《面板数据模型经典》PPT课件

《《面板数据模型经典》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第11章面板数据模型11.1面板数据模型概述11.1.1面板数据的含义面板数据（paneldata）也称也称平行数据，或时间序列截面数据（timeseriesandcrosssectiondata）或混合数据（pooldata），是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。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时间序列。面板数据用双下标变量表示。例如yiti=1,2,…,N;t=1,2,…,TN表示面板数据中含有N个个体。T表示时间序列的最大长度。若固定t不变，yi.(i=1

2、,2,…,N)是横截面上的N个随机变量；若固定i不变，y.t(t=1,2,…,T)是纵剖面上的一个时间序列（个体），如图11.1.1所示。图11.1.1面板数据示意图例如1990-2000年30个省份的农业总产值数据。固定在某一年份上，它是由30个农业总产值数字组成的截面数据；固定在某一省份上，它是由11年农业总产值数据组成的一个时间序列。面板数据由30个个体组成。共有330个观测值。对于面板数据yit,i=1,2,…,N;t=1,2,…,T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（b

3、alancedpaneldata）。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（unbalancedpaneldata）。例11.1.11996-2002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（不变价格）数据见表11.1.1和表11.1.2。数据是7年的，每一年都有15个数据，共105组观测值。表11.1.11996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费数据（不变价格）表11.1.21996-2002年中国15个省级地区的居民家庭人均收入数据（不变价格）人均消费和收入的面板数据

4、从纵剖面观察分别见图11.1.2和图11.1.3。从横截面观察分别见图11.1.4和图11.1.5。用CP表示消费，IP表示收入。AH,BJ,FJ,HB,HLJ,JL,JS,JX,LN,NMG,SD,SH,SX,TJ,ZJ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。图11.1.215个省市人均消费序列（纵剖面）图11.1.315个省市人均收入序列图11.1.415个省市人均消费散点图(每条连线表示同一年度15个地区的消费值)图11.1.515个省市人均收入散

5、点图(7个横截面叠加)(每条连线表示同一年度15个地区的收入值)15个地区7年人均消费对收入的面板数据散点图见图11.1.6和图11.1.7。图11.1.6中每一种符号代表一个省级地区的7个观测点组成的时间序列。相当于观察15个时间序列。图11.1.7中每一种符号代表一个年度的截面散点图（共7个截面）。相当于观察7个截面散点图的叠加。图11.1.6用15个时间序列表示的人均消费对收入的面板数据图11.1.7用7个截面表示的人均消费对收入的面板数据（7个截面叠加）图11.1.8给出北京和内蒙古1996-2002年消费对收入散点图。图11.1.9给出1

6、5个省级地区1996和2002年的消费对收入散点图。图11.1.8北京和内蒙古1996-2002年消费对收入时序图图11.1.91996和2002年地区消费对收入散点图11.1.2面板数据模型的基本类型设yit为被解释变量在横截面i和时间t上的数值，xjit为第j个解释变量在横截面i和时间t上的数值，uit为横截面i和时间t上的随机误差项；bji为第i截面上的第j个解释变量的模型参数；ai为常数项或截距项，代表第i横截面(第i个体的影响)；解释变量数为j=l，2，…，k；截面数为i=1，2，…，N；时间长度为t=1，2，…，T。其中,N表示个体截面

7、成员的个数，T表示每个截面成员的观测时期总数，k表示解释变量的个数。则单方程面板数据模型一般形式可写成：对于平衡的面板数据，即在每一个截面单元上具有相同个数的观测值，模型样本观测数据的总数等于NT。当N=1且T很大时，就是所熟悉的时间序列数据；当T=1而N很大时，就只有截面数据。面板数据模型划分为3种类型：(1)无个体影响的不变系数模型：ai=aj=a，bi=bj=b这种情形意味着模型在横截面上无个体影响、无结构变化，可将模型简单地视为是横截面数据堆积的模型。这种模型与一般的回归模型无本质区别，只要随机扰动项服从经典基本假设条件，就可以采用OLS法

8、进行估计（共有k+1个参数需要估计），该模型也被称为联合回归模型(pooledregressionmodel)。(2)变截