SPSSAU_计量经济研究_动态面板.pdf

SPSSAU-在线SPSS分析软件

动态面板模型系统GMM差分GMMHansen过度识别检验AR检验SPSSAU

动态面板模型分析

如果在面板模型中，解释变量包括被解释变量的滞后值，此时则称之为“动态面板模型”，其

目的是处理内生性问题。动态面板模型发展分为3个阶段，第1阶段是由ArellanoandBond(1991)

提出的差分GMM(differenceGMM)，第2阶段由ArellanoandBover(1995)提出水平GMM，第3

阶段是BlundellandBond(1998)将差分GMM和水平GMM结合一起进行GMM估计即系统

GMM(SystemGMM)。SPSSAU默认当前提供差分GMM和系统GMM两种类型，多数情况下使

用系统GMM法。需要注意的是，动态面板模型通常只针对‘大N小T’这样的面板数据，如果T

过大这会导致滞后项很多，待估计参数值可能过多无法拟合等。

动态面板模型时，通常会涉及到几种变量，分别说明如下：

类型说明

被解释变量即因变量Y，被影响项

外生解释变量即自变量X，影响Y的项

GMM式工具变量也称展开式工具变量，即使用一系列工具变量来表示1个工具变量，使用

滞后期作为工具变量的工具变量。

IV式工具变量也称标准式/折叠式工具变量，其为完全外生的工具变量，自己即为自己的

工具变量。

系统GMM在选择被解释变量的几期滞后项作为解释变量时，一个原则是一直到第几期还

显著，就用到第几期。例如，被解释变量的2期滞后项作为解释变量，1期和2期滞后项都显

著，但加上3期滞后项后第2期不显著，第1期仍然显著，则一般只使用滞后的1和2期作为

解释变量，不能用3期。并且必须用1和2期，不能只用1期或2期。因为结果表明1期和2

期都显著，如果只用1期或2期，则会人为造成遗漏变量。

系统GMM在选择被解释变量和解释变量的几期滞后项作为IV时，有较大选择空间。只

要能满足系统GMM的两个检验就行。系统GMM的两个检验是Hansen过度识别检验和扰动项

无自相关AR检验，Hansen过度识别检验研究是否工具变量均为外生变量，如果其对应的p值

大于0.05则意味着工具变量均外生，与此同时还需要通过AR检验，AR检验扰动项是否无自

相关性，一般来说AR(2)对应的p值0.05则接受原假设意味着模型通过自相关检验。动态

面板模型构建时，工具变量参数的设置尤其复杂，但无论如何均需要通过Hansen过度识别

检验和AR检验，才意味着模型可用，因而建议实际研究中让SPSSAU自动进行参数配置，即

设置参数时让系统自动识别寻找最佳模型，当SPSSAU无法自动找出最优模型时，此时结合自

身数据及专业实际情况进行逐一参数设置和调整。

SPSSAU-在线SPSS分析软件

动态面板模型案例

Contents

1背景2

2理论2

3操作3

4SPSSAU输出结果4

5文字分析5

6剖析6

1背景

当前有一份595名美国工人1976-1982年关于工资的面板数据（N=595,T=7），涉及数据包括

被解释变量：工资对数；另外包括11个解释变量，分别为：工龄,工作周数,是否蓝领,是否制造

业工作,是否美国南方,是否住大城市,是否结婚,是否女性,是否工会,教育年限,是否黑人等。部分数

据如下：

2理论

动态面板数据是处理内生性问题的一种方法，将被解释变量的滞后项作为解释变量纳入模

型，并且设置工具变量，进而进行估计，其工具变量的设置较为复杂，但需要尤其注意两个检验，

分别是Hansen过度识别检验和扰动项无自相关AR检验。

SPSSAU-在线SPSS分析软件

3操作