精编平稳性检验理论说明面板数据分析方法步骤全解资料.pdfVIP

面板数据分析方法步骤全解 面板数据的分析方法或许我们已经了解许多了， 但是到底有没有一个基本的步骤呢？那些步 骤是必须的？这些都是我们在研究的过程中需要考虑的， 而且又是很实在的问题。 面板单位 根检验如何进行？协整检验呢？什么情况下要进行模型的修正？面板模型回归形式的选 择？如何更有效的进行回归？诸如此类的问题我们应该如何去分析并一一解决？以下是我 近期对面板数据研究后做出的一个简要总结， 和大家分享一下， 也希望大家都进来讨论讨论。 步骤一：分析数据的平稳性（单位根检验） 按照正规程序， 面板数据模型在回归前需检验数据的平稳性。 李子奈曾指出， 一些非平稳的 经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时， 对这些数据进行回归， 尽管有较高的 R 平方， 但其结果是没有任何实际意义的。 这种情况称 为称为虚假回归或伪回归（ spurious regression ）。他认为平稳的真正含义是：一个时间序 列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白 噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。 而检验数据平稳性最常用的办法就是单位根检验。 首先，我们可以先对面板序列绘制时序图， 以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和 （或）截距项， 从 而为进一步的单位根检验的检验模式做准备。 单位根检验方法的文献综述： 在非平稳的面板数据渐进过程中 ,Levin andLin(1993) 很早就 发现这些估计量的极限分布是高斯分布 , 这些结果也被应用在有异方差的面板数据中 , 并建 立了对面板单位根进行检验的早期版本。后来经过 Levin et al. (2002) 的改进 , 提出了检 验面板单位根的 LLC 法。 Levin et al. (2002) 指出 , 该方法允许不同截距和时间趋势 , 异 方差和高阶序列相关 , 适合于中等维度 ( 时间序列介于 25～250 之间 , 截面数介于 10～250 之间 ) 的面板单位根检验。 Im et al. (1997) 还提出了检验面板单位根的 IPS 法 , 但 Breitung(2000) 发现 IPS 法对限定性趋势的设定极为敏感 , 并提出了面板单位根检验的 Breitung 法。 Maddala and Wu(1999) 又提出了 ADF-Fisher 和 PP-Fisher 面板单位根检验方 法。 由上述综述可知，可以使用 LLC、 IPS、Breintung 、ADF-Fisher 和 PP-Fisher5 种方法进行 面板单位根检验。 其中 LLC-T 、 BR-T、 IPS-W 、ADF-FCS、PP-FCS 、H-Z 分别指 Levin, Lin Chu t* 统计 量、 Breitung t 统计量、 lm Pesaran Shin W 统计量、 ADF- Fisher Chi-square 统计量、 PP-Fisher Chi-square 统计量、Hadri Z 统计量，并且 Levin, Lin Chut* 统计量、Breitung t 统计量的原假设为存在普通的单位根过程， lm Pesaran Shin W 统计量、 ADF- Fisher Chi-square 统计量、 PP-Fisher Chi-square 统计量的原假设为存在有效的单位根过程， Hadri Z 统计量的检验原假设为不存在普通的单位根过程。 有时，为了方便，只采用两种面板数据单位根检验方法，即相同根单位根检验