第六章面板数据模型ppt课件.pptx

《第六章面板数据模型ppt课件.pptx》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、第六章面板数据模型引例.数据的分类与特点常见的数据类型包括:1.截面数据(同一时间不同个体构成的数据)特点:具有独立性和异质性2.时间序列数据(同一个体不同时间观测构成的数据)特点:具有同质性和相关性3.面板数据(不同个体在不同时间的观测构成的数据)特点:具有异质性和相关性例如：1996-2002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）数据见下表。数据是7年的，每一年都有15个数据，共105组观测值。1996-2002年中国15个省级地区的居民家庭人均消费数据（不变价格）1996-20

2、02年中国15个省级地区的居民家庭人均收入数据（不变价格）图1面板数据示意图人均消费和收入的面板数据从纵剖面观察分别见图2和图3。从横截面观察分别见图4和图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215个省市人均消费序列（纵剖面）图315个省市人均收入序列图415个省市人均消费散点图(每条连线表示同一

3、年度15个地区的消费值)图515个省市人均收入散点图(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6和图7。图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6用15个时间序列表示的人均消费对收入的面板数据图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8给出北京和内蒙古1996-2002年消费对收入散点图。图9给出15个

4、省级地区1996和2002年的消费对收入散点图。图8北京和内蒙古1996-2002年消费对收入时序图图91996和2002年地区消费对收入散点图本章讨论以下问题一.面板数据模型的建立基本概念面板数据模型的类型面板模型系数的经济意义及预测二.面板数据模型的估计混合模型的估计固定效应模型的估计随机效应模型的估计三.面板数据模型的选择一.面板数据模型的建立1.基本概念面板数据（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

5、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N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。2.面板数据模型的类型设为被解释变量在横截面i和时间t上的数值，为第k个解释变量在横截面i和时间t上的数值，为横截面i和时间t上的随机误差项；代表第i截面上的不可观测的个体影响因素；解释变量数为k=l，2，…，K；截面数为i=1，2，…，N；时间长度为t=1，2，…，T。其中

6、,N表示个体截面成员的个数，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：在面板回归模型的一般形式中，由于个体因素无法观测，不能直接进行估计，因此我们考虑一下三种情况：混合模型(poolmodel)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(pooledregression

7、model)。(2)随机效应模型(randomeffectsmodel)如果个体效应存在，但我们假设其与解释变量不相关，即，那么我们可以建立以下随机效应模型：其中：代表个体效应，并且(3)固定效应模型(fixedeffectsmodel)如果个体效应存在，且其与某个解释变量相关，即那么我们可以建立以下固定效应模型：其中：代表个体效应，并且3.面板模型系数的经济意义对于面板模型的一般形式：混合模型对于混合模型，因此回归系数代表无个体效应下，解释变量X对被解释变量Y的条件期望的边际效应。(2)随机效应模型对于随机效应模型，因

8、此回归系数代表对于任何个体，解释变量X对被解释变量Y的条件期望的边际效应。(3)固定效应模型对于固定效应模型，因此如不考虑个体效应，我们无法获得解释变量X对被解释变量Y的条件期望的边际效应。我们只能获得：即给定某个个体的前提下，解释变量X对被解释变量Y的条件期望的边际效应。对于固定效应模型：由于，那么当，解释变量被归