个体随机效应模型汇总讲解.docx
- 文档编号:7911048
- 上传时间:2023-01-27
- 格式:DOCX
- 页数:15
- 大小:201.57KB
个体随机效应模型汇总讲解.docx
《个体随机效应模型汇总讲解.docx》由会员分享,可在线阅读,更多相关《个体随机效应模型汇总讲解.docx(15页珍藏版)》请在冰豆网上搜索。
个体随机效应模型汇总讲解
个体随机效应模型
在面板数据的计量分析中,如果解释变量对被解释变量的效应不随个体和时间变化,并且解释被解释变量的信息不够完整,即解释变量中不包含一些影响被解释变量的不可观测的确定性因素,可以将模型设定为固定效应模型,采用反映个体特征或时间特征的虚拟变量(即知随个体变化或只随时间变化)或者分解模型的截距项来描述这些缺失的确定性信息。
但是,固定效应模型也存在一定的不足。
例如固定效应模型模型中包含许多虚拟变量时,减少了模型估计的自由度;实际应用中,固定效应模型的随机误差项难以满足模型的基本假设,易于导致参数的非有效估计。
更为重要的是,它只考虑了不完整的确定性信息对被解释变量的效应,而未包含不可观测的随机信息的效应。
为了弥补这一不足,Maddala(1971)将混合数据回归的随机误差项分解为截面随机误差分量、时间随机误差分量和个体时间随机误差分量三部分,讨论如下随机效应模型或双分量误差分解模型
(1):
K
儿=01+工仅心+冷+岭+叫
(1)
k=2
坷~N(0。
/)表示个体随机误差分量;
片~N(0.b,2)表示时间随机误差分量;
叫~N(O,b「)表示个体时间(或混合)随机误差分量。
如果模型
(1)中只存在截面随机误差分量山而不存在时间随机误差分量%,则称为个体随机效应模型,否则称为个体时间小于模型。
或者称为但分了误差分解模型。
下面来介绍这两种模型:
1•个体随机效应模型
当利用面板数据研究拥有拥有充分多个体的总体经济特征时,若利用总体数据的固定效应模型就会损失巨大的自山度,使得个体截距项的估il•不具有有效性。
这时,可以在总体中随机抽取N个样本,利用这N个样本的个体随机效应模型:
K
儿=01+工灿xkit+ui+wit
(2)
k=2
推断总体的经济规律。
其中,个体随机误差项%是属于第i个个体的随机干扰分量,并在整个时间范围(t=l,2,...,T)保持不变,其反映了不随时间变化的不可观测随机信息的效应。
检验:
个体随机效应的原假设和备择假设分别是:
(混合估计模型)
比:
5:
工0(个体随机效应模型)
个体随机效应的检验统讣量:
NT八
i=lL/=!
_
~~用~~N、
工冶2
i=l/=1
其中,房是混合模型OLS估计的残差。
在零售下,统计量LM服从1个自由度的才分布,即厶M~*(l)。
2.个体时间随机效应模型
实践:
一、数据:
已知1996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费(卬,不变价格)和人均收入(Q,不变价格)居民,利用数据
(1)建立面板数据(paneldata)工作文件;
(2)定义序列名并输入数据;(3)
估计选择面板模型:
(4)面板单位根检验。
年人均消费(consume)和人均收入
(income)数据以及消费者价格指数(p)分别见表1,2和3。
表11996—2002年中国东北.华北、华东15个省级地区的居民家庭人均消费(元)数据
人均消费
1996
1997
1998
1999
2000
2001
2002
CONSUMEAH
3607.43
3693.55
3777.41
3901.81
4232.98
4517.65
4736.52
CONSUMEBJ
5729.52
6531.81
6970.83
7498.48
8493.49
8922.72
10284.6
CONSUMEFJ
4248.47
4935.95
5181.45
5266.69
5638.74
6015.11
6631.68
CONSUMEHB
3424.35
4003.71
3834.43
40263
4348.47
4479.75
5069.28
CONSUMEHLJ
3110.92
3213.42
3303.15
3481.74
3824.44
4192.36
4462.08
CONSUME.JL
3037.32
3408.03
3449.74
3661.68
4020.87
4337.22
4973.88
CONSUMEJS
4057.5
4533.57
4889.43
5010.91
5323.18
5532.74
6042.6
CONSUMEJX
2942.11
3199.61
3266.81
3482.33
3623.56
3894.51
4549.32
CONSUMELN
3493.02
3719.91
3890.74
3989.93
4356.06
4654.42
5342.64
CONSUMENMG
2767.84
3032.3
3105.74
3468.99
3927.75
4195.62
4859.88
CONSUMESD
3力0.99
4040.63
4143.96
4515.05
5022
5252.41
559632
CONSUMESH
6763.12
6819.94
6866.41
8247.69
8868.19
9336.1
10464
CONSUMESX
3035.59
3228.71
3267.7
3492.98
