固定影响Panel数据模型.docVIP

PAGE PAGE 329 §10.4 固定影响平行数据模型 所谓“平行数据”(Panel Data)，也被翻译成“面板数据”，指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。平行数据计量经济学模型是近20年来计量经济学理论方法的重要发展之一，具有很好的应用价值。本节将介绍固定影响平行数据模型。 一、平行数据模型概述 ⒈ 经济分析中的平行数据问题 在经济分析中，尤其是通过建立计量经济学模型所进行的经济分析中，经常发现，只利用截面数据或者只利用时间序列数据不能满足分析目的的需要。 例如，如果分析生产成本问题，只利用截面数据，即选择同一截面上不同规模的企业数据作为样本观测值，可以分析成本与企业规模的关系，但是不能分析技术进步对成本的影响；只利用时间序列数据，即选择同一企业在不同时间上数据作为样本观测值，可以分析成本与技术进步的关系，但是不能分析企业规模对成本的影响。如果采用平行数据，即在不同的时间上选择不同规模的企业数据作为样本观测值，无疑既可以分析成本与技术进步的关系，也可以分析成本与企业规模的关系。 再如，分析目前我国的结构性失业问题，它既受到各地区产业结构的影响，也受到国家在各个时期的宏观政策的影响。只利用截面数据，即选择同一时间上不同省市的数据作为样本观测值，可以分析各省市不同的产业结构对结构性失业的影响，但是不能分析国家的宏观政策对各省市结构性失业的影响；只利用时间序列数据，即选择同一省市或者全国在不同时间上数据作为样本观测值，可以分析国家的宏观政策对结构性失业的影响，但是不能分析不同的产业结构对结构性失业的影响。如果采用平行数据，即在不同的时间上选择不同省市的数据作为样本观测值，无疑既可以分析不同的产业结构对结构性失业的影响，也可以分析国家的宏观政策对结构性失业的影响。 平行数据模型简介 单方程平行数据模型的一般形式为： , , (10.4.1) 其中为向量，为向量，为解释变量的数目。按照规范的表示，这里和应该写成矩阵和，而且有 但是为了简化书写，在本节中采用(10.4.1)的表示。误差项均值为零，方差为。 模型(10.4.1)常用的有如下三种情形： 情形1：, 情形2：, 情形3：, 对于情形1，在横截面上无个体影响、无结构变化，则普通最小二乘估计给出了和的一致有效估计。相当于将多个时期的截面数据放在一起作为样本数据。对于情形2，称为变截距模型，在横截面上个体影响不同，个体影响表现为模型中被忽略的反映个体差异的变量的影响，又分为固定影响和随机影响两种情况。对于情形3，称为变系数模型，除了存在个体影响外,在横截面上还存在变化的经济结构，因而结构参数在不同横截面单位上是不同的。 典型的平行数据是横截面单位较多而时期较少的数据。这样，该技术主要集中于横截面的变化，或异方差上（因为截面数据容易产生异方差，这在经典线性模型中已经讨论了）。 如果变化并不反映在横截面个体之间，而是反映在不同的截面之间，分析方法是完全相同的。 二、模型的设定 由于可以构造和检验比以往单独用横截面数据或时间序列数据更现实的行为方程模型，计量经济学的经验研究大大地丰富了。但平行数据包括两维的数据(横截面和时间)，如果模型设定不正确，将造成较大的偏差，估计结果与实际将相差甚远。所以，在建立平行数据模型时必须控制不可观察的个体和（或）时间的特征以避免模型设定的偏差并改进参数估计的有效性。 如果可获得的数据是来自简单可控制的实验，则可以应用标准统计方法。不幸的是，多数平行数据是来自经济活动的复杂过程。这样，若假设经济变量在每个时点上都是由参数化的概率分布函数(为参数)生成的，实际上是不现实的。忽视这种在横截面或时间上参数的本质上的差异可能会导致参数估计不是一致估计或估计出的参数值无意义。例如，考虑模型(10.4.1)，参数和在不同的横截面样本点（即同一横截面的不同个体样本点）上不同，在不同时间上相同。这样，在不同的横截面样本点上，的抽样分布是不同的。但在同一横截面样本点上，在不同时间上的抽样分布是相同的。此时，若对该平行数据建立模型 , 则参数的最小二乘估计将不可能是一致估计，且估计值无任何意义(如图10.4.1)。当模型(10.4.1) 中不同横截面的参数相同时，也有同样的问题(如图10.4.2)。 图10.4.1