面板數(shù)據(jù)建模理論與分析技術的發(fā)展與應用

面板數(shù)據(jù)建模理論與分析技術的發(fā)展與應用

panelba產(chǎn)教學改革的理論與應用聯(lián)合領導理論是現(xiàn)代經(jīng)濟計量學發(fā)展中最具代表性的創(chuàng)新成果。尤其是以2003年Granger與Engle共同獲得諾貝爾經(jīng)濟學獎為標志,早期提出的以線性為特征的線性協(xié)整理論已經(jīng)基本趨于成熟,形成一整套標準的甚至是固定的建模程序和步驟。與此同時,經(jīng)濟計量學家已將研究駛向了更艱深的領域,包括非線性協(xié)整理論、PanelData協(xié)整理論、擬協(xié)整理論、結構變動協(xié)整理論、協(xié)整P-T分解技術、分形協(xié)整理論、季節(jié)協(xié)整理論、非參數(shù)協(xié)整理論、半?yún)?shù)協(xié)整理論等。它們已經(jīng)成為當前國際經(jīng)濟計量學界普遍關注的、前沿性的熱點與難點問題。其中有關PanelData建模理論與應用的研究更呈現(xiàn)出勃勃生機。為更好地發(fā)展和完善現(xiàn)有PanelData建模理論與技術,對其發(fā)展軌跡進行系統(tǒng)性回顧、梳理和展望,無疑具有深遠的理論與現(xiàn)實意義。一、文獻研究現(xiàn)狀面板數(shù)據(jù)建模理論與分析技術的研究歷史并不長,學術界普遍以期刊《Annalesdel’INSEE》在1978年出版的PanelData經(jīng)濟計量學專輯為標志,作為該學科誕生的始元。隨后出版了一系列專著、專輯、論文和教科書:Hsiao(1986、2003),Raj和Baltagi(1992),Maddala(1993),Baltagi(1995),Matyas和Sevestre(1996),Banerjee(1999),Baltagi(2000),Baltagi(2006、2008)等?？傮w來講,研究主要集中在如下五個方面:①面板單位根檢驗;②PanelData協(xié)整檢驗;③PanelData協(xié)整模型下的估計與推斷;④動態(tài)PanelData模型;⑤結構變動PanelData模型。但由于篇幅所限,下面我們重點對前兩個方面的研究進行回顧、整理與評介。1.leren—面板單位根檢驗與傳統(tǒng)時間序列分析不同,PanelData建模不僅需要考慮時間的動態(tài)累積效應,而且還需關注橫向部門的同期相關性影響。在對PanelData進行單位根檢驗的研究中,比較典型的有代表意義的如:Bharagava等(1982)較早地研究了固定效應動態(tài)模型下隨機游動殘差的檢驗問題,基于固定效應殘差發(fā)展了一個修正的DW統(tǒng)計量,以及兩個基于差分OLS殘差的檢驗統(tǒng)計量,在部門數(shù)N趨于無窮大而觀察期較短的微型面板數(shù)據(jù)情形下,他們建議使用修正的DW統(tǒng)計量來對單位根進行檢驗。Boumahdi和Thomas(1991)發(fā)展了PanelData下的DF檢驗方法,并將它應用于1973年1月～1986年2月間法國資本市場的有效性研究。Levin和Lin(1992)討論了包含固定效應、個體確定性趨勢及不同期序列相關誤差下的PanelData序列單位根檢驗方法,他們假定部門數(shù)N與觀察期T均趨于無窮大,但要求觀察期T的增長速度要快于部門數(shù)N,使ΝΤ→0成立。