面板数据模型计量经济学(陶长琪).ppt

随机效应变截距回归模型（个体）模型进一步假设模型存在的问题：同一个体成员、不同时期的随机干扰项之间存在一定的相关性。01普通OLS估计虽然仍是无偏和一致估计，但其不再有效估计，因此，一般用广义最小二乘法（GLS）对随机效应模型进行估计。02方差成分模型03方差成分GLS法04EViews按下列步骤估计随机效应变截距模型（个体）随机效应变截距模型的估计前面所介绍的变截距模型中，横截面成员的个体影响是用变化的截距来反映的，即用变化的截距来反映模型中忽略的反映个体差异的变量的影响。然而现实中变化的经济结构或不同的社会经济背景等因素有时会导致反映经济结构的参数随着横截面个体的变化而变化。因此，当现实数据不支持变截距模型时，便需要考虑这种系数随横截面个体的变化而改变的变系数模型。第五节变系数回归模型这种情形意味着模型在截面上既存在个体影响，又存在结构变化。我们又称该模型为无约束回归模型。变系数模型假定在截面个体成员上截距项和模型的解释变量系数都不同。需要估计的参数个数：N(K+1)个EViews按下列步骤估计变系数模型：第六节效应检验与模型形式设定检验建立面板数据模型前的首要任务是确定被解释变量与截距项和系数的关系，截距项是否相同、系数是否一致，是固定效应还是随机效应模型，从而避免模型设定的偏差，改进参数估计的有效性。01在实际应用中，究竟是采用固定效应模型还是02采用随机效应模型，我们可以进行模型设定检验。03豪斯曼Hausman（1978）提出了一种严格的统04计检验方法——Hausman检验。Hausman检验固定效应模型LSDV估计量无偏；GLS估计量有偏随机效应模型LSDV和GLS估计量都无偏，但LSDV估计量有较大方差固定效应模型LSDV估计量和GLS估计量的估计结果有较大的差异随机效应模型LSDV估计量和GLS估计量的估计结果就比较接近Hausman检验的原理12Hausman检验的原假设与被择假设H0:个体随机效应回归模型H1:个体固定效应回归模型设b，分别为回归系数的LSDV估计向量，GLS估计向量。如果真实模型是个体随机效应回归模型，那么b和二者差异应该比较小。如果真实模型是个体固定效应回归模型，那么b和二者差异应该比较大。**第九章面板数据模型第一节面板数据第二节面板数据回归模型概述第三节混合回归模型第四节变截距回归模型第五节变系数回归模型第六节效应检验与模型形式设定检验第七节面板数据的单位根检验和协整检验第八节案例分析面板数据（PanelData）：也叫平行数据，指01某一变量关于横截面和时间两个维度的数据，记为xit，其中，表示N个不同的对象（如02国家、省、县、行业、企业、个人）,03，表示T个观测期。04第一节面板数据平衡面板数据非平衡面板数据扩展的面板模型伪面板模型：如果按照某种属性(例如，年龄、职业和身份等)将各期调查对象分成不同的群；对于各个观测期，选择各群内观测数据的均值(中位数或分位数)，即可构造以群为‘个体’单位的面板数据。我们把这种以群为个体而构造的人工面板数据为伪面板数据(PseudoPanelData)。0102同一个个体可能不愿被一次又一次的被回访，为了保持调查中个体数目相同，在第二期调查中退出的部分个体，被相同数目的新的个体所替代，这种允许研究者检验“抽样时间”偏倚效应（初次采访和随后的采访之间的回答有显著的改变）的存在性叫轮换面板。对于轮换面板，每批加到面板的新个体组提供了检验抽样时间偏倚效应的方法。2.轮换面板模型:空间面板模型:当考虑国家、地区、州、县等相关截面数据时，这些总量个体可能表现出必须处理的截面相关性。现在有大量运用空间数据的文献处理这种相关性。这种空间相依模型在区域科学和城市经济学中比较普遍。具体来说，这些模型使用经济距离测度设定了面板数据的空间自相关性和空间结构（空间异质性）。12被解释变量是计数面板数据的例子很多。例如，一段时间内一家公司的竟标次数、一个人去看医生的次数、每天吸烟者的数量及一个研发机构登记专利的数目。虽然可以运用传统面板回归模型对计数面板数据建模，但鉴于被解释变量具有0及非负离散取值的特征，运用泊松面板回归模型建模更为合适。4.计数面板模型:第二节面板数据回归模型概述面板数据回归模型的一般形式其中，i=1,2,…,N表示个N个体；t=1,2,…,T