第九面板數(shù)據(jù)模型

1、第九章第九章面板數(shù)據(jù)模型面板數(shù)據(jù)模型第一節(jié)第一節(jié) 面板數(shù)據(jù)面板數(shù)據(jù)第二節(jié)第二節(jié) 面板數(shù)據(jù)回歸模型面板數(shù)據(jù)回歸模型第三節(jié)第三節(jié) 混合回歸模型混合回歸模型第四節(jié)第四節(jié) 變截距回歸模型變截距回歸模型第五節(jié)第五節(jié) 變系數(shù)回歸模型變系數(shù)回歸模型第六節(jié)第六節(jié) 效應(yīng)檢驗與模型形式設(shè)定檢驗效應(yīng)檢驗與模型形式設(shè)定檢驗第七節(jié)第七節(jié) 面板數(shù)據(jù)的單位根檢驗和協(xié)整檢驗面板數(shù)據(jù)的單位根檢驗和協(xié)整檢驗第八節(jié)第八節(jié) 案例分析案例分析 面板數(shù)據(jù)（面板數(shù)據(jù)（Panel Data）：也叫：也叫平行數(shù)據(jù)平行數(shù)據(jù)，指，指某一變量關(guān)于時間和橫截面兩個維度的數(shù)據(jù)，記為某一變量關(guān)于時間和橫截面兩個維度的數(shù)據(jù)，記為xit ，其中，其中 ，表示

2、，表示N個不同的對象（如個不同的對象（如國家、省、縣、行業(yè)、企業(yè)、個人）國家、省、縣、行業(yè)、企業(yè)、個人）, ，表示，表示T個觀測期。個觀測期。1 2 , ,iN1 2 , ,tT第一節(jié)第一節(jié) 面板數(shù)據(jù)面板數(shù)據(jù) 平衡面板數(shù)據(jù)平衡面板數(shù)據(jù) 非平衡面板數(shù)據(jù)非平衡面板數(shù)據(jù) 擴(kuò)展的面板模型擴(kuò)展的面板模型1. 偽面板模型：偽面板模型：如果按照某種屬性如果按照某種屬性( (例如，年齡、職業(yè)和身份等例如，年齡、職業(yè)和身份等) )將各期調(diào)查對象分成不同的群；對于各個觀測期，將各期調(diào)查對象分成不同的群；對于各個觀測期，選擇各群內(nèi)觀測數(shù)據(jù)的均值選擇各群內(nèi)觀測數(shù)據(jù)的均值( (中位數(shù)或分位數(shù)中位數(shù)或分位數(shù)) )，即可構(gòu)

3、造以群為即可構(gòu)造以群為個體個體單位的面板數(shù)據(jù)。我們單位的面板數(shù)據(jù)。我們把這種以群為個體而構(gòu)造的人工面板數(shù)據(jù)為偽面把這種以群為個體而構(gòu)造的人工面板數(shù)據(jù)為偽面板數(shù)據(jù)板數(shù)據(jù)(Pseudo Panel Data)(Pseudo Panel Data)。2. 輪換面板輪換面板模型模型:同一個個體可能不愿被一次又一次的被回訪，為同一個個體可能不愿被一次又一次的被回訪，為了保持調(diào)查中個體數(shù)目相同，在第二期調(diào)查中退了保持調(diào)查中個體數(shù)目相同，在第二期調(diào)查中退出的部分個體，被相同數(shù)目的新的個體所替代，出的部分個體，被相同數(shù)目的新的個體所替代，這種允許研究者檢驗這種允許研究者檢驗 “ “抽樣時間抽樣時間”偏倚效應(yīng)偏

