN CONSUMENMG CONSUMESD 5022 CONSUMESH 10464 CONSUMESX CONSUMETJ CONSUMEZJ 表 2 1996 — 2002 年中国东北、华北、华东 15 个省级地区的居民家庭人均收入（元）数据 人均收入 1996 1997 1998 1999 2000 2001 2002 INCOMEAH INCOMEBJ INCOMEFJ INCOMEHB INCOMEHLJ INCOMEJL 4810 INCOMEJS 33 v1.0 可编辑可修改 INCOMEJX INCOMELN INCOMENMG 6051 INCOMESD INCOMESH INCOMESX INCOMETJ INCOMEZJ 表 3 1996 — 2002 年中国东北、华北、华东 15 个省级地区的消费者物价指数 物价指数 1996 1997 1998 1999 2000 2001 2002 PAH