Phillips和Moon(1999)注意到,部門數(shù)N與觀察期T均趨于無窮大的假設是至關重要的,它在確定估計量的漸近特性及對非平穩(wěn)進行檢驗時扮演重要角色。目前,Levin和Lin(1992)所提方法已經(jīng)成為一種標準的PanelData單位根檢驗方法,在文獻中通常稱之為LL檢驗。LL檢驗:對于基礎模型yit=ρiyit-1+z′itγi+uiti=1,…,N;t=1,…,T(1)其中,zit為確定性分量,它可以取0、1、固定效應μi,或者是固定效應μi與時間趨勢t的組合;uit為平穩(wěn)過程。同時假定uit～iid(0,σ2it),且對所有的i,成立ρi=ρ。LL檢驗的原假設為:H0:ρ=1(2)備擇假設為H1:ρ<1。用?ρ表示模型(1)下參數(shù)ρ的OLS估計,并記zt=(z1t,?,zΝt)′?h(t,s)=z′t(Τ∑t=1ztz′t)-1zs?～uit=uit-Τ∑s=1h(t,s)uis?～yit=yit-Τ∑s=1h(t,s)yis,則有√ΝΤ(?ρ-1)=(1/√Ν)Ν∑i=1(1/T)Τ∑t=1～yit-1uit/(1/Ν)Τ∑i=1(1/T2)Τ∑t=1～y2it-1?？勺C明在原假設(2)成立下,其檢驗統(tǒng)計量為:其中s2e=1ΝΤΝ∑i=1Τ∑t=1?u2it。為給出統(tǒng)計量(3)的分布表達,我們用∫W來表示積分∫10W(s)ds,并用?表示弱收斂,p→表示以概率收斂,WZ(r)=W(r)-[∫WΖ′][∫ΖΖ′]Ζ(r),表示W(wǎng)(r)對Z(r)的L2投影殘差。這樣,我們假定存在尺度矩陣DT及逐點連續(xù)的函數(shù)Z(r),對r∈[0,1],一致地滿足D-1Tz[Tr]→Z(r)。此時,對某固定的N,當T→∞時,有1√ΝΝ∑i=11ΤΤ∑t=1?yit-1～uit?1ΝΝ∑i=1∫WiΖdWiΖ,1√ΝΝ∑i=11Τ2Τ∑t=1?y2it-1?1ΝΝ∑i=1∫W2iΖ進一步,假定∫WiΖdWiΖ與∫WiΖ2對所有的i均獨立,并存在有限的二階矩。于是,由大數(shù)定律及林德貝格—列維中心極限定理,當N→∞時,有(1Ν)∑i=1Ν∫WiΖ2→pE[∫WiΖ2],以及(1Ν)∑i=1Ν(∫WiΖdWiΖ-E[∫WiΖdWiΖ])?Ν(0,Var(∫WiΖdWiΖ))。表1給出了Levin和Lin(1992)中所列zit的不同取值下上述各量的對應值。利用表1數(shù)值,Levin和Lin(1992)獲得了ΝΤ(ρ^-1)和tρ的極限分布。需要指出的是,在上述分布的推導過程中,累次極限(先取T→∞,再取N→∞)方法起著重要的作用。又當uit為平穩(wěn)過程時,由于存在序列相關,因而需要對ρ^和tρ的漸進分布進行修正。在模型(1)下,當PanelData的時間維度T固定時,Harris和Tzavalis(1999)推導了zit取不同值下的單位根檢驗,它是微型PanelData建模的典型情形。另外,Harris和Tzavalis(1999)的研究還顯示,上述結果對LL檢驗中“假設部門數(shù)N與觀察期T均趨于無窮大,但觀察期T的增長速度要快于部門數(shù)N,使ΝΤ→0成立”的情形(而不是T固定時的微型PanelData建模情形)仍然成立。不過,當T較小時,檢驗的勢特別低,從而檢驗結果可信度差。在大多數(shù)非平穩(wěn)PanelData分析文獻中,均假定了截面間是相互獨立的。