连玉君：面板讲义(理论和在STATA中的操作).pdf

《连玉君：面板讲义(理论和在STATA中的操作).pdf》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、EstimationwithSTATA连玉君1中山大学岭南学院金融系arlionn@163.com2007.071这是我在西安交通大学金禾中心读博期间整理的学习笔记。非常感谢我的导师钟经樊先生带我走进计量经济学的多彩世界，并介绍给我一非常难得的朋友—-STATA。同时，也要感谢金禾中心的程建博士(现就职于建行总行博士后流动站)和朱晓明博士(现就职于国家开发银行北京总行)在LATEX软件的使用方面给与的帮助。如果发现笔记中有任何错误和不妥之处，或是对我还没有想出来的问题有任何解决的建议，烦请发邮件给我。同时，我已经完成的笔记(共12章)都可以在我的博客(http:

2、//arlion.8j.cn)中下载，欢迎光临。由于这些笔记还在不断更新中，所以恳请各位将阅读过程中发现的小错误及时反馈给我，我会将你们的名字做成列表，定时发送最新版的笔记给你们。目录第八章面板数据模型18.1简介.............................................18.2静态面板数据模型.....................................18.2.1固定效应模型...................................28.2.2随机效应模型........................

3、...........78.2.3假设检验......................................108.2.4STATA实现....................................138.3非均齐方差.........................................258.3.1异方差.......................................258.3.2序列相关......................................298.3.3方差形式未知时的稳健性估计......

4、....................338.4动态面板模型.......................................338.5面板VAR模型.......................................338.6面板门槛模型.......................................338.7面板单位根检验和协整分析...............................33I第八章面板数据模型8.1简介面板数据，简言之是时间序列和截面数据的混合。严格地讲是指对一组个体(如居民、国家、公司等)连续观

5、察多期得到的资料。所以很多时候我们也称其为“追踪资料”。近年来，由于面板数据资料的获得变得相对容易，使其应用范围也不断扩大。而关于面板数据的计量理论也几乎涉及到了以往截面分析和时间序列分析中所有可能出现的主题，如近年来发展出的面板向量自回归模型(PanelVAR)、面板单位根检验(PanelUnitRoottest)、面板协整分析(PanelCointegeration)、门槛面板数据模型(PanelThreshold)等，都是在现有截面分析和时间序列分析中的热点主题的基础上发展起来的。采用面板数据模型进行分析的主要目的有二：一是控制不可观测的个体异质性；二是描

6、述和分析动态调整过程，处理误差成分。使用面板数据主要有以下几方面的优点：便于控制个体的异质性。比如，我们在研究全国30个省份居民人均消费青岛啤酒的数量时。可以选取居民的收入、当地的啤酒价格、上一年的啤酒消费量等变量作为解释变量。但同时我们认为民族习惯、1风俗文化、2广告投放等因素也会显著地影响居民的啤酒消费量。对于特定的个体而言，前两种因素不会随时间的推移而有明显的变化，通常称为个体效应。而广告的投放往往通过电视或广播，我们可以认为在特定的年份所有省份所接受的广告投放量是相同的，通常称为时间效应。这些因素往往因为难以获得数据或不易衡量而无法进入我们的模型，在截

7、面分析中者往往会引起遗漏变量的问题。而面板数据模型的主要用途之一就在于处理这些不可观测的个体效应或时间效应。包含的信息量更大，降低了变量间共线性的可能性，增加了自由度和估计的有效性。便于分析动态调整。8.2静态面板数据模型我们一般所说的静态面板数据模型，是指解释变量中不包含被解释变量的滞后项(通常为一阶滞后项)的情形。但严格地讲，随机干扰项服从某种序列相关的模型，如AR(1),AR(2),MA(1)等，也不是静态模型。动态模型和静态模型在处理方法上往往有较大的差异。本节中我们重点介绍两种最为常用的静态模型—固定效应模型和随机效应模型。考虑如下模型：yDx0C

8、u(8-1)ititit