面板数据回归分析.pptx

第7章面板数据回归分析面板数据回归分析7.1 面板数据模型 7.1.1 面板数据 7.1.2 面板数据模型7.2 固定效应模型估计 7.2.1 固定效应模型估计 7.2.2 用EViews7.2估计固定效应模型面板数据回归分析7.3 随机效应模型估计 7.3.1 随机效应模型估计 7.3.2 用EViews7.2估计随机效应模型7.4 固定效应还是随机效应？ —Hausman检验 7.4.1 Hausman检验原理 7.4.2用EViews7.2进行Hausman检验重要概念面板数据回归分析7.1 面板数据模型 7.1.1 面板数据 7.1.2 面板数据模型7.1 面板数据模型7.1.1 面板数据 面板数据有横截面和时间两个维度， 个横截面个体、 个观测时期，样本个体表示为 ，若 远大于 ，称之为短面板，本书只讨论短面板。 7.1 面板数据模型7.1.1 面板数据EViews中存放面板数据：将Excel中数据导入EViews，排列方式为无结构/不按日期的数据（Unstructured/Undated）7.1 面板数据模型7.1.1 面板数据EViews中存放面板数据： 点击工作文件界面上的按钮Range， 在弹出的Workfile Structure对话框的Workfile type栏内选择Dated Panel，7.1 面板数据模型7.1.1 面板数据EViews中存放面板数据： 并在Panel identifier series（面板识别变量）下的第一栏Cross section ID series（横截面识别变量）内输入变量名dq（地区），在第二栏Date series（日期识别变量）内输入变量名year： 点击OK，数据按面板数据排列:7.1 面板数据模型7.1.1 面板数据EViews中存放面板数据： 7.1 面板数据模型7.1.2 面板数据模型 为个体的异质性，不可观测假设1： 7.1 面板数据模型7.1.2 面板数据模型 假设 2： 7.1 面板数据模型7.1.2 面板数据模型面板数据模型不可观测的个体异质性例子7.1 经济发展与污水排放例子7.2 教育的回报由于不可观测的地区和个人能力带来的内生性，使上述估计不一致。面板数据模型固定效应模型和随机效应模型定义7.1 固定效应和随机效应 上述模型中的不可观测变量 （1）与回归自变量相关，称之为固定效应模型； （2）与回归自变量不相关，称之为随机效应模型。固定效应将 消掉，随机效应则将其放入误差项，然后探索方差结构。7.2 固定效应模型估计7.2.1 固定效应模型估计7.2.2 用EViews7.2估计固定效应模型7.2 固定效应模型估计7.2.1 固定效应模型估计核心是消掉个体异质性变量上述模型的OLS估计称之为固定效应估计（Fixed effect）7.2 固定效应模型估计7.2.1 固定效应模型估计例子7.1 经济发展与污水排放例子7.2 教育的回报若采用普通的FE方法，教育变量会被消除掉，故不能被估计教育的回报。但若采用教育变量和年份虚拟变量相乘的方法，则可以估计：7.2 固定效应模型估计7.2.1 固定效应模型估计例子7.2 教育的回报定义虚拟变量此时相减不至于消去教育变量，但是此时 表示的是相对于1980年，教育对收入的影响大小。7.2 固定效应模型估计7.2.1 固定效应模型估计FD估计（First Difference）： 其中，如果变量取值不随时间变化，差分后的模型在消去 的同时，也将该变量消去，对应的回归系数无法估计。FD估计导致变量变化减少，估计出参数方差较大，效率比FE低。7.2 固定效应模型估计7.2.2 用EViews7.2估计固定效应模型例子7.1 的EViews操作： 在工作文件界面选中参与回归的变量并以组打开，在文件表格界面点击Proc→Make Equation进入模型设定界面完成模型设定。7.2 固定效应模型估计7.2.2 用EViews7.2估计固定效应模型例子7.1 的EViews操作： 点击Panel Options选项，进入面板数据模型设定界面。第一栏选择固定效应（fixed），第二栏选择无时间异质性 变量（none），第三栏选择GLS时的权重（Cross-section weight），第四栏选择协方差估计方法（White cross-section），最后一栏选择是否调整自由度7.2 固定效应模型估计7.2.2 用EViews7.2估计固定效应模型例子7.1 的EViews操作： 完成选择后点击OK得出参数估计输出结果: 7.2 固定效应模型估计7.2.2 用EViews7.2估计固定效应模型例子7.2 教育的回报 EViews操作： 为避免教育变量被消掉