這一假定條件非常強,旨在滿足分布推導中所需的林德貝格—列維中心極限定理條件。這在一定程度上限制了各種檢驗方法的應用范圍。近年來,許多學者對此進行了不斷深入的研究。Driscoll和Kraay(1998)對普通的非參數(shù)協(xié)方差矩陣估計技術進行了拓展,當時間維度T較大時,提供了一種處理PanelData截面間相依性問題的參考方法。Conley(1999)利用經(jīng)濟距離發(fā)展了一種空間獨立模型,并提出了一種處理截面相依的廣義矩估計方法(GMM)。JushanBai和ChihwaKao(2006)對PanelData截面相依協(xié)整模型發(fā)展了一種有效的估計與檢驗方法,其核心思想是眾所周知的因子分析方法。他們推導了PanelData協(xié)整系數(shù)完全修正估計的極限分布,并提出了一種“連續(xù)更新完全修正估計”,或簡稱為“CUP—FM”估計,比較有效地解決了固定效應PanelData模型下截面間相依性問題。對于隨機效應PanelData模型下截面間的相依性問題及其他形式的模型,他們也做了不少工作,但仍然在進一步的發(fā)展中。在此,不做詳盡的討論。IPS檢驗:IPS檢驗是另一種比較流行的PanelData單位根檢驗方法。眾所周知,ADF檢驗是常規(guī)時序分析中標準的單位根檢驗方法。Im,Pesaran和Shin(1997)在PanelData模型下發(fā)展了ADF單位根檢驗的思想,提出了稱之為IPS檢驗法的PanelData單位根檢驗方法。該方法基于如下PanelData模型:yit=ρiyit-1+∑j=1piφijΔyit-j+z′itγi+εiti=1,…,N;t=1,…,T(4)IPS檢驗的原假設為H0:ρi=1,對所有i成立;備擇假設為H1:ρi<1,對至少一個i成立。IPS檢驗統(tǒng)計量定義如下:tˉ=(1/Ν)∑i=1Νtρi(5)其中,tρi為模型(4)下檢驗原假設H0:ρi=1的單個t統(tǒng)計量,因此,IPS檢驗統(tǒng)計量為單個ADF檢驗統(tǒng)計量的平均。注意到,對每個固定的N,當T→∞時,有tρi?∫01WiZdWiZ/[∫01WiΖ2]1/2=tiZ。如進一步假定tiT為獨立同分布,且有有限均值和方差,則由林德貝格—列維中心極限定理,并先讓T→∞,再取N→∞,有tΙΡS=Ν(tˉ-E[tiΤ|ρi=1])/Var[tiΤ|ρi=1]?Ν(0,1)(6)對于T和ρi的不同取值,Im,Pesaran和Shin(1997)已經(jīng)通過隨機模擬方法計算出了E[tiΤ|ρi=1]和Var[tiΤ|ρi=1]的值,以便于進行具體的檢驗。文獻Breitung(2000)研究了LL檢驗與IPS檢驗的局部勢特性,發(fā)現(xiàn):當模型包含個體特定趨勢時,LL檢驗與IPS檢驗的勢將發(fā)生戲劇性的損失,它們的勢函數(shù)對確定性趨勢項的設定非常敏感。組合P值檢驗:Maddala和Wu(1999),Choi(1999)提出了PanelData單位根檢驗的另外一種方法,即Fisher型檢驗。P=-2∑i=1Νlnpi(7)其中,pi=F(GiTi),F(·)為分布函數(shù),GiTi為PanelData模型(1)下對第i組計算的單位根檢驗統(tǒng)計量,并假設,當Ti→∞時,GiTi?Gi成立?？梢宰C明,對所有N,當Ti→∞時,統(tǒng)計量P服從自由度為2N的χ2分布。顯然,Fisher型檢驗可以使用個體ADF回歸中出現(xiàn)的不同滯后長度,并可應用于任何其他的單位根檢驗。