第7章-面板數(shù)據(jù)模型分析.ppt

面板數(shù)據(jù)模型的分析 第一節(jié)面板數(shù)據(jù)模型簡(jiǎn)介第二節(jié)固定效應(yīng)模型及其估計(jì)方法第三節(jié)隨機(jī)效應(yīng)模型及其估計(jì)方法第四節(jié)模型設(shè)定的檢驗(yàn)第五節(jié)面板數(shù)據(jù)模型應(yīng)用實(shí)例 第一節(jié)面板數(shù)據(jù)模型簡(jiǎn)介 一 面板數(shù)據(jù)和模型概述時(shí)間序列數(shù)據(jù)或截面數(shù)據(jù)都是一維數(shù)據(jù) 例如時(shí)間序列數(shù)據(jù)是變量按時(shí)間得到的數(shù)據(jù) 截面數(shù)據(jù)是變量在截面空間上的數(shù)據(jù) 面板數(shù)據(jù) paneldata 也稱時(shí)間序列截面數(shù)據(jù) timeseriesandcrosssectiondata 或混合數(shù)據(jù) pooldata 面板數(shù)據(jù)是同時(shí)在時(shí)間和截面空間上取得的二維數(shù)據(jù) 簡(jiǎn)單地講 面板數(shù)據(jù)因同時(shí)含有時(shí)間序列數(shù)據(jù)和截面數(shù)據(jù) 所以其統(tǒng)計(jì)性質(zhì)既帶有時(shí)間序列的性質(zhì) 又包含一定的橫截面特點(diǎn) 因而 以往采用的計(jì)量模型和估計(jì)方法就需要有所調(diào)整 面板數(shù)據(jù)通常分為兩類 由個(gè)體調(diào)查數(shù)據(jù)得到的面板數(shù)據(jù)通常被稱為微觀面板 micropanels 微觀面板數(shù)據(jù)的特點(diǎn)是個(gè)體數(shù)N較大 通常是幾百或幾千個(gè) 而時(shí)期數(shù)T較短 最少是2年 最長(zhǎng)不超過10年或20年 由一段時(shí)期內(nèi)不同國(guó)家的數(shù)據(jù)得到的面板數(shù)據(jù)通常被稱為宏觀面板 macropanels 這類數(shù)據(jù)一般具有適度規(guī)模的個(gè)體N 從7到100或200不等 如七國(guó)集團(tuán) OECD 歐盟 發(fā)達(dá)國(guó)家或發(fā)展中國(guó)家 時(shí)期數(shù)T一般在20年到60年之間 對(duì)于宏觀面板 當(dāng)時(shí)間序列較長(zhǎng)時(shí)需要考慮數(shù)據(jù)的非平穩(wěn)問題 如單位根 結(jié)構(gòu)突變以及協(xié)整等 而微觀面板不需要處理非平穩(wěn)問題 特別是每個(gè)家庭或個(gè)體的時(shí)期數(shù)T較短時(shí) 面板數(shù)據(jù)的優(yōu)點(diǎn) 可以控制個(gè)體異質(zhì)性可以克服未觀測(cè)到的異質(zhì)性 unobservedheterogeneity 這種遺漏變量問題 這個(gè)異質(zhì)性是指在面板數(shù)據(jù)樣本期間內(nèi)取值恒定的某些遺漏變量 2 面板數(shù)據(jù)模型容易避免多重共線性問題面板數(shù)據(jù)具有更多的信息 面板數(shù)據(jù)具有更大的變異 面板數(shù)據(jù)的變量間更弱的共線性 面板數(shù)據(jù)模型具有更大的自由度以及更高的效率 3 與純橫截面數(shù)據(jù)或時(shí)間序列數(shù)據(jù)相比 面板數(shù)據(jù)模型允許構(gòu)建并檢驗(yàn)更復(fù)雜的行為模型 二 一般面板數(shù)據(jù)模型介紹 用面板數(shù)據(jù)建立的模型通常有3種 即混合估計(jì)模型 固定效應(yīng)模型和隨機(jī)效應(yīng)模型 混合 pool 估計(jì)模型 如果從時(shí)間上看 不同個(gè)體之間不存在顯著性差異 從截面上看 不同截面之間也不存在顯著性差異 那么就可以直接把面板數(shù)據(jù)混合在一起用普通最小二乘法 OLS 估計(jì)參數(shù) 幾點(diǎn)說明 未觀測(cè)到的異質(zhì)性可能不會(huì)隨著樣本的變化而變化 也可能隨著樣本的變化而發(fā)生隨機(jī)的變化 不同截距的數(shù)據(jù)生成過程就是這未觀測(cè)到的差別不隨樣本而變化的數(shù)據(jù)生成過程 誤差成份 errorcomponents 