第7章 面板数据模型课件.ppt

《第7章 面板数据模型课件.ppt》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、面板数据模型的分析第一节面板数据模型简介第二节固定效应模型及其估计方法第三节随机效应模型及其估计方法第四节模型设定的检验第五节面板数据模型应用实例第一节面板数据模型简介一、面板数据和模型概述时间序列数据或截面数据都是一维数据。例如时间序列数据是变量按时间得到的数据；截面数据是变量在截面空间上的数据。面板数据（paneldata）也称时间序列截面数据（timeseriesandcrosssectiondata）或混合数据（pooldata）。面板数据是同时在时间和截面空间上取得的二维数据。简单地讲，面板数据因同时含有时间序列数据和截面数据，所以其统计性质既带有时间序列的性质，又包含一定

2、的横截面特点。因而，以往采用的计量模型和估计方法就需要有所调整。面板数据通常分为两类：由个体调查数据得到的面板数据通常被称为微观面板（micropanels）。微观面板数据的特点是个体数N较大（通常是几百或几千个），而时期数T较短（最少是2年，最长不超过10年或20年）。由一段时期内不同国家的数据得到的面板数据通常被称为宏观面板（macropanels）。这类数据一般具有适度规模的个体N（从7到100或200不等，如七国集团，OECD，欧盟，发达国家或发展中国家），时期数T一般在20年到60年之间。对于宏观面板，当时间序列较长时需要考虑数据的非平稳问题，如单位根、结构突变以及协整等；

3、而微观面板不需要处理非平稳问题，特别是每个家庭或个体的时期数T较短时。面板数据的优点（１）可以控制个体异质性可以克服未观测到的异质性（unobservedheterogeneity）这种遗漏变量问题。这个异质性是指在面板数据样本期间内取值恒定的某些遗漏变量。（2）面板数据模型容易避免多重共线性问题面板数据具有更多的信息；面板数据具有更大的变异；面板数据的变量间更弱的共线性；面板数据模型具有更大的自由度以及更高的效率。（3）与纯横截面数据或时间序列数据相比，面板数据模型允许构建并检验更复杂的行为模型。二、一般面板数据模型介绍用面板数据建立的模型通常有3种。即混合估计模型、固定效应模型和

4、随机效应模型。混合（pool）估计模型。如果从时间上看，不同个体之间不存在显著性差异；从截面上看，不同截面之间也不存在显著性差异，那么就可以直接把面板数据混合在一起用普通最小二乘法（OLS）估计参数。几点说明未观测到的异质性可能不会随着样本的变化而变化，也可能随着样本的变化而发生随机的变化。不同截距的数据生成过程就是这未观测到的差别不随样本而变化的数据生成过程。误差成份（errorcomponents）数据生成过程就是这未观测到的差别随样本而随机变化的数据生成过程。在不同截距的数据生成过程中，各自不同的截距都是参数。误差成份模型有两种情况，一是随机的个体效应与解释变量无关，一种是随机

5、的个体效应与解释变量相关。所谓双因素效应模型，就是在模型中既考虑了不可观测非时变的（个体）异质效应，又考虑了不可观测时变（个体）同质效应的模型。类似地，双因素效应模型也有固定效应和随机效应之分，如果设定个体效应αi和时间效应λt是确定的，就是双因素固定效应模型；如果设定个体效应αi和时间效应λt是随机的，就是双因素随机效应模型。在实际应用时，模型的正确设定必须进行相关的统计检验。第二节固定效应模型及其估计方法第三节随机效应模型及其估计方法一致估计量要求：当样本量趋近无穷大时，估计量同时趋近真实值。在面板数据模型中这就要求N和T分别趋向无穷大，这有时有问题，如例1中，N是固定的，华东六

6、省一市是不能改变的，因此当样本的N和T都比较小时，可以直接采用固定效应模型。第四节模型设定的检验一、协方差分析检验二、固定效应和随机效应的检验三、面板单位根和协整检验模型(1)常用的有如下三种情形：情形1：(不变系数模型)情形2：(变截距模型)情形3：(变参数模型)对于情形1，在横截面上无个体影响、无结构变化，则普通最小二乘法估计给出了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。对于情形2，称为变截距模型，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。对于情形3，称为变系数模型，除了存在个体影

7、响外，在横截面上还存在变化的经济结构，因而结构参数在不同横截面上是不同的。一协方差分析检验（可混合性检验）经常使用的检验是协方差分析检验，主要检验如下两个假设：H1：H2：可见如果接受假设H2则可以认为样本数据符合情形1，即模型为不变参数模型，无需进行进一步的检验。如果拒绝假设H2，则需检验假设H1。如果接受H1，则认为样本数据符合情形2，即模型为变截距模型，反之拒绝H1，则认为样本数据符合情形3，即模型为变参数模型。下面介绍假设检验的F统计量的计算方法。