另外,與IPS檢驗相同的地方是,Fisher型檢驗也結合了基于個體單位根檢驗的信息,但比IPS檢驗有一個顯著的優(yōu)勢,即Fisher型檢驗并不要求PanelData為平衡的面板數(shù)據(jù)。不過,Fisher型檢驗的不便之處在于需要通過MonteCarlo隨機模擬的方法來計算相應的p值。Choi(1999)系統(tǒng)地歸納了Fisher型檢驗的四個優(yōu)點:①截面維數(shù)N既可以是有限的,也可以是無限的;②每組可以包含隨機和非隨機不同類型的分量;③對每個i,時間維度T可以是不同的;④備擇假設將允許一些組有單位根,而另一些組可以沒有單位根。當N比較大時,由于E[-2lnpi-2]=2,Var[-2lnpi]=4,因此,Choi(1999)提出了一種新的檢驗——Z檢驗。Ζ=(1/Ν)∑i=1Ν(-2lnpi-2)/2(8)在假定pi獨立同分布的條件下,取累次極限Ti→∞,N→∞,則由林德貝格—列維中心極限定理知Z?N(0,1)?？梢?Z檢驗是一種最普通的檢驗?；贚M檢驗的殘差檢驗法:針對“原假設:每個i,時間序列是圍繞確定性趨勢變動的平穩(wěn)過程;備擇假設為PanelData序列中存在單位根”這種類型的檢驗問題,Hadri(1999)提出了一種基于LM檢驗的殘差檢驗法。考慮基礎模型:yit=z′itγi+rit+εit(9)其中,zit為確定性趨勢分量,rit為隨機游動,rit=rit-1+uit,uit～iid(0,σit2),εit為平穩(wěn)過程。將模型(9)變形為:yit=z′itγi+eit(10)其中,eit=∑j=1tuij+εit。用e^it表示由回歸模型(10)計算的殘差,σ^e2為誤差方差的估計量,并用Sit表示殘差的部分和過程,Sit=∑j=1te^ij于是LM統(tǒng)計量可表示為LΜ=(1/Ν)∑i=1Ν(1/Τ2)∑t=1ΤSit2/σ^e2。在假設E[∫WiΖ2]<∞下,取累次極限T→∞,N→∞,則有LΜ→pE[∫WiΖ2]。進一步,在累次極限T→∞,N→∞下,Ν(LΜ-E[∫WiΖ2])/Var[∫WiΖ2])?N(0,1)成立。近年來,有關PanelData序列的單位根估計與檢驗的研究繼續(xù)深入,積累了大量文獻。其中Levin,Lin和Chu(2002)進一步發(fā)展了LL檢驗,形成了適用范圍更廣的LLC檢驗。Moon和Perron(2004)探討了具有動態(tài)截面因子的PanelData序列單位根檢驗方法。Pesaran(2005)給出了一種截面相依情形下PanelData序列單位根檢驗的簡單方法。2.基于lam和panel-pcr的質(zhì)性分析Kao檢驗:Kao(1999)給出了PanelData下兩類型協(xié)整檢驗——DF型檢驗和ADF型檢驗。首先考慮模型yit=x′itβ+z′itγ+eit(11)用e^it表示由回歸模型(11)計算的殘差,并進行二次回歸e^it=ρe^it-1+νit,其中e^it=y?it-x?′itβ^?y?it和x?it的定義同前。為檢驗原假設H0:ρ=1,先計算ρ的OLS估計及對應的t統(tǒng)計量=∑i=1Ν∑t=2Τe^ite^it-1/∑i=1Ν∑t=2Τe^it2,tρ=(ρ^-1)∑i=1Ν∑t=2Τe^it-12/se,其中se2=(1/ΝΤ)∑i=1Ν∑t=2Τ(e^it-ρ^e^it-1)2。