4、倚效應(yīng)（初次采訪和隨后的采訪之間的回答有顯著的改（初次采訪和隨后的采訪之間的回答有顯著的改變）的存在性叫輪換面板。對于輪換面板，每批變）的存在性叫輪換面板。對于輪換面板，每批加到面板的新個體組提供了檢驗抽樣時間偏倚效加到面板的新個體組提供了檢驗抽樣時間偏倚效應(yīng)的方法。應(yīng)的方法。3. 空間面板空間面板模型模型:當(dāng)考慮國家、地區(qū)、州、縣等相關(guān)截面數(shù)據(jù)時，當(dāng)考慮國家、地區(qū)、州、縣等相關(guān)截面數(shù)據(jù)時，這些總量個體可能表現(xiàn)出必須處理的截面相關(guān)這些總量個體可能表現(xiàn)出必須處理的截面相關(guān)性?，F(xiàn)在有大量運(yùn)用空間數(shù)據(jù)的文獻(xiàn)處理這種性。現(xiàn)在有大量運(yùn)用空間數(shù)據(jù)的文獻(xiàn)處理這種相關(guān)性。這種空間相依模型在區(qū)域科學(xué)和城市相關(guān)性

5、。這種空間相依模型在區(qū)域科學(xué)和城市經(jīng)濟(jì)學(xué)中比較普遍。具體來說，這些模型使用經(jīng)濟(jì)學(xué)中比較普遍。具體來說，這些模型使用經(jīng)濟(jì)距離測度設(shè)定了面板數(shù)據(jù)的空間自相關(guān)性經(jīng)濟(jì)距離測度設(shè)定了面板數(shù)據(jù)的空間自相關(guān)性和空間結(jié)構(gòu)（空間異質(zhì)性）。和空間結(jié)構(gòu)（空間異質(zhì)性）。4. 計數(shù)面板計數(shù)面板模型模型:被解釋變量是計數(shù)面板數(shù)據(jù)的例子很多。例如，被解釋變量是計數(shù)面板數(shù)據(jù)的例子很多。例如，一段時間內(nèi)一家公司的竟標(biāo)次數(shù)、一個人去看一段時間內(nèi)一家公司的竟標(biāo)次數(shù)、一個人去看醫(yī)生的次數(shù)、每天吸煙者的數(shù)量及一個研發(fā)機(jī)醫(yī)生的次數(shù)、每天吸煙者的數(shù)量及一個研發(fā)機(jī)構(gòu)登記專利的數(shù)目。雖然可以運(yùn)用傳統(tǒng)面板回構(gòu)登記專利的數(shù)目。雖然可以運(yùn)用傳統(tǒng)面板

6、回歸模型對計數(shù)面板數(shù)據(jù)建模，但鑒于被解釋變歸模型對計數(shù)面板數(shù)據(jù)建模，但鑒于被解釋變量具有量具有0 0及非負(fù)離散取值的特征，運(yùn)用泊松面及非負(fù)離散取值的特征，運(yùn)用泊松面板回歸模型建模更為合適。板回歸模型建模更為合適。第二節(jié)第二節(jié) 面板數(shù)據(jù)回歸模型面板數(shù)據(jù)回歸模型 一、面板數(shù)據(jù)回歸模型的一般形式：一、面板數(shù)據(jù)回歸模型的一般形式： 其中，其中，i=1, 2, ,N 表示個表示個N個體；個體； t=1, 2, ,T 表表示示T個時期；個時期；yit為被解釋變量為被解釋變量, 表示第表示第i個個體在個個體在t時時期的觀測值；期的觀測值；xkit 是解釋變量是解釋變量, 表示第表示第k個解釋變量個解釋變量對

7、于個體對于個體 i 在時期在時期 t 的觀測值；的觀測值； 是待估參數(shù)；是待估參數(shù)；uit是隨機(jī)干擾項。是隨機(jī)干擾項。 ittiitKkitkitkitituuxy ,10kit 稱為稱為個體效應(yīng)個體效應(yīng)。反映個體不隨時間變化的差異性。反映個體不隨時間變化的差異性。 稱為稱為時間效應(yīng)時間效應(yīng)。反映不隨個體變化的時間上的差。反映不隨個體變化的時間上的差異性。異性。ittiitKkitkitkitituuxy ,10i t 在上式模型中，樣本容量（在上式模型中，樣本容量（NT）遠(yuǎn)遠(yuǎn)小于參數(shù)個）遠(yuǎn)遠(yuǎn)小于參數(shù)個數(shù)，這使得模型無法估計。數(shù)，這使得模型無法估計。為了實現(xiàn)模型的估計，可以分別建立以下兩類模為

