第六章面板数据模型.pptx

第六章 面板数据模型;引例. 数据的分类与特点; 1996-2002年中国15个省级地区的居民家庭人均消费数据（不变价格）; 1996-2002年中国15个省级地区的居民家庭人均收入数据（不变价格）; 图1 面板数据示意图 ; 人均消费和收入的面板数据从纵剖面观察分别见图2和图3。从横截面观察分别见图4和图5。用CP表示消费，IP表示收入。AH, BJ, FJ, HB, HLJ, JL, JS, JX, LN, NMG, SD, SH, SX, TJ, ZJ分别表示安徽省、北京市、福建省、河北省、黑龙江省、吉林省、江苏省、江西省、辽宁省、内蒙古自治区、山东省、上海市、山西省、天津市、浙江省。;图2 15个省市人均消费序列（纵剖面） ;图3 15个省市人均收入序列 ; 图4 15个省市人均消费散点图 (每条连线表示同一年度15个地区的消费值) ;图5 15个省市人均收入散点图(7个横截面叠加) (每条连线表示同一年度15个地区的收入值) ;15个地区7年人均消费对收入的面板数据散点图见图6和图7。图6中每一种符号代表一个省级地区的7个观测点组成的时间序列。相当于观察15个时间序列。图7中每一种符号代表一个年度的截面散点图（共7个截面）。相当于观察7个截面散点图的叠加。;图7 用7个截面表示的人均消费对收入的面板数据（7个截面叠加） ; 图8给出北京和内蒙古1996-2002年消费对收入散点图。图9给出15个省级地区1996和2002年的消费对收入散点图。;图9 1996和2002年地区消费对收入散点图 ;本章讨论以下问题 一. 面板数据模型的建立 基本概念 面板数据模型的类型 面板模型系数的经济意义及预测 二. 面板数据模型的估计 混合模型的估计 固定效应模型的估计 随机效应模型的估计 三. 面板数据模型的选择 ; 一. 面板数据模型的建立 1. 基本概念;2. 面板数据模型的类型 设 为被解释变量在横截面i和时间t上的数值， 为第k个解释变量在横截面i和时间t上的数值， 为横截面i和时间t上的随机误差项； 代表第i截面上的不可观测的个体影响因素；解释变量数为k=l，2，…，K；截面数为i=1，2，…，N；时间长度为t=1，2，…，T。其中,N表示个体截面成员的个数，T表示每个截面成员的观测时期总数，K表示解释变量的个数。则单方程面板数据模型一般形式可写成：;在面板回归模型的一般形式中，由于个体因素无法观测， 不能直接进行估计，因此我们考虑一下三种情况： ;(2) 随机效应模型(random effects model) 如果个体效应存在，但我们假设其与解释变量不 相关，即 ， 那么我们可以建立以下随机效应模型： 其中： 代表个体效应，并且 ;(3) 固定效应模型(fixed effects model) 如果个体效应存在，且其与某个解释变量 相关，即 那么我们可以建立以下固定效应模型： 其中： 代表个体效应，并且 ;3. 面板模型系数的经济意义 对于面板模型的一般形式： 混合模型 对于混合模型 ，因此 回归系数代表无个体效应下，解释变量X对被解释变量Y的条件期望的边际效应。 ;(2) 随机效应模型 对于随机效应模型 ，因此 回归系数代表对于任何个体，解释变量X对被解释变量Y 的条件期望的边际效应。 ;(3) 固定效应模型 对于固定效应模型 ，因此 如不考虑个体效应，我们无法获得解释变量X对被解释变 量Y的条件期望的边际效应。 我们只能获得： 即给定某个个体的前提下，解释变量X对被解释变量Y的 条件期望的边际效应。 ;对于固定效应模型： 由于 ， 那么当 ，解释变量被归入个体效应 ，因此回归系数将无法识别。 也就是说： 对于固定效应模型，不随时间发生变化的解释变量(例如个体属性)的系数是无法识别的。 ;4. 面板数据模型的预测 对于给定的解释变量 ，在对模型参数进行估计的基础上我们需要对