在假定zit={μi}下,Kao(1999)給出了如下四個DF型檢驗:DFρ=ΝΤ(ρ^-1)+3Ν/10.2DFt=1.25tρ+1.875ΝDFρ*=ΝΤ(ρ^-1)+3Νσ^ν2/σ^0ν2/3+36σ^ν4/5σ^0ν4DFt*=tρ+6Νσ^ν/2σ^0ν/σ^0ν2/2σ^ν2+3σ^ν2/10σ^0ν2其中,σ^ν2=∑∧u-∑∧uε∑∧ε-1,σ^0ν2=Ω∧u-Ω∧uεΩ∧ε-1。對于ADF型檢驗,我們考慮模型it=ρit-1+∑j=1pθjΔit-j+υitp(12)在無協(xié)整的原假設下,可導出ADF統(tǒng)計量如下:ADF=tADF+6Νσ^ν/2σ^0ν/σ^0ν2/2σ^ν2+3σ^ν2/10σ^0ν2其中,tADF為模型(12)下ρ的t統(tǒng)計量?？梢宰C明,上述五個檢驗統(tǒng)計量在累次極限意義下漸進分布于N(0,1)?；贚M檢驗的殘差檢驗法:在常規(guī)時間序列協(xié)整分析中,Harris和Inder(1994)與Shin(1994)發(fā)展了LM檢驗和MA單位根的LBI(局部最佳不變)檢驗。在PanelData協(xié)整分析下,McCoskey和Kao(1998)將它們拓展,提出了一種基于殘差的協(xié)整檢驗法。不過,現(xiàn)在的原假設為“在面板間存在協(xié)整關系”,而不是“在面板間沒有協(xié)整關系”。考慮基礎模型:yit=αi+x′itβi+eit,xit=xit-1+εit,eit=γit+uit,γit=γit-1+θuit(13)其中uit～iid(0,σu2)。于是,原假設:“在面板間存在協(xié)整關系”等價于檢驗θ=0。McCoskey和Kao(1998)提出的檢驗統(tǒng)計量為LM=(1/NT2)∑i=1Ν∑t=1ΤSit2/σ^e2。其中Sit為殘差的部分和過程,Sit=∑j=1te^ij。該檢驗統(tǒng)計量的漸進分布為Ν(LΜ-μυ)?Ν(0,συ2)。其中,均值μυ和方差συ2可以通過MonteCarlo隨機模擬方法計算獲得。于是,統(tǒng)計量LM的極限分布是關于多余參數(shù)自由的,并且,對異方差來講是穩(wěn)健的。Pedroni檢驗:針對異質(zhì)性PanelData協(xié)整分析中“無協(xié)整關系”的原假設問題,Pedroni(1997)提出了幾種檢驗方法,分為兩大類。第一類統(tǒng)計量形式如下:Ζ?ρ=(1/Ν)∑i=1Ν∑t=1Τ(e^it-1Δe^it-λ^i)/∑t=1Τe^it-12(14)其中,e^it由模型(11)估計獲得,λ^i=12(σ^i2-s^i2),而σ^i2和s^i2分別為殘差e^it的個體長期方差與同期方差。第二類統(tǒng)計量共包含四個統(tǒng)計量,形式都比較復雜,現(xiàn)表述其一,如下:Ζtρ^ΝΤ=∑i=1Ν∑t=2ΤL^11i-2(e^it-1Δe^it-λ^i)/σ?ΝΤ2(∑i=1Ν∑t=2ΤL^11i-2e^it-12)(15)其中,σ?ΝΤ=(1/Ν)∑i=1Νσ^i2/L^11i2,又記Ω^i為長期方差—協(xié)方差矩陣Ωi的相容估計,L^i為Ω^i的下三角Cholesky分解組成單元,其長期條件方差分量為L^22i=σ^ε?L^11i=σ^u2-σ^uε2/σ^ε2。利用布朗運動泛函的收斂性定理,Pedroni(1997)證明了Ζtρ^ΝΤ+1.73Ν?Ν(0,0.93)。此分布只能應用于包含截距項及不包含時間趨勢項的模型。對于其他類型的模型,其漸進分布在Pedroni(1997)中進行了詳盡的討論?