8、了實現(xiàn)模型的估計，可以分別建立以下兩類模型：從個體成員角度考慮，型：從個體成員角度考慮，；在時間點上截面，；在時間點上截面，。ittiitKkitkitkitituuxy ,10 Panel Data模型簡化為如下形式：模型簡化為如下形式：ittiitKkitkitkiituuxy ,10 Panel Data模型簡化為如下形式：模型簡化為如下形式：ittiitKkitkitktituuxy ,10ittiitKkitkitkitituuxy ,10二、二、 面板數(shù)據(jù)回歸模型的分類面板數(shù)據(jù)回歸模型的分類 由于含有由于含有 N 個個體成員方程的式和含有個個體成員方程的式和含有 T個個時間截面方程

9、的式兩種形式的模型在估計方法上類時間截面方程的式兩種形式的模型在估計方法上類似，因此本章主要討論含有似，因此本章主要討論含有 N 個個體成員方程的個個體成員方程的Panel Data模型的估計方法。模型的估計方法。 根據(jù)對截距項和解釋變量系數(shù)的不同假設(shè)，可將面根據(jù)對截距項和解釋變量系數(shù)的不同假設(shè)，可將面板數(shù)據(jù)回歸模型分為：板數(shù)據(jù)回歸模型分為：混合回歸模型混合回歸模型、變截距回歸變截距回歸模型模型和和變系數(shù)回歸模型變系數(shù)回歸模型3種類型。種類型。ittiitKkitkitkiituuxy ,10混合回歸模型混合回歸模型: :假設(shè)截距項和解釋變量系數(shù)對于假設(shè)截距項和解釋變量系數(shù)對于所有的截面?zhèn)€體成

10、員都是相同的，即假設(shè)在個所有的截面?zhèn)€體成員都是相同的，即假設(shè)在個體成員上既無個體效應(yīng)，也無結(jié)構(gòu)變化。體成員上既無個體效應(yīng)，也無結(jié)構(gòu)變化。ittiitKkitkitkiituuxy ,10混合回歸模型的模型形式為混合回歸模型的模型形式為: :ititKkitkitkituxy ,10TtNi, 2 , 1, 2 , 1 變截距回歸模型變截距回歸模型: :假定在截面?zhèn)€體成員上截距項假定在截面?zhèn)€體成員上截距項不同，而模型的解釋變量系數(shù)是相同的不同，而模型的解釋變量系數(shù)是相同的ittiitKkitkitkiituuxy ,10變截距變截距回歸模型的模型形式為回歸模型的模型形式為: :ittiitKki

11、tkitkituuxy ,10變系數(shù)回歸模型變系數(shù)回歸模型: :假定在截面?zhèn)€體成員上截距項假定在截面?zhèn)€體成員上截距項和模型的解釋變量系數(shù)都不同。和模型的解釋變量系數(shù)都不同。ittiitKkitkitkiituuxy ,10根據(jù)根據(jù) 和和 與模型解釋變量是否相關(guān)，面板與模型解釋變量是否相關(guān)，面板數(shù)據(jù)的個體效應(yīng)和時間效應(yīng)又分兩種情形：數(shù)據(jù)的個體效應(yīng)和時間效應(yīng)又分兩種情形：固固定效應(yīng)定效應(yīng)和和隨機(jī)效應(yīng)。隨機(jī)效應(yīng)。ittiitKkitkitkiituuxy ,10如果個體效應(yīng)如果個體效應(yīng) 與模型中的解釋變量是與模型中的解釋變量是相關(guān)相關(guān)的的, ,我們就稱這種個體效應(yīng)是我們就稱這種個體效應(yīng)是固定效應(yīng)固定

