第15章-短面板.doc

? 陈强,《高级计量经济学及 Stata 应用》课件，第二版，2014 年，高等教育出版社。 第 15 章 短 面 板 15.1 面板数据的特点 面板数据(panel data 或 longitudinal data)，指的是在一段时间内 跟踪同一组个体(individual)的数据。 它既有横截面的维度(n 个个体)，又有时间维度(T 个时期)。 一个T ( 3的面板数据结构如表 15.1。表 15.1 面板数据的结构 y x 1 x 2 x 3 Individual 1: t = 1 Individual 1: t = 2 Individual 1: t = 3 (( Individual n: t = 1 Individual n: t = 2 Individual n: t = 3 2 如果面板数据 T 较小，而 n 较大，在使用大样本理论时让 n 趋 于无穷大。这种面板数据被称为“短面板”(short panel)。 反之，如果 T 较大，而 n 较小，则被称为“长面板”(long panel)。 在面板模型中，如果解释变量包含被解释变量的滞后值，则称 为“动态面板”(dynamic panel)；反之，则称为“静态面板”(static panel)。 如果在面板数据中，每个时期在样本中的个体完全一样，则称 为“平衡面板数据”(balanced panel)；反之，则称为“非平衡面板 数据”(unbalanced panel)。 3面板数据的优点： (1) 解决遗漏变量问题： 遗漏变量常由不可观测的个体差异或“异质性”(heterogeneity) 造成。 如果个体差异“不随时间而改变”(time invariant)，则面板数据 可解决遗漏变量问题。 (2) 提供个体动态行为的信息： 例：考虑区分规模效应与技术进步对企业生产效率的影响。对 于截面数据，没有时间维度，无法观测到技术进步。对于时间序 列，无法区分生产效率的提高究竟有多少由于规模扩大，有多少 4由于技术进步。 例：对于失业问题，截面数据能告诉在某个时点上哪些人失业， 时间序列数据能告诉某个人就业与失业的历史，但这两种数据均 无法告诉是否失业的总是同一批人(低流转率)，还是失业的人群总 在变动(高流转率)。 (3) 样本容量较大：同时有截面维度与时间维度，面板数据的样 本容量更大，可提高估计精度。 面板数据也会带来问题，比如，数据通常不满足独立同分布的 假定，因为同一个体在不同期的扰动项一般存在自相关。 面板数据的收集成本通常较高，不易获得。 515.2 面板数据的估计策略 一个极端策略是将其看成是截面数据而进行混合回归(pooled regression)，要求样本中每位个体拥有相同的回归方程。 此策略忽略个体间不可观测或被遗漏的异质性(heterogeneity)， 而该异质性可能与解释变量相关，导致估计不一致。 另一极端策略则是，为每位个体估计一个单独的回归方程。此 策略忽略了个体的共性，可能没有足够大的样本容量。 实践中常采用折衷的估计策略，即假定个体的回归方程拥有相 同的斜率，但可有不同的截距项，以此来捕捉异质性。 67个体效应模型 (individual-specific effects model) y ( x( ( ( z(( ( u ( ( ( ( ( ( it it i i it (i 1, ,n; t 1, ,T) z 为不随时间而变(time invariant)的个体特征，比如性别； i x 可随个体及时间而变(time-varying)； it 扰动项由( ) u ( ( 两部分构成，称为“复合扰动项”(composite error i it term)；不可观测的随机变量u 是代表个体异质性的截距项。 i ( 为随个体与时间而改变的扰动项。假设{( }为 iid，且与 u 不相关。 it it i 8如果u 与某个解释变量相关，则称为“固定效应模型”(Fixed Effects i Model，简记 FE)。此时，OLS 不一致。 如果u 与所有解释变量(x , z )均不相关，则称为“随机效应模型” i it i (Random Effects Model，简记 RE)。 15.3 混 合 回 归 如果所有个体拥有一样的回归方程，则方程可写为 y ( ( ( x( ( ( z(( ( ( it it i it x 不包括常数项。把所有数据放在一起，像对待横截面数据那样 it 进行 OLS 回归，称为“混合回归”(pooled regression)。 9应使用聚类稳健的标准误(cluster-robust standard errors)，聚类 (cluster)由每位个体不同期的所有