3941.87
4123.01
4710.96
CONSUMETJ
4679.61
5204.15
5471.01
5851.53
6121.04
6987.22
7191.96
CONSUMER
5764.27
6170.14
6217.93
6521.54
7020.22
7952.39
8713.08
表21996-2002年中国东北.华北.华东15个省级地区的居民家庭人均收入(元)数据
人均收入
1996
1997
1998
1999
2000
2001
2002
INCOMEAH
4512.77
4599.27
4770.47
5064.6
5293.55
5668.8
6032.4
INCOMEBJ
7332.01
7813.16
8471.98
9182.76
10349.69
11577.78
12463.92
INCOMEFJ
5172.93
6143.64
6485.63
6859.81
7432.26
8313.08
9189.36
INCOMEHB
4442.81
4958.67
5084.64
5365.03
5661.16
5984.82
6679.68
INCOMEHLJ
376831
4090.72
4268.5
4595.14
4912.88
5425.87
6100.56
INCOMEJL
3805.53
4190.58
4206.64
4480.01
4810
5340.46
6260.16
INCOMEJS
5185.79
5765.2
6017.85
6538.2
6800.23
7375」
8177.64
INCOMEJX
3780.2
407132
4251.42
4720.58
5103.58
5506.02
6335.64
INCOMELN
4207.23
451&1
4617.24
4898.61
5357.79
5797.01
6524.52
INCOMENMG
3431.81
3944.67
4353.02
4770.53
5129.05
5535.89
6051
INCOMESD
4890.28
5190.79
5380.08
5808.96
6489.97
7101.08
7614.36
INCOMESH
8178.48
8438.89
8773.1
10931.64
11718.01
12883.46
13249.8
INCOMESX
3702.69
3989.92
4098.73
4342.61
4724.11
5391.05
6234.36
INCOMETJ
5967.71
660839
7110.54
7649.83
8140.5
8958.7
9337.56
INCOMEZ.J
6955.79
7358.72
7836.76
8427.95
9279.16
10464.67
11715.6
表31996-2002年中国东北.华北.华东15个省级地区的消费者物价指数
物价指数
19%
1997
1998
1999
2000
2001
2002
PAH
109.9
101.3
100
97.8
100.7
100.5
99
PBJ
111.6
105.3
102.4
100.6
103.5
103」
98.2
PFJ
105.9
101.7
99.7
99」
102」
98.7
99.5
PHB
107」
103.5
9&4
98.1
99.7
100.5
99
PHLJ
107.1
104.4
1(X).4
96.8
9&3
100.8
99.3
PJL
107.2
103.7
99.2
98
9&6
1013
99.5
PJS
109.3
101.7
99.4
98.7
100」
100.8
99.2
PJX
108.4
102
101
98.6
100.3
99.5
100.1
PLN
107.9
103」
99.3
98.6
99.9
100
9&9
PNMG
107.6
104.5
99.3
99.8
101.3
100.6
100.2
PSD
109.6
102.8
99.4
99.3
100.2
101.8
99.3
PSH
109.2
102.8
10()
101.5
102.5
100
100.5
PSX
107.9
103」
9&6
99.6
103.9
99.8
98.4
PTJ
109
103」
99.5
98.9
99.6
101.2
99.6
PZJ
107.9
102.8
99.7
98.8
101
99.8
99」
二.1•输入操作:
步骤:
(1)File——New——VVorkflle
0
!
FilejEditObjectViewProcQuickOptionsAdd-insWindowHelp
N.ew►
Workfile...
Ctrl+N
O.pen
►
Database...
Save
Ctrl+S
Program
SaveAs...
TextFile
Close
Import
步骤:
(2)Startdate——Enddate——K
步骤:
(3)ObjectNewObject
0
FileEditObjectViewProcQuickOptionsAdd-insWindowHelp
I—NewObject..._]
GenerateSerics..・
ManageLinks&Formulae...
FetchfromDB...
Update*selectedfromDB...
StoreselectedtoDB...
