多水平面板数据模型的估计理论及模拟研究

《多水平面板数据模型的估计理论及模拟研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、云南财经大学硕士学位论文多水平面板数据模型的估计理论及模拟研究姓名：王尚坤申请学位级别：硕士专业：数量经济学指导教师：石磊2011-05摘要摘要多水平模型是专门针对具有嵌套或层次结构数据发展起来的一种新的统计模型。它可以将各个回归系数看成是随机变化的。比如，当数据处于两个层次时，先以第一层的变量建立线性回归模型，然后分别以该线性回归模型的系数作为第二层解释变量的线性函数，建立第二层的线性回归模型，通过这样建立模型，就可以同时处理不同层次，跨层次变量之间的关系，还能将不同层次间的误差项考虑进来，进而估计出

2、各个层次上的差异性。但是，当分层数据受到不可观测的时间效应的影响时，现有的多水平模型不能有效进行统计建模。面板数据是是截面数据和时间序列数据的组合，面板数据模型是研究面板数据的计量模型。由于面板数据综合了时间序列数据和横截面数据，运用面板数据进行计量经济学分析，不仅可以同时利用时间序列数据和截面数据建立模型，还能控制不可观测的不随时间变化的个体异质性因素，控制不同研究对象随时间变化的不可观测的同质因素，从而更好的识别和度量时间序列或截面数据不能发现的效应。但是面板数据模型不能分析数据的层次效应。本文结合

3、多水平模型和面板数据模型的特点，对多水平模型进行改进，建立含有时间随机影响效应的多水平面板数据模型，使之能够分析具有层级结构的数据，同时还能在模型中引入时间随机因素，充分考虑个体、组群的差异性，更详细地解释模型中方差变异的来源。并分析该模型的方差协方差结构，导出模型的参数估计方法，采用迭代广义最小二乘法和限制迭代广义最小二乘法对模型参数进行估计，最后通过模拟数据将该模型与多水平模型和面板数据模型进行了比较分析。关键词：多水平模型；面板数据模型；迭代广义最小二乘法；多水平面板数据模型Ⅰ摘要Abstract

4、Multilevelmodelisanewstatisticmodelthatdevelopedforhierarchicaldata,inwhichtheregressioncoefficientisconsideredasrandomvariable.Forexample,whendataareseparatedintotwolevels,thelevelonevariablesareusedtoestablishalinearregressionmodel,inwhichthecoefficien

5、tsareconsideredasrandomvariables.Therandomcoefficientsthenformalevel2regressionmodelusingleveltwovariables.Bythisway,relationshipsofvariablesamongdifferentlevels,aswellastheconcernoferrorsbetweendifferentlevelscanbestudied.Furthermore,thevariationsbetwee

6、nthelevelscanbeestimated.Thepaneldataisacombinationofcross-sectionaldataandtime-seriesdata,andthepaneldatamodelisausefuleconometricmodelforpaneldata.Forthisreason,theapplicationofpaneldataoneconometricanalysiscandealwithcross-sectionaldataandtime-seriesd

7、ataatthesametime.Itcancontroltheindividualtime-independentheterogeneity,aswellasthetimeeffectsfromdifferentobjects,intheaimofbetterrecognitionandmeasureonthesignificanteffectsofcross-sectionaldataandtime-seriesdata.Butthismodelcan'tbeusedtoanalyzemultile

8、veleffect.Thispapersummarizesthecharacteristicsofmultilevelmodelandthepaneldatamodel,andsuggestsamultilevelpaneldatamodelwhichcombinetheleveleffectsandtimeeffect,sothatitcananalyzethehierarchicalstructuraldata.Meanwhile,ti