12、效應(yīng)。反之，如果。反之，如果個體效應(yīng)個體效應(yīng) 與模型中的解釋變量是不相關(guān)的，我與模型中的解釋變量是不相關(guān)的，我們稱之為們稱之為隨機(jī)效應(yīng)隨機(jī)效應(yīng)。i t i i 如果時間效應(yīng)如果時間效應(yīng) 與模型中的解釋變量是與模型中的解釋變量是相關(guān)相關(guān)的的, ,我們就稱這種時間效應(yīng)是我們就稱這種時間效應(yīng)是固定效應(yīng)固定效應(yīng)。反之，如果。反之，如果時間效應(yīng)時間效應(yīng) 與模型中的解釋變量是不相關(guān)的，我與模型中的解釋變量是不相關(guān)的，我們稱之為們稱之為隨機(jī)效應(yīng)隨機(jī)效應(yīng)。t t 第三節(jié)第三節(jié) 混合回歸模型混合回歸模型從時間上看，從時間上看，不同年份不同年份之間不存在顯著性差異；之間不存在顯著性差異；從截面上看，從截面上看，不

13、同個體不同個體之間也不存在顯著性差異，之間也不存在顯著性差異，那么就可以直接把面板數(shù)據(jù)混合在一起那么就可以直接把面板數(shù)據(jù)混合在一起(相當(dāng)于將相當(dāng)于將多個時期的截面數(shù)據(jù)放在一起作為樣本數(shù)據(jù)多個時期的截面數(shù)據(jù)放在一起作為樣本數(shù)據(jù))，用，用普通最小二乘法普通最小二乘法（OLS）估計參數(shù)，且估計量是）估計參數(shù)，且估計量是線性、無偏、有效和一致的。線性、無偏、有效和一致的。一、混合回歸模型一、混合回歸模型二、二、混合回歸模型的估計混合回歸模型的估計 （Eviews操作操作）第四節(jié)第四節(jié) 變截距回歸模型變截距回歸模型一、變截距模型的分類一、變截距模型的分類 討論三種類型，即討論三種類型，即個體固定效應(yīng)變截

14、距模型個體固定效應(yīng)變截距模型、時點時點固定效應(yīng)變截距模型固定效應(yīng)變截距模型、時點個體固定效應(yīng)變截距模時點個體固定效應(yīng)變截距模型型。ittiitKkitkitkituuxy ,10 變截距模型變截距模型ittiitKkitkitkiituuxy ,10（一）固定效應(yīng)變截距模型（一）固定效應(yīng)變截距模型1.個體固定效應(yīng)變截距模型一般形式：個體固定效應(yīng)變截距模型一般形式：其中，其中， 表示不同個體之間的表示不同個體之間的差異化效應(yīng)差異化效應(yīng)。itiitKkitkitkituuxy ,10i 2.時點固定效應(yīng)變截距模型一般形式：時點固定效應(yīng)變截距模型一般形式：其中，其中， 表示不同截面（時點）之間的表示

15、不同截面（時點）之間的差異化效應(yīng)差異化效應(yīng)。ittitKkitkitkituuxy ,10t 3.時點個體固定效應(yīng)變截距模型一般形式：時點個體固定效應(yīng)變截距模型一般形式：ittiitKkitkitkituuxy ,10ittiitKkitkitkituuxy ,10（二）隨機(jī)效應(yīng)變截距模型（二）隨機(jī)效應(yīng)變截距模型 討論三種類型，即討論三種類型，即個體隨機(jī)效應(yīng)變截距模型個體隨機(jī)效應(yīng)變截距模型、時點時點隨機(jī)效應(yīng)變截距模型隨機(jī)效應(yīng)變截距模型、時點個體隨機(jī)效應(yīng)變截距模時點個體隨機(jī)效應(yīng)變截距模型型。ittiitKkitkitkituuxy ,10面板數(shù)據(jù)模型中的參數(shù)估計量既不同于截面數(shù)據(jù)估面板數(shù)據(jù)模型中

