第八章 Panel Data 模型精要.ppt

* 在对Panel Data模型进行估计时，使用的样本数据包含了截面、时期、变量3个方向上的信息。如果模型形式设定不正确，估计结果将与所要模拟的经济现实偏离甚远。因此，建立Panel Data模型的第一步便是检验被解释变量 yit 的参数 ?i 和 ?i 是否对所有截面样本点或时期都是一样的，即检验样本数据究竟符合上面哪种Panel Data模型形式，从而避免模型设定的偏差，改进参数估计的有效性。 * 经常使用的检验是协方差分析检验，主要检验如下两个假设： H1： H2： 可见如果接受假设 H2 则可以认为样本数据符合模型(8.1.6)，即模型为不变参数模型，无需进行进一步的检验。 如果拒绝假设H2，则需检验假设H1。如果接受H1，则认为样本数据符合模型(8.1.7) ，即模型为变截距模型，反之拒绝 H1 ，则认为样本数据符合模型(8.1.8)，即模型为变参数模型。 * 下面介绍假设检验的 F 统计量的计算方法。首先计算变参数模型的残差平方和，记为 S1 ；变截距模型的残差平方和记为 S2 ；不变参数模型的残差平方和记为 S3 。计算 F2 统计量 (8.2.7) 在假设 H2 下检验统计量 F2 服从相应自由度下的F分布。若计算所得到的统计量 F2 的值不小于给定置信度下的相应临界值，则拒绝假设 H2，继续检验假设 H1。反之，接受 H2则认为样本数据符合不变参数模型。 * 在假设H1下检验统计量F1也服从相应自由度下的F分布，即 (8.2.8) 若计算所得到的统计量F1的值不小于给定置信度下的相应临界值，则拒绝假设H1。 如果接受H1，则认为样本数据符合变截距模型，反之拒绝H1 ，则认为样本数据符合变参数模型。 * 建立一个研究五家企业投资需求状况的Panel Data模型： i =1 , 2 , …, 5 其中：企业标识数字从1 ~ 5，分别对应通用汽车(GM)、克莱斯勒(CH)、通用电气(GE)、西屋(WE)和美国钢铁(US)。被解释变量I = (I1, I2, I3, I4, I5) 分别是5家企业的总投资。解释变量为M = (M1, M2, M3, M4, M5) 分别是5家企业前一年企业市场价值（反映企业的预期利润）；K = (K1, K2, K3, K4, K5) 分别是5家企业前一年末工厂存货及设备价值（反映企业必要重置投资期望值）。 (1) 首先分别计算3种形式的模型：变参数模型、变截距模型和不变参数模型： 例8.1 企业投资需求模型类型的设定检验 * 变参数模型: * 变截距模型: * 不变参数模型: * Panel Data模型估计方法 使用Panel Data模型数据结构信息，有很多种方法进行方程估计。可以估计固定截距模型，随机截距模型，或者模型变量对各截面成员的系数不同，以及估计单独的AR项系数。也可以为各个截面成员分别估计一个方程。 * 不变参数模型（所有截面截距相同、系数相同） * 所有的截面的系数相等，和将5个公司的数据接到一起，用OLS的估计结果相同。 * 变截距模型 * 使用OLS方法对模型进行估计，估计结果如下： t = (8.4) (112.9) 从估计结果可以看出，对于本例中的29个省市来说，虽然它们的城镇居民消费倾向相同，但是1991年～1994年间其城镇居民的自发消费存在显著的差异，其中广东的城镇居民自发消费最高，其次为辽宁，而城镇居民自发消费最低的是新疆，其次是山东。 * 包含时期截距的固定影响变截距模型 例8.3 城镇居民消费的固定影响变截距模型（2） * * 8.3 随机影响变截距模型 (Random Effects) * * 8.4 Hausman检验 Hausman（1978）等学者认为应该总是把个体影响处理为随机的，即随机