數(shù)據(jù)生成過程就是這未觀測(cè)到的差別隨樣本而隨機(jī)變化的數(shù)據(jù)生成過程 在不同截距的數(shù)據(jù)生成過程中 各自不同的截距都是參數(shù) 誤差成份模型有兩種情況 一是隨機(jī)的個(gè)體效應(yīng)與解釋變量無關(guān) 一種是隨機(jī)的個(gè)體效應(yīng)與解釋變量相關(guān) 所謂雙因素效應(yīng)模型 就是在模型中既考慮了不可觀測(cè)非時(shí)變的 個(gè)體 異質(zhì)效應(yīng) 又考慮了不可觀測(cè)時(shí)變 個(gè)體 同質(zhì)效應(yīng)的模型 類似地 雙因素效應(yīng)模型也有固定效應(yīng)和隨機(jī)效應(yīng)之分 如果設(shè)定個(gè)體效應(yīng) i和時(shí)間效應(yīng) t是確定的 就是雙因素固定效應(yīng)模型 如果設(shè)定個(gè)體效應(yīng) i和時(shí)間效應(yīng) t是隨機(jī)的 就是雙因素隨機(jī)效應(yīng)模型 在實(shí)際應(yīng)用時(shí) 模型的正確設(shè)定必須進(jìn)行相關(guān)的統(tǒng)計(jì)檢驗(yàn) 第二節(jié)固定效應(yīng)模型及其估計(jì)方法 第三節(jié)隨機(jī)效應(yīng)模型及其估計(jì)方法 一致估計(jì)量要求 當(dāng)樣本量趨近無窮大時(shí) 估計(jì)量同時(shí)趨近真實(shí)值 在面板數(shù)據(jù)模型中這就要求N和T分別趨向無窮大 這有時(shí)有問題 如例1中 N是固定的 華東六省一市是不能改變的 因此當(dāng)樣本的N和T都比較小時(shí) 可以直接采用固定效應(yīng)模型 第四節(jié)模型設(shè)定的檢驗(yàn) 一 協(xié)方差分析檢驗(yàn)二 固定效應(yīng)和隨機(jī)效應(yīng)的檢驗(yàn)三 面板單位根和協(xié)整檢驗(yàn) 模型 1 常用的有如下三種情形 情形1 不變系數(shù)模型 情形2 變截距模型 情形3 變參數(shù)模型 對(duì)于情形1 在橫截面上無個(gè)體影響 無結(jié)構(gòu)變化 則普通最小二乘法估計(jì)給出了 和 的一致有效估計(jì) 相當(dāng)于將多個(gè)時(shí)期的截面數(shù)據(jù)放在一起作為樣本數(shù)據(jù) 對(duì)于情形2 稱為變截距模型 在橫截面上個(gè)體影響不同 個(gè)體影響表現(xiàn)為模型中被忽略的反映個(gè)體差異的變量的影響 又分為固定影響和隨機(jī)影響兩種情況 對(duì)于情形3 稱為變系數(shù)模型 除了存在個(gè)體影響外 在橫截面上還存在變化的經(jīng)濟(jì)結(jié)構(gòu) 因而結(jié)構(gòu)參數(shù)在不同橫截面上是不同的 一協(xié)方差分析檢驗(yàn) 可混合性檢驗(yàn) 經(jīng)常使用的檢驗(yàn)是協(xié)方差分析檢驗(yàn) 主要檢驗(yàn)如下兩個(gè)假設(shè) H1 H2 可見如果接受假設(shè)H2則可以認(rèn)為樣本數(shù)據(jù)符合情形1 即模型為不變參數(shù)模型 無需進(jìn)行進(jìn)一步的檢驗(yàn) 如果拒絕假設(shè)H2 則需檢驗(yàn)假設(shè)H1 如果接受H1 則認(rèn)為樣本數(shù)據(jù)符合情形2 即模型為變截距模型 反之拒絕H1 則認(rèn)為樣本數(shù)據(jù)符合情形3 即模型為變參數(shù)模型 下面介紹假設(shè)檢驗(yàn)的F統(tǒng)計(jì)量的計(jì)算方法 首先計(jì)算情形3 變參數(shù)模型 的殘差平方和 記為S1 情形2 變截距模型 的殘差平方和記為S2 情形1 不變參數(shù)模型 的殘差平方和記為S3 計(jì)算F2統(tǒng)計(jì)量 10 2 7 在假設(shè)H2下檢驗(yàn)統(tǒng)計(jì)量F2服從相應(yīng)自由度下的F分布 若計(jì)算所得到的統(tǒng)計(jì)量F2的值不小于給定置信度下的相應(yīng)臨界值 則拒絕假設(shè)H2 繼續(xù)檢驗(yàn)假設(shè)H1 反之 接受H2則認(rèn)為樣本數(shù)據(jù)符合模型情形1 即不變參數(shù)模型 在假設(shè)H1下檢驗(yàn)統(tǒng)計(jì)量F1也服從相應(yīng)自由度下的F分布 即 10 2 8 若計(jì)算所得到的統(tǒng)計(jì)量F1的值不小于給定置信度下的相應(yīng)臨界值 則拒絕假設(shè)H1 如果接受H1 則認(rèn)為樣本數(shù)據(jù)符合情形2 即模型為變截距模型 反之拒絕H1 則認(rèn)為樣本數(shù)據(jù)符合情形3 即模型為變參數(shù)模型 二Hausman檢驗(yàn) Hausman 1978 等學(xué)者認(rèn)為應(yīng)該總是把個(gè)體影響處理為隨機(jī)的 即隨機(jī)影響模型優(yōu)于固定影響模型 其主要原因?yàn)?