16、的參數(shù)估計量既不同于截面數(shù)據(jù)估計量，也不同于時間序列估計量，其估計方法隨著計量，也不同于時間序列估計量，其估計方法隨著模型形式變化而變化。模型形式變化而變化。（一）固定效應(yīng)變截距模型的估計（一）固定效應(yīng)變截距模型的估計 1.1.最小二乘虛擬變量（最小二乘虛擬變量（LSDV）估計）估計 二、變截距模型的估計二、變截距模型的估計（1 1）個體固定效應(yīng)變截距模型一般形式：）個體固定效應(yīng)變截距模型一般形式：itiitKkitkitkituuxy ,10（2）時點固定效應(yīng)變截距模型一般形式：時點固定效應(yīng)變截距模型一般形式：ittitKkitkitkituuxy ,10（3）時點個體固定效應(yīng)變截距模型一般

17、形式：時點個體固定效應(yīng)變截距模型一般形式：ittiitKkitkitkituuxy ,10截面加權(quán)截面加權(quán)(個體截面異方差情形的個體截面異方差情形的GLS估估)廣義最小二乘估計廣義最小二乘估計個體截面異方差是指各個個體方程的隨機(jī)干擾項個體截面異方差是指各個個體方程的隨機(jī)干擾項之間存在異方差，但個體和時期之間協(xié)方差為零。之間存在異方差，但個體和時期之間協(xié)方差為零。當(dāng)殘差具有個體截面異方差時最好進(jìn)行截面加權(quán)回當(dāng)殘差具有個體截面異方差時最好進(jìn)行截面加權(quán)回歸：歸：當(dāng)殘差具有同期相關(guān)協(xié)方差情形時，當(dāng)殘差具有同期相關(guān)協(xié)方差情形時，SUR加權(quán)最加權(quán)最小二乘是可行的小二乘是可行的GLS估計量：估計量：此時此時

18、 的的SUR估計為：估計為：（二）隨機(jī)效應(yīng)變截距模型的估計（二）隨機(jī)效應(yīng)變截距模型的估計EViews按下列步驟估計隨機(jī)影響模型：按下列步驟估計隨機(jī)影響模型：第五節(jié)第五節(jié) 變系數(shù)回歸模型變系數(shù)回歸模型 前面所介紹的變截距模型中，橫截面成員的個前面所介紹的變截距模型中，橫截面成員的個體影響是用變化的截距來反映的，即用變化的截距體影響是用變化的截距來反映的，即用變化的截距來反映模型中忽略的反映個體差異的變量的影響。來反映模型中忽略的反映個體差異的變量的影響。然而現(xiàn)實中變化的經(jīng)濟(jì)結(jié)構(gòu)或不同的社會經(jīng)濟(jì)背景然而現(xiàn)實中變化的經(jīng)濟(jì)結(jié)構(gòu)或不同的社會經(jīng)濟(jì)背景等因素有時會導(dǎo)致反映經(jīng)濟(jì)結(jié)構(gòu)的參數(shù)隨著橫截面等因素有時會

19、導(dǎo)致反映經(jīng)濟(jì)結(jié)構(gòu)的參數(shù)隨著橫截面?zhèn)€體的變化而變化。因此，當(dāng)現(xiàn)實數(shù)據(jù)不支持變截個體的變化而變化。因此，當(dāng)現(xiàn)實數(shù)據(jù)不支持變截距模型時，便需要考慮這種系數(shù)隨橫截面?zhèn)€體的變距模型時，便需要考慮這種系數(shù)隨橫截面?zhèn)€體的變化而改變的變系數(shù)模型?；淖兊淖兿禂?shù)模型。 變系數(shù)模型的一般形式如下：變系數(shù)模型的一般形式如下：ittiitKkitkitkiituuxy ,10 為變系數(shù)，反映模型結(jié)構(gòu)隨截面的變化而變化。為變系數(shù)，反映模型結(jié)構(gòu)隨截面的變化而變化。ki 類似于變截距模型，變系數(shù)模型也分為固定影響類似于變截距模型，變系數(shù)模型也分為固定影響變系數(shù)模型和隨機(jī)影響變系數(shù)模型兩種類型。變系數(shù)模型和隨機(jī)影響變系數(shù)模

