Eviews面板数据之随机效应模型.docxVIP

Eviews面板数据之随机效应模型 Eviews面板数据之随机效应模型 Eviews面板数据之随机效应模型 可编写可更正 随机效应模型的估计原理说明与豪斯曼检验 在面板数据的计量解析中， 若是讲解变量对被讲解变量的效应不随个体和时间变化，并且讲解被讲解变量的信息不够完满， 即讲解变量中不包含一些影响被讲解变量的不可以察看确实定性因素， 可以将模型设定为固定效应模型， 采用反响个体特色或时间特色的虚假变量 〔即知随个体变化或只随时间变化〕 也许分解模型的截距项来描述这些缺失确实定性信息。 但是，固定效应模型也存在必然的缺乏。比方固定效应模型模型中包含好多虚假变量时，减少了模型估计的自由度；实质应用中，固定效应模型的随机误差项难以满足模型的根本假设，易于以致参数的非有效估计。更为重要的是，它只考虑了不完满确实定性信息对被讲解变量的效应，而未包含不可以察看的随 机信息的效应 。为了填充这一缺乏， Maddala(1971) 将混杂数据回归的随机误差项分解为截面随机误差重量、时间随机误差重量和个体时间随机误差重量三局部，谈论以下 随机效应模型或两重量误差分解模型 〔 1〕： K yit 1 k xkit ui vt wit (1) k 2 ui ~ N (0, u 2 ) 表示个体随机误差重量； vt ~ N (0, v2 ) 表示时间随机误差重量； wit ~