；谒迫坏膮f(xié)整檢驗:似然檢驗一直是統(tǒng)計與計量檢驗中十分關注的選項。針對異質(zhì)性PanelData協(xié)整分析,Johansen(1995)發(fā)展了個體秩跡統(tǒng)計量檢驗法。Larsson,Lyhagen和L?thgren(1998)基于Johansen方法,發(fā)展了異質(zhì)性PanelData模型下協(xié)整秩的LR(基于似然)檢驗法。不過,通過MonteCarlo隨機模擬發(fā)現(xiàn),該檢驗需要大量的PanelData時間序列維度。即使有大的截面維度,也會發(fā)生檢驗結果的嚴重扭曲。對于截面數(shù)固定的向量誤差修正模型(VECM)的協(xié)整分析,Groen和Kleibergen(1999)提出了一種基于似然的檢驗框架。在該框架下,協(xié)整向量的極大似然估計是通過迭代廣義矩法(IGMM)估計來構造的。在此基礎上,他們構造了似然比統(tǒng)計量LR(ΠB|ΠA),以此檢驗個體向量誤差修正模型間的公共協(xié)整秩,并且,VECM中既可以包含同質(zhì)的協(xié)整向量,也可以包含異質(zhì)的協(xié)整向量。特別重要的是,似然比統(tǒng)計量LR(ΠB|ΠA)的極限分布關于誤差項的協(xié)方差矩陣是不變的,因而,它關于協(xié)方差矩陣的選擇是穩(wěn)健的。這為進一步簡化截面間相依性問題的研究奠定了分析基礎。為給出LR(ΠB|ΠA)的結構表示,先記LRs(r|k)為N個個體跡統(tǒng)計量的和,LRs(r|k)=∑i=1ΝLRi(r|k),其中LRi(r|k)為第i個Johansen似然比統(tǒng)計量,因而,當T→∞時,LRi(r|k)?tr(∫dBk-r,iB′k-r,i[∫dBk-r,iB′k-r,i]∫dBk-r,iB′k-r,i)成立。于是,對固定的N,當T→∞時,由連續(xù)映照定理,有LRs(r|k)=∑i=1ΝLRi(r|k)?∑i=1Νtr(∫dBk-r,iB′k-r,i[∫dBk-r,iB′k-r,i]∫dBk-r,iB′k-r,i)這樣,當N固定,T較大時,LRs(r|k)將漸進等價于LR(ΠB|ΠA)。這意味著可以放心地假設協(xié)方差矩陣的非對角元素為0,而不會對分析結果帶來大的影響和損失。從而,基于LRs(r|k)=∑i=1ΝLRi(r|k)的截面獨立性檢驗,將與基于LR(ΠB|ΠA)的截面相依性檢驗變得一樣可行。進一步,用LRˉ(r|k)表示LRi(r|k)的平均,LRˉ(r|k)=(1/Ν)LRs(r|k)=(1/Ν)∑i=1ΝLRi(r|k),則由連續(xù)映照定理及中心極限定理,當取累次極限T→∞,N→∞下,只要E[LRˉ(r|k)]和Var[LRˉ(r|k)]有界,則有LRˉ(r|k)-E[LRˉ(r|k)]Var[LRˉ(r|k)]?Ν(0,1)同樣定義LRˉ(ΠB|ΠA)=(1/Ν)LR(ΠB|ΠA),則對某固定的N,當T→∞時,可以證明LRˉ(ΠB|ΠA)?1Ν∑i=1Νtr(∫dBk-r,iB′k-r,i[∫dBk-r,iB′k-r,i]∫dBk-r,iB′k-r,i)=1Ν∑i=1ΝZki。其中Zki=tr(∫dBk-r,iB′k-r,i[∫dBk-r,iB′k-r,i]∫dBk-r,iB′k-r,i)。由于當i≠j時,Bk-r,i與Bk-r,j相互獨立,因此,在累次極限T→∞,N→∞下,有LRˉ(ΠB|ΠA)-E[LRˉ(ΠB|ΠA)]/Var[LRˉ(ΠB|ΠA)]?