扩展单方程计量经济学模型.ppt

* 随机效应 各类型 * 固定效应与随机效应对比 * 三、面板数据模型的优势 Panel Data 模型可以通过设置虚拟变量对个别差异（非观测效应）进行控制---微观计量经济学 Panel Data 模型通过对不同横截面单元不同时间观察值的结合，增加了自由度，减少了解释变量之间的共线性，从而改进了估计结果的有效性 Panel Data模型是对同一截面单元集的重复观察，能更好地研究经济行为变化的动态性 * 变截距还是变系数的F检验 固定效应还是随机效应的检验---LR检验、Hausman检验 固定效应：虚拟变量最小二乘法(LSDV) 随机效应：可行的广义最小二乘法(FGLS) 面板数据的协整和单位根检验---窄而长的数据 四、面板模型的几个问题 * 变截距还是变系数的F检验 假设1 截距和系数在不同的横截面样本点和时间上都相同 假设2 系数在不同的横截面样本点和时间上都相同，但截距不相同 * 固定效应还是随机效应的检验 豪斯曼检验 （Hausman） * 面板数据的协整和单位根检验 虽然本章已经提到典型的面板数据是横截面单位较多而时期较少的数据，即所谓“宽而短”的数据，但是为了模型估计的顺利进行，面板数据的时间长度必须达到一般要求的大于待估参数数目的3倍。 原来越多的金融问题研究应用“窄而长”的面板数据。---第三阶段 * 面板数据的协整和单位根检验 但是，如果时间序列过长，很难保证序列随时间变化是平稳的。如果序列存在很强的趋势，将破坏回归模型运用的条件，导致伪回归。为避免伪回归，需要对截面序列进行单位根检验，若满足平稳性，上述介绍的各种模型分析方法是适用的；若不平稳，则要进行协整检验，满足协整条件的可以建立长期均衡模型。 * 面板数据单位根检验的基本思想与单变量时间序列的单位根检验类似，但由于是多个截面单位的序列，需要考虑不同截面单位序列的根是否相同，因此面板数据的单位根检验分为两种基本类型即相同根和不同根。在进行了各变量的单位根检验后，如果各变量间都是同阶单整，那么就可以进行协整检验了。面板协整检验理论目前还不成熟，仍然在不断的发展过程中。 面板数据的协整和单位根检验 附加：EViews操作举例 * 用EViews估计固定影响变截距模型演示 利用北京、天津、河北、山西、内蒙5地区1997-2003年消费总额与GDP的数据，消费总额为被解释变量，以GDP为解释变量，建立一元线性Panel Data模型。 打开EViews，建立新工作文件 如何在Eviews中建立Panel Data文件？ 输入Panel Data的起止时间（1997、2003） 选择建立新的数据文件 数据类型选择（Pool）和文件命名（gdpcons） 输入截面个体名称（BJ、TJ、HB、SX、NM） 选择Sheet，输入变量名（GDP?、CONS?） 出现数据表 输入数据、显示数据 在数据表界面上，选择Estimate命令，进行估计 如何在EViews中估计Panel Data 模型？ 估计 输出 结果 * * * * * * * * * * 第七章 扩展的单方程 计量经济学模型 ＊选择性样本模型 二元选择模型 ☆Panel Data 模型 * § 7.1 选择性样本模型 The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 2000 for his development of theory and methods for analyzing selective samples” James J Heckman USA * §7.2 二元选择模型 经济背景 模型形式 模型的估计和检验 * 一、实际经济生活中的二元选择问题 研究选择结果与影响因素之间的关系。 影响因素包括两部分：决策者的属性和备选方案的属性。 对于单个方案的取舍。例如，购买者对某种商品的购买决策问题 ，求职者对某种职业的选择问题，投票人对某候选人的投票决策，银行对某客户的贷款决策。由决策者的属性决定。 对于两个方案的选择。例如，两种出行方式的选择，两种商品的选择。由决策者的属性和备选方案的属性共同决定。 * 二、模型形式 线性概率模型 Probit模型 Logistic回归模型 * 线性概率模型 以一元线性回归模型为例： 如果因变量Y是一个取值为1和0的虚拟变量，则Y服从0-1分布，有： 这样，回归方程因变量即为虚拟变量取值的概率，这时的虚拟因变量模型称为线性概率模型。 * 线性概率模型LPM的不足 研究社会现象发生的概率或某项目成功（失败）的概率p p的大小与哪些因素有关—建立p与因素之间的回归方程 困难：p与自变