20、型兩種類型。 EViews按下列步驟估計變系數(shù)模型：按下列步驟估計變系數(shù)模型：第六節(jié)效應(yīng)檢驗與模型形式設(shè)定檢驗第六節(jié)效應(yīng)檢驗與模型形式設(shè)定檢驗一、一、Hausman檢驗檢驗 建立面板數(shù)據(jù)模型前的首要任務(wù)是確定被解建立面板數(shù)據(jù)模型前的首要任務(wù)是確定被解釋變量與截距項和系數(shù)的關(guān)系，截距項是否相同、釋變量與截距項和系數(shù)的關(guān)系，截距項是否相同、系數(shù)是否一致，是固定效應(yīng)還是隨機(jī)效應(yīng)模型，從系數(shù)是否一致，是固定效應(yīng)還是隨機(jī)效應(yīng)模型，從而避免模型設(shè)定的偏差，改進(jìn)參數(shù)估計的有效性。而避免模型設(shè)定的偏差，改進(jìn)參數(shù)估計的有效性。 對于如何檢驗?zāi)Ｐ椭袀€體效應(yīng)或時間效應(yīng)與解對于如何檢驗?zāi)Ｐ椭袀€體效應(yīng)或時間效應(yīng)與解釋變

21、量之間是否相關(guān)，釋變量之間是否相關(guān)，Hausman（1978）提出了一）提出了一種嚴(yán)格的統(tǒng)計檢驗方法種嚴(yán)格的統(tǒng)計檢驗方法Hausman檢驗。檢驗。固定效應(yīng)模型：固定效應(yīng)模型：LSDV估計量無偏；估計量無偏；GLS估計量有偏。估計量有偏。隨機(jī)效應(yīng)模型：隨機(jī)效應(yīng)模型：LSDV和和GLS估計量都無偏，但估計量都無偏，但LSDV估計量有較大方差；。估計量有較大方差；。固定效應(yīng)模型：固定效應(yīng)模型：LSDV估計量和估計量和GLS估計量的估計結(jié)估計量的估計結(jié)果有較大的差異。果有較大的差異。隨機(jī)效應(yīng)模型：隨機(jī)效應(yīng)模型：LSDV估計量和估計量和GLS估計量的估計結(jié)估計量的估計結(jié)果就比較接近。果就比較接近。Hau

22、sman檢驗的原理檢驗的原理 Hausman證明在原假設(shè)下，統(tǒng)計量證明在原假設(shè)下，統(tǒng)計量W服從自由度服從自由度為為k（模型中解釋變量的個數(shù)）的（模型中解釋變量的個數(shù)）的 分布，即分布，即Step1：設(shè)定原假設(shè)：設(shè)定原假設(shè)H0 :模型的個體效應(yīng)或時間效應(yīng)模型的個體效應(yīng)或時間效應(yīng)與解釋變量無關(guān)；與解釋變量無關(guān)；Step2：構(gòu)造：構(gòu)造Hausman檢驗的檢驗的W統(tǒng)計量統(tǒng)計量Hausman檢驗檢驗其中其中b， 分別為回歸系數(shù)的分別為回歸系數(shù)的LSDV估計向量，估計向量，GLS估估計向量；計向量； 為為 之差的方差，即之差的方差，即1 bbW bVar b、2 )(21kbbW EViews中可以實現(xiàn)檢