Ν(0,1)?？梢?在T和N均取大值時,LRˉ(r|k)與LRˉ(ΠB|ΠA)也等價。Groen和Kleibergen(1999)利用LR(ΠB|ΠA)研究了歐洲三個主要國家的貨幣匯率向量誤差修正模型,得到這些國家的貨幣如果單獨存在,將失去其存在優(yōu)勢,為歐元的存在奠定了理論分析基礎。近年來,PanelData序列協(xié)整檢驗方法的創(chuàng)新繼續(xù)得到重視。Larsson,Lyhagen和Lothgren(2001)將中心極限定理應用于N個Johansen(1988)所發(fā)展的跡統(tǒng)計量λtrace,它們由每個截面單元形成,并記λˉtrace=Ν-1∑i=1Νλtrace,i,于是構建了PanelData序列協(xié)整檢驗統(tǒng)計量γLR=Ν(λˉtrace-E(λˉtrace))/Var(λˉtrace),在ΝΤ-1→0及一組條件下,他們證明了γLR→Ν,ΤΝ(0,1)。其中所需的矩由隨機模擬方法獲得,并在該文中以列表的方式給出了具體數(shù)值。這樣,在給定顯著性水平α下,如果該檢驗統(tǒng)計量超過正態(tài)分布的(1-α)分位數(shù),則“無協(xié)整關系”的原假設H0將被拒絕。Pedroni(2004)根據(jù)面板間信息來源的不同,提出了幾個PanelData序列協(xié)整檢驗統(tǒng)計量。Hanck(2007)將Maddala和Wu(1999)與Choi(2001)對PanelData單位根檢驗的p值組合統(tǒng)計量拓展到PanelData序列協(xié)整檢驗情形。此外,不少學者對上述不同協(xié)整檢驗方法的特性進行了MonteCarlo隨機模擬研究。這些文獻包括McCoskey和Kao(1999),Wu和Yin(1999)等。他們發(fā)現(xiàn),總體來講,平均ADF檢驗的勢特性要好。除此之外,基于主成分分析方法,Hall等(1999)發(fā)展了一種檢驗非平穩(wěn)PanelData序列中公共隨機趨勢個數(shù)的方法。該方法的顯著特點是,即使樣本序列是I(0)與I(1)的混合,該檢驗也是相容的。因此,在該分析框架下,對PanelData序列進行單位根的預檢驗將不再必要。二、關于中國經(jīng)濟增長和失業(yè)關系的研究客觀地講,盡管我國于2007年7月16日至18日在廈門大學成功舉辦了本專業(yè)領域內(nèi)層次最高的第14屆面板數(shù)據(jù)計量經(jīng)濟學國際會議(這是亞洲地區(qū)第一次取得該國際會議的舉辦權),標志著我國在PanelData分析領域取得了一定的成就,得到國際社會的充分肯定,但是,我國在PanelData建模的理論研究上還遠遠落后,原創(chuàng)性的、有實質(zhì)突破性的理論研究成果相當稀缺。雖然國外的華人學者中的不少人已經(jīng)成長為本領域的重要國際領軍人物,如肖政教授和白聚山教授等。但近年來國內(nèi)學者對此研究大多仍然處在消化、吸收、普及和追趕國際前沿階段。以下僅概要介紹其一少部分。曹永福(2004)運用面板數(shù)據(jù)模型,對中國經(jīng)濟增長和失業(yè)率之間的關系進行了定量分析。結果表明,在1998年之前,中國經(jīng)濟增長和失業(yè)率之間表現(xiàn)為正常的負相關關系,而在1999年之后,兩者之間的關系變得很不確定,有時甚至表現(xiàn)為正相關。