经济计量方法导论 第九讲.ppt

两期面板数据分析示例：政策分析(例13.4 jtrain.wfl) 例：针对密西根州若干企业，分析企业是否获得培训津贴对产品废品率的影响 对1987年1988年两年的数据，一般模型为： y88为年度虚拟变量 grant为二值变量，是否得到培训津贴 ai为不随时间变化的无法观测的固定效应(雇员平均能力，管理技能) 差分消除ai，得到一阶差分方程： 因1987年无企业领取津贴，分析若1988年获得津贴对废品率的影响 两期面板数据分析示例：政策分析(例13.4 jtrain.wfl) 建立对数模型，分析1988年是否获得培训津贴对产品废品率变化百分比的影响 案例数据是三期面板数据，应筛选观测数据 若1988年获得津贴使废品率平均下降27.2%，但0.05的显著性水平下统计不显著 混合横截面数据：关注倍差估计量 例：垃圾焚化炉问题 d2为时间虚拟变量;dB为1表示处理组，对照组为A；共四组数据 政策分析的一般方法总结 倍差估计量 两期面板数据：固定效应模型： progit为政策实施与否的虚拟变量；d2t为时间虚拟变量；没有交互项 若政策第二期实施，一阶差分方程中的β1为： 计算处理组和对照组在两个时期的平均变化，并取两者之差即为β1，同混合横截面中的倍差估计量 由于面板数据的特点，可通过差分控制个体、企业、城市等的固定效应 政策分析的一般方法总结 政策分析示例2(例13.7 traffic1.wfl) 美国禁止酒后驾车：开瓶法(open)和行政权力法(admn)的效果对比 数据：1985年和1990年50个州和哥伦比亚特区因饮酒致交通事故每亿英里死亡人数及虚拟变量 数据组织：未按面板数据组织，通过虚拟变量加以标识 开瓶法： 1985年19个州；1990年22个州； 行政法： 1985年21个州；1990年29个州； 政策对比示例(例13.7 traffic1.wfl) 美国禁止酒后驾车：开瓶法(open)和行政权力法(admn)的效果对比 采用固定效应模型，并利用一阶差分方程消除影响死亡人数的不随年份变化的因素： 采用开瓶法，将交通死亡率降低0.42； 行政权力法的效应较低，且统计上不显著； 截距项为负数，表示5年的交通死亡率大大下降了 对多于两期的面板数据(以3期为例) 设有N个横截面单位且均有3个时期的数据，固定效应模型： t=1:d2=d3=0；t=2:d2=1,d3=0; t=3:d2=0,d3=1; 截距因时间虚拟变量取值不同而不同 ai为影响y且不随时间变化的无法观测因素(固定效应) 关注重点：β1… βk 若ai与x相关导致误差项(ai+ui)相关，则混合OLS估计是有偏和不一致的 利用差分方程 分析多时期面板数据 对多于两期的面板数据(以3期为例) 处理方法：在满足假设： 采用差分方法：t=2时，从第二期中减去第一期；t=3时，从第三期中减去第二期；即： 一阶差分方程： 差分方法的本质：消除固定效益ai 注意：不可用第i个截面单位第一期观测减去第i-1个截面的最后一个观测；t=1期的差分应是缺失的 第3期的时期虚拟变量 包含截距项 多期面板数据的一阶差分方程： 每个横截面都有T-1个观测，共有N(T-1)个观测 利用差分方程 分析多时期面板数据 多时期面板数据分析示例(例13.8，EZUNEM.WFL) 目的：分析印第安纳州企业园区(EZ)计划对失业救助申请人的影响 数据：1980-1988年印第安纳州的22个城市 固定效应模型： EZ为虚拟变量 差分方程： 每建立一个EZ将使失业救济申请人数下降16.6% 第九讲 混合横截面数据 面板数据 的经济计量方法 混合横截面数据的回归建模 面板数据的回归建模的一般方法 固定效应模型 随机效应模型 主要内容 混合横截面数据的回归建模 270个调查数据 250个调查数据 把不同时点的横截面数据混合起来，数据既有横截面数据，又有时间序列数据的特点 例：财产税下调前后的商品住宅销售数据 数据的前后排列顺序不重要，有关于时点的标志变量 混合横截面数据概述 混合横截面数据能够有效扩大样本量 不同时期多个随机样本混起来做OLS有意义的前提：因变量和自变量的关系不随时间推移而改变 与简单横截面数据的不同 不同时点上对总体进行抽样，很可能样本不是来自同分布的 例：商品房调控政策出台前后的房屋销售数据，投资和刚性需求 混合横截面数据的回归建模重点 如何通过模型体现：不同时点上因变量和解释变量间关系的差异：截距差异和斜率差异 处理策略：引入年度虚拟变量(year dummy variables)，采用虚拟自变量回归 什么是虚拟自变量回归(第七章) 自变量中包含虚拟变量的回归 虚拟自变量回归 虚拟变量是一个二值(binary)变量 用于表述定性变量