固定影響模型將個(gè)體影響設(shè)定為跨截面變化的常數(shù)使得分析過于簡(jiǎn)單 并且從實(shí)踐的角度看 在估計(jì)固定影響模型時(shí)將損失較多的自由度 特別是對(duì) 寬而短 的面板數(shù)據(jù) 但相對(duì)于固定影響模型 隨機(jī)影響模型也存在明顯的不足 在隨機(jī)影響模型中是假設(shè)隨機(jī)變化的個(gè)體影響與模型中的解釋變量不相關(guān) 而在實(shí)際建模過程中這一假設(shè)很有可能由于模型中省略了一些變量而不滿足 從而導(dǎo)致估計(jì)結(jié)果出現(xiàn)不一致性 幾點(diǎn)說明 原假設(shè)成立時(shí) 則隨機(jī)效應(yīng)比固定效應(yīng)更有效 如果正確的模型是第一個(gè)或第二個(gè)誤差成份數(shù)據(jù)生成過程 那么Hausman檢驗(yàn)?zāi)芎芎玫貙⒍邊^(qū)別開來 但存在一種可能 解釋變量中存在測(cè)量誤差 這時(shí)固定效應(yīng)和隨機(jī)效應(yīng)估計(jì)量都是不一致的 但二者導(dǎo)致的偏誤有所不同 通常固定效應(yīng)估計(jì)量的測(cè)量誤差偏誤會(huì)更大 這時(shí)要謹(jǐn)慎對(duì)待檢驗(yàn)結(jié)果 此時(shí)工具變量估計(jì)量是更好的選擇 在不存在一個(gè)好的工具變量情況下 使用隨機(jī)效應(yīng)估計(jì)量好于固定效應(yīng)估計(jì)量 小結(jié) 面板數(shù)據(jù)是我們有機(jī)會(huì)避免一種特殊的遺漏變量偏誤 如果對(duì)同一個(gè)個(gè)體 被遺漏變量在不同時(shí)期保持不變 面板數(shù)據(jù)集的時(shí)間維度就可以控制這種未觀測(cè)到的異質(zhì)性 個(gè)體誤差成份與解釋變量不相關(guān)的誤差成份DGP的有效估計(jì)量 就是成為隨機(jī)效應(yīng)估計(jì)量的一個(gè)可行GLS估計(jì)量 它在對(duì)觀測(cè)賦予權(quán)重時(shí)很好地解釋了個(gè)人干擾之間的相關(guān)性 如果個(gè)體誤差成份與解釋變量相關(guān) 那么隨機(jī)效應(yīng)就不是一致估計(jì)量 此時(shí)固定效應(yīng)再次成為有效的估計(jì)量 到底是設(shè)定一個(gè)不同截距的DGP還是設(shè)定一個(gè)誤差成份的DGP 主要取決于抽樣背景 建立一個(gè)研究10家企業(yè)投資需求狀況的PanelData模型 t 1 2 20其中 企業(yè)標(biāo)識(shí)數(shù)字從1 10 分別對(duì)應(yīng)通用汽車 GM 克萊斯勒 CH 通用電氣 GE 西屋 WE 和美國(guó)鋼鐵 US 等 被解釋變量It分別是10家企業(yè)的總投資 解釋變量為Mt分別是10家企業(yè)前一年企業(yè)市場(chǎng)價(jià)值 反映企業(yè)的預(yù)期利潤(rùn) Kt分別是10家企業(yè)前一年末工廠存貨及設(shè)備價(jià)值 反映企業(yè)必要重置投資期望值 應(yīng)用實(shí)例 Stata例子 webusegrunfeldxtsetcompanyyearxtdesxtlineinvest混合回歸 reginvestmvaluekstock固定效應(yīng) xtreginvestmvaluekstock fe隨機(jī)效應(yīng) xtreginvestmvaluekstock re xtreginvestmvaluekstock feeststorefixedxtreginvestmvaluekstock reeststorerandomhausmanfixedrandom本題接受原假設(shè) 即應(yīng)該用隨機(jī)