23、驗?zāi)Ｐ椭袀€體影響與解釋中可以實現(xiàn)檢驗?zāi)Ｐ椭袀€體影響與解釋變量之間是否相關(guān)的變量之間是否相關(guān)的Hausman檢驗。為了實現(xiàn)檢驗。為了實現(xiàn)Hausman檢驗，必須首先估計一個隨機(jī)效應(yīng)模檢驗，必須首先估計一個隨機(jī)效應(yīng)模型。然后，選擇型。然后，選擇View/Fixed/Random Effects Testing/Correlated Random Effects - Hausman Test，EViews將自動估計相應(yīng)的固定效應(yīng)模型，將自動估計相應(yīng)的固定效應(yīng)模型，計算檢驗統(tǒng)計量，顯示檢驗結(jié)果和輔助回歸結(jié)計算檢驗統(tǒng)計量，顯示檢驗結(jié)果和輔助回歸結(jié)果。果。二、二、 為了檢驗面板數(shù)據(jù)模型的類型：混合回歸模型

24、、為了檢驗面板數(shù)據(jù)模型的類型：混合回歸模型、變截距回歸模型還是變系數(shù)回歸模型，經(jīng)常使用的變截距回歸模型還是變系數(shù)回歸模型，經(jīng)常使用的檢驗是協(xié)方差分析檢驗檢驗是協(xié)方差分析檢驗(F檢驗檢驗)，主要檢驗如下兩個，主要檢驗如下兩個假設(shè)：假設(shè)：H1：變截距回歸模型變截距回歸模型 H2：混合回歸模型混合回歸模型可見如果接受假設(shè)可見如果接受假設(shè) H2 則可以認(rèn)為模型為則可以認(rèn)為模型為混合回歸混合回歸模型模型，無需進(jìn)行進(jìn)一步的檢驗。如果拒絕假設(shè)，無需進(jìn)行進(jìn)一步的檢驗。如果拒絕假設(shè)H2，則需檢驗假設(shè)則需檢驗假設(shè)H1。如果接受如果接受H1，則認(rèn)為模型為則認(rèn)為模型為變截變截距回歸模型距回歸模型，反之拒絕，反之拒絕H

25、1 ，則認(rèn)為模型為，則認(rèn)為模型為回回歸歸。 下面介紹假設(shè)檢驗的下面介紹假設(shè)檢驗的 F F 統(tǒng)計量的計算方法。首統(tǒng)計量的計算方法。首先計算先計算回歸回歸的殘差平方和，記為的殘差平方和，記為S1 1 ；回歸回歸的殘差平方和記為的殘差平方和記為S2 2 ；混合回歸模型混合回歸模型的殘差平方和記為的殘差平方和記為S3 3。 )1(),1)(1()1()1)(1/()(1132 kTNkNFkNNTSkNSSF構(gòu)造并計算統(tǒng)計量構(gòu)造并計算統(tǒng)計量)1(,)1()1()1/()(1121 kTNkNFkNNTSkNSSF 例例9-3第七節(jié)第七節(jié) 面板數(shù)據(jù)的單位根檢驗和協(xié)整檢驗面板數(shù)據(jù)的單位根檢驗和協(xié)整檢驗一、面板數(shù)據(jù)的單位根檢驗一、面板數(shù)據(jù)的單位根檢驗 （一）（一）面板數(shù)據(jù)的單位根檢驗分類面板數(shù)據(jù)的單位根檢驗分類 （二）（二）面板數(shù)據(jù)的單位根檢驗應(yīng)用舉例面板數(shù)據(jù)的單位根檢驗應(yīng)用舉例二、面板數(shù)據(jù)的協(xié)整檢驗二、面板數(shù)據(jù)的協(xié)整檢驗 （一）（一）檢驗方法分類檢驗方法分類 （二）（二）面板數(shù)據(jù)協(xié)整檢驗的應(yīng)用舉例面板數(shù)據(jù)協(xié)整檢驗的應(yīng)用舉例 一般情況下可以將面板數(shù)據(jù)的單位根檢驗劃分一般情況下可以將面板數(shù)據(jù)的單位根檢驗劃分為兩大類：為兩大類： 一類為一類為相同根相同根情形下的單位根檢驗，檢驗方法情形下的單位根檢驗，檢驗方法包括包括LLC（Levin-Lin-Chu）