《面板數(shù)據(jù)模型》ppt課件

《《面板數(shù)據(jù)模型》ppt課件》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、計量經(jīng)濟學(xué)Econometrics李平2006年1月主要內(nèi)容面板數(shù)據(jù)（Paneldata）固定效應(yīng)隨機效應(yīng)固定效應(yīng)和隨機效應(yīng)模型的比較面板數(shù)據(jù)常用的經(jīng)濟數(shù)據(jù)類型橫截面數(shù)據(jù)：空間時間序列數(shù)據(jù)：時間面板數(shù)據(jù)（混合數(shù)據(jù)、綜列數(shù)據(jù)）面板數(shù)據(jù)為什么使用面板數(shù)據(jù)？既能體現(xiàn)橫截面上不同個體的差異性，又能反映出某一個體的歷史信息?？梢蕴峁案袃r值的數(shù)據(jù)，變量之間增加了多變性而減少了共線性，并且提高了自由度和估計的有效性”更好地檢測和度量單純使用橫截面數(shù)據(jù)或時間序列數(shù)據(jù)無法觀測到的影響。通過使數(shù)據(jù)適用于多個單元，面板數(shù)據(jù)能夠?qū)⒗奂訑?shù)據(jù)所引起的偏差降到最低。例子：投資理

2、論研究為研究實際總投資（I）對實際資本存量（CAP）和企業(yè)實際價值（PL）的關(guān)系，收集了4個公司，即通用電氣（GE）、通用汽車（GM）、美國鋼鐵（US）和西屋（WEST），20年（1935－1954）的數(shù)據(jù)，共80個觀測值。通用電氣（GE）通用汽車（GM）美國鋼鐵（US）西屋（WEST）考慮如下模型：關(guān)鍵是選取那些數(shù)據(jù)進行回歸？也可在每一年都做一次橫截面回歸（20次）可對4個公司的時間序列數(shù)據(jù)分別做回歸（4次）同時利用4個公司20年的數(shù)據(jù)做1次回歸面板數(shù)據(jù)回歸面板數(shù)據(jù)回歸模型的估計由于同時考慮時間和個體上的數(shù)據(jù)，對面板數(shù)據(jù)模型的估計方法取決于對截距、斜

3、率和誤差項在時間和個體上的假設(shè)：所有系數(shù)不隨時間和個體的變化而變化斜率不變而截距隨個體變化而變化斜率不變而截距隨時間和個體變化而變化斜率和截距隨個體變化而變化斜率和截距隨個體和時間變化而變化……混合回歸（PLS）所有系數(shù)都不隨時間和個體的變化而變化直接用OLS估計雙擊單擊存在的問題：假設(shè)4家不同的公司的截距項和斜率系數(shù)都完全相同，這是相當(dāng)嚴格的假設(shè)，很可能扭曲了4個公司Y和X之間關(guān)系的真實情況固定效應(yīng)放寬的假設(shè)1：斜率系數(shù)不變但截距隨個體（或時間）而變化下標(biāo)i加到截距項上，表明4個公司的截距是不相同的，這種差異可能是由于每個公司的特性所引起的。雖然截距

4、隨個體變化，但不隨時間變化，即在時間上4個公司的截距項是固定不變的，因此稱該模型為固定效應(yīng)模型（FixedEffectModel,FEM）現(xiàn)在的問題是，是不可觀測的，怎樣實現(xiàn)模型的估計？由于4個公司的截距項不同，一種直觀的考慮是以其中一個公司的截距項作為標(biāo)準，其余3個公司的截距項在此基礎(chǔ)上作比較，而這通過虛擬變量可以很容易地實現(xiàn)：代表GE的截距項，而就能夠說明其它3家公司的截距項相對于GE的截距項有多大的不同，即級差截距系數(shù)。由于我們使用虛擬變量來刻畫固定效應(yīng)，并使用OLS來估計，因此上述模型也被稱為最小二乘虛擬變量模型（LSDV）這些截距上的差異可能

5、由每個公司獨特的性質(zhì)引起。那個模型更好呢？從輸出結(jié)果各項指標(biāo)來看，LSDV較好。也可從F檢驗的角度來比較。事實上，OLS是LSDV的約束模型。H0：D2＝D3＝D4顯著拒絕原假設(shè)。固定效應(yīng)放寬的假設(shè)2：斜率系數(shù)不變而截距隨個體和時間變化其中表示時間虛擬變量，表示將1954年的截距項作為基準由于考慮了回歸模型隨時間的改變，因此稱為時間效應(yīng)模型（一個問題：自由度的損失）固定效應(yīng)放寬的假設(shè)3：所有系數(shù)都隨個體而變化若所有的級差截距和基礎(chǔ)斜率系數(shù)都顯著，就可以得出結(jié)論：4家公司的投資函數(shù)各不相同，從而說明這4家公司的數(shù)據(jù)不能一視同仁，而要區(qū)別對待，單獨估計每家

6、公司的X對Y的影響關(guān)系在Eviews中可以通過菜單直接估計固定效應(yīng)模型。單擊固定效應(yīng)使用固定效應(yīng)模型注意事項引進過多的虛擬變量會損失大量自由度。大量解釋變量不可避免地會帶來多重共線性問題誤差項服從經(jīng)典假設(shè)的正態(tài)分布很值得商榷。固定效應(yīng)模型是建立在擾動項服從正態(tài)分布假設(shè)的基礎(chǔ)上。假定：以下幾種情況可能違反假定：1.同一時點上橫截面數(shù)據(jù)造成的異方差。2.同一個體的時間序列數(shù)據(jù)造成的自相關(guān)。3.不同時點上橫截面數(shù)據(jù)造成的異方差。4.不同個體在時間序列上的橫截面相關(guān)。由于面板數(shù)據(jù)要考察不同個體之間的差異，但是這些差異單從數(shù)據(jù)本身是無法觀測到的。固定效應(yīng)方法引入

7、虛擬變量將總體的未知信息差異化，從而間接地解決了這個問題。但是，當(dāng)橫截面單元較多是，由于自由度的原因，建立的模型將是代價高昂的。Kementa曾說：與LSDV模型相聯(lián)系的一個明顯的問題是，引入虛擬變量是否確實有必要。包含虛擬解釋變量是對我們無知的一種掩飾。隨機效應(yīng)如果虛擬變量確實代表了對于（真實）模型知識的一種缺乏，那么為什么不通過干擾項來表達這種無知呢？基于干擾項的面板數(shù)據(jù)建模方法叫做隨機效應(yīng)模型（RandomEffectModel,REM）或誤差組成模型（ECM）。隨機效應(yīng)REM的基本思路隨機效應(yīng)個體的截距項表示為，即這些個體都來自于同一個大樣本，

8、具有相同的均值和方差，并且每個個體的截距項的差異反映在誤差項中。模型總的誤差項是一個合成誤差項