342面板数据的f检验固定效应检验.docxVIP

ZJ 面板数据模型 （ ） 检验,固定效应检验 ．面板数据定义。 进度序列数据或截面数据都是一维数据。 例如进度序列数据是变量按进度得到的数据。 截面 数据是变量在截面空间上的数据。面板数据（ ）也称进度序列截面数据（ ）或混合数 据（ ）。面板数据是同时在进度和截面空间上取得的二维数据。面板数据示意图见图。面 板数据从横截面（ ）上看，是由若干个体（ , , ）在某一时刻构成的截面观测值，从纵剖 面（ ）上看是一个进度序列。 . 面板数据用双下标变量表示。例如 表示面板数据中含有个个体。表示进度序列的最大长度。若固定不变， ., （ , , ?, ） 是横截面上的个随机变量。若固定不变， . , （ , , ?, ） 是纵剖面上的 一个进度序列（个 体）。 . 图 ，的面板数据示意图 例如年个省份的农业总产值数据。 固定在某一年份上， 它是由个农业总产总值数字组成的截 面数据。 固定在某一省份上， 它是由年农业总产值数据组成的 一个进度序列。 面板数据由个 个体组成。共有个观测值。 . 对于面板数据 , , , ?, ; , , ?, 来说，如果从横截面上看，每个变量都有观测值， 从纵剖面上看，每一期都有观测值，则称此面板数据为平衡面板数据（ ）。若在面板数据 中丢失若干个观测值，则称此面板数据为非平衡面板数据（ ）。 . 注意： 、、既允许用平衡面板数据也允许用非平衡面板数据估计模型。 / 23 ZJ 例（）：年中国东北、华北、华东个省级地区的居民家庭人均消费（不变价格）和人均收入 数据见表和表。数据是年的，每一年都有个数据，共组观测值。 . 人均消费和收入两个面板数据都是平衡面板数据， 各有个个体。 人均消费和收入的面板数据 从纵剖面观察分别见图和图。 从横截面观察分别见图和图。 横截面数据散点图的表现与观测 值顺序有关。 图和图中人均消费和收入观测值顺序是按地区名的汉语拼音字母顺序排序的。 表 年中国东北、华北、华东个省级地区的居民家庭人均消费数据（不变价格） 地区人均消费 安徽） 北京） 福建） 河北） 黑龙江） 吉林） 江苏） 江西） 辽宁） 内蒙古） 山东） 上海） 山西） / 23 ZJ （天津） （浙江） 资料来源：《中国统计年鉴》。 表 年中国东北、华北、华东个省级地区的居民家庭人均收入数据（不变价格） 地区人均收入 （安徽） （北京） （福建） （河北） （黑龙江） （吉林） （江苏） （江西） （辽宁） （内蒙古） （山东） （上海） （山西） （天津） / 23 ZJ（浙江）资料来源：《中国统计年鉴》。图 个省级地区的人均消费序列（纵剖面）图 个省级地区的人均收入序列（）图 个省级地区的人均消费散点图 ZJ （浙江） 资料来源：《中国统计年鉴》。 图 个省级地区的人均消费序列（纵剖面） 图 个省级地区的人均收入序列（） 图 个省级地区的人均消费散点图 图 个省级地区的人均收入散点图 （个 横截面叠加） （ 每条连线表示同一年度个地区的（ 每条连线表示同一年度个地区的消费值 （ 每条连线表示同一年度个地区的 收入值 ） 用表示消费，表示收入。 , , , , , , , , , , , , , , 分别表示安徽省、北京市、福建省、 河北省、黑龙江省、吉林省、江苏省、江西省、辽宁省、内蒙古自治区、山东省、上海市、 山西省、天津市、浙江省。 . 个地区年人均消费对收入的面板数据散点图见图和图。 图中每一种符号代表一个省级地区的 个观测点组成的进度序列。 相当于观察个进度序列。 图中每一种符号代表一个年度的截面散 点图（共个截面）。相当于观察个截面散点图的叠加。 . 图 用个进度序列表示的人均消费对收入的面板数据 图 用个截面表示的人均消费对收入的面板数据（个截面叠加） 为了观察得更清楚一些，图给出北京和内蒙古年消费对收入散点图。从图中可以看 内蒙古年的收入与消费规模还出，无论是从收入还是从消费看内蒙古的水平都低于北京市。 内蒙古年的收入与消费规模还 / 23 ZJ 不如北京市年的大。 图给出该个省级地区和年的消费对收入散点图。 可见年之后个地区的消 费和收入都有了相应的提高。 . 图 北京和内蒙古年消费对收入时序图 图 和年个地区的消费对收入散点图 ．面板数据的估计。 用面板数据建立的模型通常有种。即混合估计模型、固定效应模型和随机效应模型。 混合估计模型。 如果从进度上看， 不同个体之间不存在显著性差异。 从截面上看， 不同截面之间也不存在显 著性差异，那么就可以直接把面板数据混合在一起用普通最小二乘法（）估计参数。 . 如果从进度和截面看模型截距都不为零， 且是一个相同的常数， 以二变量模型为例， 则建立 如下模型， （） 和不随，变化。称模型 （） 为混合估计模型。 以例中个地区和年数据建立关于消