第4章-面板數(shù)據(jù)模型與應(yīng)用.ppt

面板數(shù)據(jù)的計量經(jīng)濟分析 白仲林著 張曉峒主審 南開大學(xué)出版社 2008 書號ISBN978 7 310 02915 0 file 5panel02file 5panel01 8 面板數(shù)據(jù)模型的協(xié)整檢驗 1 1 面板數(shù)據(jù)定義 面板數(shù)據(jù) paneldata 也稱作時間序列與截面混合數(shù)據(jù) pooledtimeseriesandcrosssectiondata 面板數(shù)據(jù)是截面上個體在不同時點的重復(fù)觀測數(shù)據(jù) panel原指對一組固定調(diào)查對象的多次觀測 近年來paneldata已經(jīng)成為專業(yè)術(shù)語 N 30 T 50的面板數(shù)據(jù)示意圖中國各省級地區(qū)消費性支出占可支配收入比例走勢圖 2 面板數(shù)據(jù)分兩種特征 1 個體數(shù)少 時間長 2 個體數(shù)多 時間短 面板數(shù)據(jù)主要指后一種情形 面板數(shù)據(jù)用雙下標(biāo)變量表示 yit i 1 2 N t 1 2 Ti對應(yīng)面板數(shù)據(jù)中不同個體 N表示面板數(shù)據(jù)中含有N個個體 t對應(yīng)面板數(shù)據(jù)中不同時點 T表示時間序列的最大長度 利用面板數(shù)據(jù)建立模型的好處是 1 由于觀測值的增多 可以增加估計量的抽樣精度 2 對于固定效應(yīng)回歸模型能得到參數(shù)的一致估計量 甚至有效估計量 3 面板數(shù)據(jù)建模比單截面數(shù)據(jù)建模可以獲得更多的動態(tài)信息 1 面板數(shù)據(jù)定義 3 2 面板數(shù)據(jù)模型分類 用面板數(shù)據(jù)建立的模型通常有3種 即混合模型 固定效應(yīng)模型和隨機效應(yīng)模型 2 1混合模型 Pooledmodel 如果一個面板數(shù)據(jù)模型定義為 yit Xit it i 1 2 N t 1 2 T其中yit為被回歸變量 標(biāo)量 表示截距項 Xit為k 1階回歸變量列向量 包括k個回歸量 為k 1階回歸系數(shù)列向量 it為誤差項 標(biāo)量 則稱此模型為混合回歸模型 混合回歸模型的特點是無論對任何個體和截面 回歸系數(shù) 和 都相同 如果模型是正確設(shè)定的 解釋變量與誤差項不相關(guān) 即Cov Xit it 0 那么無論是N 還是T 模型參數(shù)的混合最小二乘估計量 PooledOLS 都是一致估計量 4 2 面板數(shù)據(jù)模型分類 2 2固定效應(yīng)模型 fixedeffectsmodel 固定效應(yīng)模型分為3種類型 即個體固定效應(yīng)模型 時點固定效應(yīng)模型和個體時點雙固定效應(yīng)模型 下面分別介紹 2 2 1個體固定效應(yīng)模型 entityfixedeffectsmodel 如果一個面板數(shù)據(jù)模型定義為 yit i Xit it i 1 2 N t 1 2 T其中 i是隨機變量 表示對于i個個體有i個不同的截距項 且其變化與Xit有關(guān)系 Xit為k 1階回歸變量列向量 包括k個回歸量 為k 1階回歸系數(shù)列向量 對于不同個體回歸系數(shù)相同 yit為被回歸變量 標(biāo)量 it為誤差項 標(biāo)量 則稱此模型為個體固定效應(yīng)模型 5 6 7 8 9 10 11 12 3 面板數(shù)據(jù)模型估計方法 混合最小二乘 PooledOLS 估計 適用于混合模型 平均數(shù) between OLS估計 適用于混合模型和個體隨機效應(yīng)模型 離差變換 within OLS估計 適用于個體固定效應(yīng)回歸模型 一階差分 firstdifference OLS估計 適用于個體固定效應(yīng)模型 可行GLS feasibleGLS 估計 適用于隨機效應(yīng)模型 13 14 15 16 17 18 19 20 21 22 23 24 25 26 15個省級地區(qū)的人均消費序列15個省級地區(qū)的人均收入序列 個體 27 28 29 30 5 面板數(shù)據(jù)建模案例分析 個體隨機效應(yīng)模型與個體固定效應(yīng)模型比較 應(yīng)該建立個體固定效應(yīng)模型 31 32 2020 2 9 33 34 35 36 37 38 39 40 41 4