面板数据模型经典.pptVIP

第94页，共157页，星期日，2025年，2月5日相对于混合估计模型来说，是否有必要建立变截距、变系数模型，可以通过F检验来完成。即检验样本数据究竟属于哪一种面板数据模型形式。主要检验如下两个假设：第95页，共157页，星期日，2025年，2月5日第96页，共157页，星期日，2025年，2月5日第97页，共157页，星期日，2025年，2月5日3．含有AR(p)项的固定影响变系数模型对于含有AR(p)项的固定影响变系数模型，经过适当的变换，可以将其转换成基本的固定影响变系数模型进行估计。例如，含有AR(1)项的固定影响变系数模型的基本形式如下：第98页，共157页，星期日，2025年，2月5日利用前面所介绍的固定影响变系数模型的估计方法，能够实现对于变形后的模型(11.4.8)的估计。类似，对于含有AR(p)项的固定影响变截距模型，也可以经适当变换转变为基本的固定影响变截距模型进行估计。11.4.2随机影响变系数模型1．随机影响模型的形式考虑如下形式的变系数模型：第99页，共157页，星期日，2025年，2月5日第100页，共157页，星期日，2025年，2月5日第101页，共157页，星期日，2025年，2月5日2．随机影响模型的估计在实际分析中，这两项方差几乎都是未知的，因此需要采用可行广义最小二乘估计法(FGLS)对模型进行估计，即先利用数据求出未知方差的无偏估计，然后再进行广义最小二乘估计。第102页，共157页，星期日，2025年，2月5日11.5案例分析根据凯恩斯的绝对收入假说，利用我国29个省市（不包括重庆和西藏）的城镇居民可支配收入、消费数据(见表11.5.1、表11.5.2)建立城镇居民消费函数，对各省市的居民消费结构进行对比分析。模型中的被解释变量CS为城镇居民人均全年消费支出，解释变量YD为城镇居民人均全年可支配收入（单位：元/人），变量均为年度数据，样本区间为1991-2004年。表11.5.129个省市地区的城镇居民家庭平均消费支出数据（单位：元/人）第103页，共157页，星期日，2025年，2月5日第104页，共157页，星期日，2025年，2月5日第105页，共157页，星期日，2025年，2月5日第106页，共157页，星期日，2025年，2月5日第107页，共157页，星期日，2025年，2月5日第108页，共157页，星期日，2025年，2月5日第109页，共157页，星期日，2025年，2月5日第110页，共157页，星期日，2025年，2月5日在实际分析中，成分方差几乎都是未知的。因此，需要采用可行广义最小二乘估计法(feasiblegeneralizedleastsquared，FGLS)对模型进行估计，即先利用数据求出未知成分方差的无偏估计，然后再进行广义最小二乘估计。第62页，共157页，星期日，2025年，2月5日例11.3.2利用1996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费和人均收入数据(见表11.1和表11.2)，试建立随机影响变截距模型，研究这些地区的居民家庭消费行为。模型形式为EViews估计方法：在EViews的PooledEstimation对话框中Intercept选项中选Randomeffects（随机效应截距项，见图11.3.6），其余选项同上。第63页，共157页，星期日，2025年，2月5日图11.3.6合成数据模型定义对话框第64页，共157页，星期日，2025年，2月5日随机影响变截距模型输出结果如表11.3.4。表11.3.4随机影响变截距模型估计结果第65页，共157页，星期日，2025年，2月5日第66页，共157页，星期日，2025年，2月5日表11.3.5各地区随机影响的变截距模型估计结果地区随机影响估计值地区随机影响估计值安徽-2.55辽宁112.12北京367.04内蒙古-133.14福建-54.24山东-100.87河北-104.84上海126.18黑龙江-101.77陕西-22.79吉林54.91天津10.09江苏-32.28浙江106.09江西-223.95??第67页