Copyselected..・
Renameselected...F2
Deleteselected
P.rintSelected
步骤:
(4)l>peofobjectPool
BWorkfile:
(view[procIObj
NewObject
Typeofobject
Range:
1996Sample:
1996®C
0resid
Pool
Equation
Factor
Graph
Group
LogL
Matrix-Vector hJarmeforobjectpoolmodel Genr[sampie| Filter: * Pool Coned SampleScalarSeriesSeriesLinkseriesAlphaSpoolSSpaceString5VectorSystemTableText ValMapVAR 步骤: (5)输入所有序列名称 ®Pool: POOLMODELWorkfile: UNTITLED: : Untitled\-n|View|ProcObjectPrintNamejFreezeEstimatejDefine|PoolGenr|SheetCrossSection.Identifiers: (Enteridentifiers"belowthisline) AH BJ FJ HB HLJ JL JS JX LN NMG SD SH SX TJ ZJ 步骤: (6)定义各变量点击sheet—输入consume? income? p? EPool;POOLMODELWorkfile;UNTITLED;: Untitled\-nx View Proc|Object Print Name Freeze Estimate Define PoolGenr Sheet CrossSectionIdentiAH BJ FJ HB HU JL JS JX LN NMG SD SH SX TJ ZJ obs CONSUME? INCOME? P? obs CONSUME? INCOME? P? AH-1996 3607.430 4512770 109.9000 AH-1997 3693.550 4599.270 101.3000 AH-1998 3777.410 4770.470 100.0000 AH-1999 3901.810 5064-.600 97.80000 AH-2000 4232.980 5293.550 100.7000 AH-2001 4517.650 5668.800 100.5000 AH-2002 4736.520 6032.400 99.00000 BJ-1996 5729.520 7332.010 111.6000 BJ-1997 6531.810 7813.160 105.3000 BJ-1998 6970.830 8471.980 102.4000 BJ-1999 7498.480 9182.760 100.6000 BJ-2000 8493.490 1034969 103.5000 2•估计操作: [View]ProvObject]|Print]Zcrne[Freeze][E.timCe[Define]Poo.Genr]Sheet[Cr9MmSoutioxuXdvxvKx££«x-x SpecificationOptions Estimationsettings BalanceSample Method*LS一LeastSquares(andAR) Sample19962002 |确定][职消] Dependentvariable: ^解释变虽: : Common: 系数相同部分 Cross-sectionspecific: 截而系数不同部分 步骤: (2)将截距项选择区选Randomeffects(个体随机效应) Cross-section: Random 备注: 若是个体时间小于模型则选择cross-section: randomperiod: random PoolEstimation BalanceSample Estinationsettings MethodLS・LeastSquares(andAR) Sample: 19962002 得到如下部分输出结果: DependentVariable: CONSUME? Method: PooledEGLS(Cross-sectionrandomeffects} Date: 07/24/14Time: 16: 18 Sample: 19962002 Includedobservations: ? Cross-sectionsincluded: 15 Totalpool(balanced)observations: 105 SwamyandAroraestimatorofcomponentva「iances VariableCoefficientStd.Errort-StatisticProb. c 367.9743 79.37891 4.635668 0.0000 INCOME? 0.722000 0.011118 64.93844 0.0000 RandomEffects(Cross) AH—C -6.747120 BJ-C 385.5898 FJ-C -53.80761 HB-C -109.9283 HLJ—C -107.3301 JL-C 48.37777 JS~C -34.23240 JX-C -230.4927 LN-C 107.9779 NMG-C -138.3494 3D-C -104.0006 SH—C 142.5914 SX~C -26.30302 TJ—C 12.27178 2J—C 114.3827 相应的表达式是: Consume^=368.0+0.72Incomeif-6.7D}+385.6ZX+...+114.4£)I5 (64.9)R2=0.97,SSE=3066120 其中虚拟变量0,Q,…,P5的定义是: 小(1,如果属于第i个个体,i二1,2,...,15鬥0,其他 接下来利用Hausman统讣量检验应该建立个体随机效应回归模型还是个体固定效应回归模型。 Ho: 个体效应与回归变量(/£)无关(个体随机效应回归模型) 比: 个体效应与回归变量OPQ相关(个体固定效应回归模型) 步骤: (3)在上述输出结果选择: View一Fixed/RandomEffectsTesting一CorrelatedRandomEffects-Hausman Test 3EViews- 回FileEditObjectViewProcQuickOptionsAdd-insWindowHelp [view|Proc|Object||Print|Name|Freeze EstimateDefinePoolGenrSheet CrossSectionIdentifiers Representations Es-timationOutput Residuals► CoefCovarianceMatrix est q.StatisticChi-3q.d.f.Prob. 18.75916110.0000 CoefficientDiagnostics► Fixed/RandomEffectsTesting► RedundantEix亡dEffects・LikelihoodRatio Spreadsheet(stackeddata)... Des-criptiveStatistics..・ UnitRootTest..・ CointegrationTest... CorrelatedRandomEffects・HdusmianTg,t 0.7220000.0000680.0000 on: Label CorrelatedRandomEffects・HausmanTest Pool: POOLMODEL Testcross-sectionrandomeffects TestSummary Chi-Sq.Statistic Chi-Sq.d.f. Prob. Cross-sectionrandom 18.759161 1 0.0000 Cross-sectionrandomeffectstestcomparisons: Variable FixedRandom Var(Diff.) Prob. INCOME? 0.6862320.722000 0.000068 0.0000 山检验输岀结果的上半部分可以看岀,Hausman统计量的值是18.76,相对应的概率是0.0000,即拒接原假设,应该建立个体固定效应模型。 检验结果的下半部分是Hausman检验中间结果比较。 个体固定效应模型对参数的估计值为0.686232,随机效应模型对参数的估计值为0.722。 两个参数的估计量的分布方差的差为0.000068o 综上分析,1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费和人金收入问题应该建立个体固定效应回归模型。 人均消费平均占人均收入的68%o随地区不同,自发消费(截距项)存在显著性差异。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 个体 随机 效应 模型 汇总 讲解