《面板数据模型》ppt课件

《《面板数据模型》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、计量经济学Econometrics李平2006年1月主要内容面板数据（Paneldata）固定效应随机效应固定效应和随机效应模型的比较面板数据常用的经济数据类型横截面数据：空间时间序列数据：时间面板数据（混合数据、综列数据）面板数据为什么使用面板数据？既能体现横截面上不同个体的差异性，又能反映出某一个体的历史信息。可以提供“更有价值的数据，变量之间增加了多变性而减少了共线性，并且提高了自由度和估计的有效性”更好地检测和度量单纯使用横截面数据或时间序列数据无法观测到的影响。通过使数据适用于多个单元，面板数据能够将累加数据所引起的偏差降到最低。例子：投资理

2、论研究为研究实际总投资（I）对实际资本存量（CAP）和企业实际价值（PL）的关系，收集了4个公司，即通用电气（GE）、通用汽车（GM）、美国钢铁（US）和西屋（WEST），20年（1935－1954）的数据，共80个观测值。通用电气（GE）通用汽车（GM）美国钢铁（US）西屋（WEST）考虑如下模型：关键是选取那些数据进行回归？也可在每一年都做一次横截面回归（20次）可对4个公司的时间序列数据分别做回归（4次）同时利用4个公司20年的数据做1次回归面板数据回归面板数据回归模型的估计由于同时考虑时间和个体上的数据，对面板数据模型的估计方法取决于对截距、斜

3、率和误差项在时间和个体上的假设：所有系数不随时间和个体的变化而变化斜率不变而截距随个体变化而变化斜率不变而截距随时间和个体变化而变化斜率和截距随个体变化而变化斜率和截距随个体和时间变化而变化……混合回归（PLS）所有系数都不随时间和个体的变化而变化直接用OLS估计双击单击存在的问题：假设4家不同的公司的截距项和斜率系数都完全相同，这是相当严格的假设，很可能扭曲了4个公司Y和X之间关系的真实情况固定效应放宽的假设1：斜率系数不变但截距随个体（或时间）而变化下标i加到截距项上，表明4个公司的截距是不相同的，这种差异可能是由于每个公司的特性所引起的。虽然截距

4、随个体变化，但不随时间变化，即在时间上4个公司的截距项是固定不变的，因此称该模型为固定效应模型（FixedEffectModel,FEM）现在的问题是，是不可观测的，怎样实现模型的估计？由于4个公司的截距项不同，一种直观的考虑是以其中一个公司的截距项作为标准，其余3个公司的截距项在此基础上作比较，而这通过虚拟变量可以很容易地实现：代表GE的截距项，而就能够说明其它3家公司的截距项相对于GE的截距项有多大的不同，即级差截距系数。由于我们使用虚拟变量来刻画固定效应，并使用OLS来估计，因此上述模型也被称为最小二乘虚拟变量模型（LSDV）这些截距上的差异可能

5、由每个公司独特的性质引起。那个模型更好呢？从输出结果各项指标来看，LSDV较好。也可从F检验的角度来比较。事实上，OLS是LSDV的约束模型。H0：D2＝D3＝D4显著拒绝原假设。固定效应放宽的假设2：斜率系数不变而截距随个体和时间变化其中表示时间虚拟变量，表示将1954年的截距项作为基准由于考虑了回归模型随时间的改变，因此称为时间效应模型（一个问题：自由度的损失）固定效应放宽的假设3：所有系数都随个体而变化若所有的级差截距和基础斜率系数都显著，就可以得出结论：4家公司的投资函数各不相同，从而说明这4家公司的数据不能一视同仁，而要区别对待，单独估计每家

6、公司的X对Y的影响关系在Eviews中可以通过菜单直接估计固定效应模型。单击固定效应使用固定效应模型注意事项引进过多的虚拟变量会损失大量自由度。大量解释变量不可避免地会带来多重共线性问题误差项服从经典假设的正态分布很值得商榷。固定效应模型是建立在扰动项服从正态分布假设的基础上。假定：以下几种情况可能违反假定：1.同一时点上横截面数据造成的异方差。2.同一个体的时间序列数据造成的自相关。3.不同时点上横截面数据造成的异方差。4.不同个体在时间序列上的横截面相关。由于面板数据要考察不同个体之间的差异，但是这些差异单从数据本身是无法观测到的。固定效应方法引入

7、虚拟变量将总体的未知信息差异化，从而间接地解决了这个问题。但是，当横截面单元较多是，由于自由度的原因，建立的模型将是代价高昂的。Kementa曾说：与LSDV模型相联系的一个明显的问题是，引入虚拟变量是否确实有必要。包含虚拟解释变量是对我们无知的一种掩饰。随机效应如果虚拟变量确实代表了对于（真实）模型知识的一种缺乏，那么为什么不通过干扰项来表达这种无知呢？基于干扰项的面板数据建模方法叫做随机效应模型（RandomEffectModel,REM）或误差组成模型（ECM）。随机效应REM的基本思路随机效应个体的截距项表示为，即这些个体都来自于同一个大样本，

8、具有相同的均值和方差，并且每个个体的截距项的差异反映在误差项中。模型总的误差项是一个合成误差项