第6章(1)面板数据模型——变截距模型

《第6章(1)面板数据模型——变截距模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第4章数据类型非经典的计量经济学问题模型类型对数据的依赖性•Cross-sectionalData–StochasticSamplingCross-sectionalData–TruncationData–CensoredData经典模型–DurationData–DiscreteChoiceData–CountData时间序列•TimeSeriesData分析模型–StationaryTimeSeries–NonstationaryTimeSeries•PanelData微观计量经济学模型•PanelDataMode

2、l–MacroPanelDatamodel–MicroPanelDataModel•ModelwithDiscreteDependentVariable–DiscreteChoiceModel–CountDataModel•ModelwithLimitedDependentVariable–SelectiveSamplesModel–DurationDataModel§4.1平行数据计量经济学模型（一)—变截距模型一、模型的设定——F检验二、固定影响变截距模型三、随机影响变截距模型四、固定影响/随机影响模型的检验——H

3、ausman检验关于PanelDataModel•独立的计量经济学分支–比较多地用于宏观经济分析——统计数据–也可以用于微观经济分析——调查数据•几种翻译–面板数据模型–综列数据模型–平行数据模型–时空数据模型关于PanelDataModel•本课程包括内容•变截矩模型(Variable-InterceptModels)固定影响(Fixed-Effects)随机影响(Random-Effects)•变系数模型(Variable-CoefficientModels)固定影响随机影响•动态变截矩模型(DynamicMode

4、lswithVariableIntercepts)固定影响随机影响关于PanelDataModel•其它内容–联立方程模型–离散数据模型–选择性样本模型–不完全平行数据–单位根检验和协整检验关于PanelDataModel•SocialScienceCitationIndex(SSCI)中PanelDataModel论文数量–1989年29–1997年518–1998年553–1999年650关于PanelDataModel•AER1984—2004年发文应用模型的类型分布PanelData模型占第2位19001032

5、1242151349经典单方程模型经典联立方程模型宏观时间序列分析模型金融时间序列分析模型其它时间序列分析模型宏观PanelData模型微观PanelData模型离散选择模型完全非参数模型简单非线性模型复杂非线性模型其它关于PanelDataModel•《经济研究》1984—2004年发文PanelData应用模型的类型分布模型占第3位16122141014219211875经典单方程模型经典联立方程模型宏观时间序列分析模型金融时间序列分析模型其它时间序列分析模型宏观PanelData模型微观PanelData模型离散

6、选择模型完全非参数模型简单非线性模型复杂非线性模型其它一、模型的设定——F检验⒈单方程平行数据模型的三种情形y=α+xβ+uitiitiiti=1,?,nt=1,?,T•情形1，在横截面上无个体影响、无结构变化，则普通最小二乘估计给出了和的一致有效估计。相当于将多个时期的截面数据放在一起作为样本数据。α=αβ=βijij•情形2，变截距模型，在横截面上个体影响不同，个体影响表现为模型中被忽略的反映个体差异的变量的影响，又分为固定影响和随机影响两种情况。α≠αβ=βijij•情形3，变系数模型，除了存在个体影响外,在横截

7、面上还存在变化的经济结构，因而结构参数在不同横截面单位上是不同的。α≠αβi≠βjij⒉F检验•假设1：斜率在不同的横截面样本点上和时间上都相同，但截距不相同。•假设2：截距和斜率在不同的横截面样本点和时间上都相同。•如果接收了假设2，则没有必要进行进一步的检验。如果拒绝了假设2，就应该检验假设1，判断是否斜率都相等。如果假设1被拒绝，就应该采用情形3的模型。•F统计量的计算方法1T1Tyi=∑yitxi=∑xitTt=1Tt=1TW=∑(x−x)′(x−x)第i群的残差平方和xx,iitiitit=1TWxy,i=∑

8、(xit−xi)′(yit−yi)yit=αi+xitβi+uitt=1的残差平方和T2Wyy,i=∑(yit−yi)t=1n−1S=RSSRSSi=Wyy,i−Wxy′,iWxx,iWxy,i1∑ii=1nnnWxx=∑Wxx,iWxy=∑Wxy,iWyy=∑Wyy,ii=1i=1i=1S=W−W′W−1Wyit=αi+xitβ