面板数据模型.总结Word文档格式.doc

面板数据模型.总结Word文档格式.doc

《面板数据模型.总结Word文档格式.doc》由会员分享，可在线阅读，更多相关《面板数据模型.总结Word文档格式.doc（52页珍藏版）》请在冰豆网上搜索。

4204

4495

4784

4770

5179

5257

5641

6093

BJ（北京）

6807

7454

8206

8654

10473

8273

9128

10000

11230

12692

FJ（福建）

5197

5315

5523

6094

6665

6505

6922

7279

8423

9236

HB（河北）

3897

4104

4362

4457

5120

5167

5469

5678

5955

6747

HLJ（黑龙江）

3290

3597

3891

4159

4494

4251

4747

4998

5383

6144

JL（吉林）

3478

3736

4078

4282

4999

4241

4571

4878

5272

6292

JS（江苏）

4919

5077

5318

5489

6091

6054

6624

6793

7317

8244

JX（江西）

3234

3532

3613

3914

4545

4209

4788

5088

5534

6329

LN（辽宁）

3918

4047

4360

4654

5402

4650

4968

5363

5797

6597

NMG（内蒙古）

3128

3476

3877

4171

4850

4384

4780

5063

5503

6039

SD（山东）

4169

4547

5012

5160

5636

5413

5850

6477

6976

7668

SH（上海）

6866

8126

8652

9336

10412

8773

10770

11432

12883

13184

SX（山西）

3314

3507

3794

4131

4157

6336

TJ（天津）

5499

5917

6146

6904

7221

7146

7735

8173

8852

9375

ZJ（浙江）

6237

6601

6951

7968

8792

7860

8530

9187

10486

11822

二、面板数据模型及其作用

1.经典面板数据模型

建立在古典假定基础上的线性面板数据模型.

2.非经典面板数据模型

（1）非平稳时间序列问题的面板数据模型（面板数据协整模型）

（2）非线性面板数据模型（如面板数据logit模型,面板数据计数模型模型）

（3）其他模型（如面板数据分位数回归模型）

3.面板数据模型作用

（1）描述个体行为差异。

（2）PanelData能够提供更多信息、更多变化性、更少共线性、更多自由度和更高效率。

反观时间序列经常受多重共线性的困扰。

（3）PanelData能够更好地研究动态调节，横截面分布看上去相对稳定但却隐藏了许多变化，PanelData由于包含较长时间，能够弄清诸如经济政策变化对经济状况的影响等问题。

（4）PanelData能更好地识别和度量纯时间序列和纯横截面数据所不能发现的影响因素。

（5）相对于纯横截面和纯时间序列数据而言，PanelData能够构造和检验更复杂的行为模型。

（6）通常，PanelData可以收集到更准确的微观单位（个人、企业、家庭）的情况。

由此得到的总体数据可以消去测量误差的影响。

尽管PanelData研究的理论和应用发展很快，但目前仍然存在一些问题需要解决。

例如，变量设计和收集数据困难；

存在测量误差；

存在选择性困难；

时间序列较短；

等等。

4.目前有关PanelData的学术专著主要有：

1．Analysisofpaneldata/ChengHsiao.1986.

2．Econometricanalysisofpaneldata/BadiH.Baltagi.1995.

3．TheEconometricsofpaneldata:

ahandbookofthetheorywithapplications/Matyas&

Sevestre.1996.

应用程序软件：

stata、EViews。

三、经典面板数据模型的参数估计

不变系数模型：

yit＝α+βxit+uit

变截距模型：

yit＝αi+βxit+uit（时间变截距模型？

双变模型？

）

变系数模型：

yit＝αi+βixit+uit（时间变截距模型？

（一）不变系数模型（混合估计模型）

如果从时间上看，不同个体之间不存在显著性差异；

从截面上看，不同截面之间也不存在显著性差异，即各回归系数不随个体或截面的变化而变化，那么就可以直接把面板数据混合在一起用普通最小二乘法（OLS）估计参数，建立不变系数模型（混合估计模型）。

yit=a+bxit+uit,i=1,2,…,N;

t=1,2,…,T

a和b不随i，t变化。

称模型为混合估计模型。

数据形式变为：

年份

Y

X

安

徽

省

1998

4770

3777

1999

5179

3990

2000

5257

4204

2001

5641

4495

2002

6093

4784

…

……

浙

江

7860

6237

8530

6601

9187

6951

10486

7968

11822

8792

例以表1中15个地区1996和2002年数据建立关于消费的混合估计模型，得结果如下：

输出结果1

DependentVariable:

Y?

Method:

PooledLeastSquares

Includedobservations:

5

Numberofcross-sectionsused:

15

Totalpanel（balanced）observations:

75

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

73.81960

84.48351

0.873775

0.3851

X?

0.761465

0.011710

65.02895

0.0000

R-squared

0.983030

Meandependentvar

5291.773

AdjustedR-squared

0.982798

S.D.dependentvar

1745.640

S.E.ofregression

228.9535

Sumsquaredresid

3826637.

F-statistic

4228.764

Durbin-Watsonstat

0.864366

Prob（F-statistic）

0.000000

15个省级地区的人均支出平均约占收入的76%，自发消费为73.82。

（二）变截距模型（variableinterceptmodel）

即自变量对因变量的效应（斜率）随个体或时间的变化而变化，而截距项却在不同的个体或时间上有所不同，此时可以建立变截距模型。

按照样本数据性质的不同，具体分为固定效应模型和随机效应模型。

1.固定效应模型（fixedeffectsregressionmodel）

在面板数据散点图中，如果对于不同的截面或不同的时间序列，模型的截距是不同的，则可以采用在模型中加虚拟变量的方法估计回归参数，称此种模型为固定效应模型。

3种类型：

1.个体固定效应模型

2.时刻固定效应模型

3.时刻个体固定效应模型

下面只以个体固定效应模型为例进行介绍。

个体固定效应模型就是对于不同的个体有不同截距的模型。

如果对于不同的时间序列（个体）截距是不同的，但是对于不同的横截面，模型的截距没有显著性变化，那么就应该建立个体固定效应模型。

其中，Zi是不随时间变化的潜在变量，不可观察，但与x相联系。

上式可以变化为：

由于与每一个个体中一个确实存在（但不可观测）的变量有关，所以称为个体固定效应模型。

等价于每一个个体有一个方程：

y1t=α1+bx1t+u1t,i=1（对于第1个个体，或时间序列），

y2t=α2+bx2t+u2t,i=2（对于第2个个体，或时间序列），

yNt=αN+bxNt+uNt,i=N（对于第N个个体，或时间序列），t=1,2,…,T

其中

eit,i=1,2,…,N;

t=1,2,…,T，表示随机误差项。

yit,xit,i=1,2,…,N;

t=1,2,…,T分别表示被解释变量和解释变量。

引入虚拟变量

Wi=

写为：

yit=b1xit+α1W1+α2W2+…+αNWN+uit,

（t=1,2,…,T）

如果满足如下4个假定条件，上述面板数据模型可以用OLS方法估计：

（1）E（uit|xi1,x