6跨时横截面数据.ppt

跨时横截面数据 主要内容 ? 独立混合截面数据 ? 面板（追踪）数据（线性模型） ? 固定效应估计 ? 随机效应估计 ? …… ? 跨时独立截面数据的混合 ? 同一个总体不同时点上的随机抽样 ? 样本独立但可能不是同分布的，分布可能随时间变化 ? 可以增加样本容量；经济关系随时间变化 ? 两个时期的函数是否有结构性变化 ? 邹检验；或检验年份虚拟变量与所有变量的交互项 ? 政策分析 ? 自然实验或准自然实验 ? 实验组对照组 * 变化前后 ? 控制对照组和处理组之间 的系统性差异 实验组 对照组 差分 实施前 实施后 差分 双重差分 before treat y , after treat y , before control y , before control y , others after treat after treat y ? ? ? ? ? ? 1 1 0 0 ? ? ? ? ? 两期追踪数据 ? 两个时期的横截面数据都具有相同的个体 ? 便于处理不随时间变化的遗漏变量问题 ? 面板数据中观测不到的因素分为两类：固定不变的； 随时间变化。 ? 两期追踪数据回归模型可写为 ? 非观测效应，不可观测异质性，固定效应 ? 复合误差（ composite error ） ? 如果对上式做差分，得到 ? 如果 不相关，并且 是有变化的，则可利 用 OLS 估计，此时得到一阶差分估计量 ? 可以与 相关，但只要不随时间变化 it i it t it u a x d y ? ? ? ? ? 1 0 0 2 ? ? ? i a it it it u x y ? ? ? ? ? ? 1 0 ? ? it it u x ? ? , it x ? i a it x 多时期面板数据 ? 多时期面板数据中，如果固定效应与其中任一解释变 量相关，且固定效应被忽略，则混合 OLS 将导致偏误 且非一致性的估计量 ? 如果将相邻两个时期做差分，则可以去掉不可观测的 固定效应。 ? 注意：数据编排方式是正确的 ? 还必须假设 是序列不相关的 ? 是否序列相关的检验 ? ? 对差分方程进行 AR(1) 调整 it u ? it u ? it it it it e r r u ? ? ? ? ? 1 ? ? 固定效应估计 ? 模型为 ? 对每个 i 根据时间求平均 ? 对该式的估计为组间估计量 ? 组间估计量 没有考虑到时间上变化所提供的重要信息 ? 上述两式相减，得到 ? 对此可使用 OLS 估计，所得即为固定效应估计量 (fixed effects estimator) ，或称为组内估计量 (within estimator) ? 严格外生性假设 ： 与所有时期的每一个解释变量都不相 关 ? 所有不随时间变化的解释变量都不能采用固定效应估计 ? 假设 同方差、无时间序列相关性 ? N × T 个观测者， k 个自变量，自由度为 df = NT – N – k 。 it i it it u a x y ? ? ? ? i i i i u a x y ? ? ? ? ? ? ? ? i it i it i it u u x x y y ? ? ? ? ? ? it u it u 固定效应估计：虚拟变量回归 ? 对每个 i 设定一个虚拟变量，将固定效应视为待估计的 变量 ? 问题：会造成许多的解释变量。可能不易估计，会损失 很多自由度。 ? 固定效应估计与虚拟变量回归所得到的估计系数、标准 误和其他主要统计量是相同的 ? 虚拟变量计算的 R2 通常都比较高，因为虚拟变量能解释 数据变异中的大部分 ? 可检验所有虚拟变量的联合显著性（ F 检验） ? 通常感兴趣的是 ，有时也会关注 ? 但通常 是非一致的 ? 给定 T ， N 的增加对于 没有意义；给定 N ， T 增加能得到更好的 ? 通常 N 很大， T 很小（金融数据中， T 相对于 N 很大） ? ? i a ? i a ? i a ? i a ? 固定效应（ FE ） vs 一阶差分（ FD ） ? 在两期面板数据中， FE 和 FD 的结果是相同的 ? N≥3 时， FE 和 FD 不相同，但都是一致的 ? 如果