假設檢驗顯示,經(jīng)濟增長和失業(yè)率之間的關系在1998年左右發(fā)生了結構突變。文章從國有企業(yè)改革、信息技術的發(fā)展以及經(jīng)濟結構的調(diào)整等方面對這種結構突變的原因進行了分析。黃旭平、唐振龍(2005)基于亞洲七個國家的面板數(shù)據(jù),研究了市場競爭導致的銀行集中與銀行效率之間的關系。理論研究表明,銀行集中會帶來兩種相反作用的效應:規(guī)模經(jīng)濟和專業(yè)化經(jīng)濟。銀行集中度提高所帶來規(guī)模經(jīng)濟上升會促進銀行效率;相反,專業(yè)化經(jīng)濟下降會損害銀行效率。實證發(fā)現(xiàn),在市場競爭下導致的銀行集中,規(guī)模經(jīng)濟效應會大于專業(yè)化經(jīng)濟效應,銀行集中度與銀行效率有顯著的正相關關系。他們建議,提高銀行效率必須努力尋求市場化競爭所導致的銀行集中。杜莉、李丹(2006)利用1995～2004年期間的面板數(shù)據(jù),構建了固定效應模型,分析了該樣本期間內(nèi)造成中國省際收入差異的原因。王少平、歐陽志剛(2007)根據(jù)我國城鄉(xiāng)收入差距的現(xiàn)狀,計算并度量了城鄉(xiāng)收入差距的泰爾指數(shù),進一步基于計算的泰爾指數(shù)和我國實際人均GDP變動特征而設定的面板協(xié)整模型,揭示了我國城鄉(xiāng)收入差距與經(jīng)濟增長的長期關系,利用面板誤差校正模型考察了短期動態(tài)調(diào)節(jié)效應。王忠玉于2007年翻譯出版了杰弗里.M.伍德里奇的經(jīng)典著作:《橫截面與面板數(shù)據(jù)的經(jīng)濟計量分析》,為在我國推廣面板數(shù)據(jù)分析理論與技術做出了貢獻。王志剛博士于2008年出版了著作:《面板數(shù)據(jù)模型及其在經(jīng)濟分析中的應用》。該書分別就面板數(shù)據(jù)的靜態(tài)模型、動態(tài)模型、單位根和協(xié)整分析,受限因變量、變系數(shù)模型和隨機前沿模型等六大領域進行了較為全面的探討,并重點介紹了靜態(tài)模型、動態(tài)模型、單位根和協(xié)整分析。此外,作為張曉峒教授主編的“21世紀數(shù)量經(jīng)濟學方法論與應用叢書”之一,白仲林教授于2008年出版了學術著作:《面板數(shù)據(jù)的計量經(jīng)濟分析》。書中分五部分系統(tǒng)地討論了靜態(tài)面板數(shù)據(jù)線性回歸模型和面板數(shù)據(jù)離散選擇模型的模型設定、參數(shù)估計及其顯著性檢驗;介紹了面板數(shù)據(jù)動態(tài)線性回歸模型和面板數(shù)據(jù)向量自回歸模型的相關理論及其應用;研究了面板數(shù)據(jù)單位根檢驗的理論方法;研究了面板數(shù)據(jù)的各種收斂理論、面板數(shù)據(jù)虛假回歸問題和面板協(xié)整理論;介紹了預備知識和相關的Matlab程序。三、其他研究方向1.異常值點促進協(xié)整分析的發(fā)展在傳統(tǒng)回歸模型下研究檢驗強影響點的診斷方法、影響評價、信息識別、穩(wěn)健處理方法等,已經(jīng)積累了大量的學術文獻。然而,在協(xié)整模型下研究檢驗強影響點的診斷方法、影響評價、信息識別、穩(wěn)健處理方法等,則是最近十來年的事,并且進展相當緩慢。文獻Perron和Vogelsang(1992)比