面板數(shù)據(jù)分析方法步驟

1、1 .面板數(shù)據(jù)分析方法步驟面板數(shù)據(jù)的分析方法或許我們已經(jīng)了解許多了，但是到底有沒(méi)有一個(gè)基本的步驟呢？那些步驟是必須的？這些都是我們?cè)谘芯康倪^(guò)程中需要考慮的，而且乂是很實(shí)在的問(wèn)題。面板單位根檢驗(yàn)如何進(jìn)行？協(xié)整檢驗(yàn)?zāi)?？什么情況下要進(jìn)行模型的修正？面板模型回歸形式的選擇？如何更有效的進(jìn)行回歸？諸如此類的問(wèn)題我們應(yīng)該如何去分析并一一解決？以下是我近期對(duì)面板數(shù)據(jù)研究后做出的一個(gè)簡(jiǎn)要總結(jié)，和大家分享一下，也希望大家都進(jìn)來(lái)討論討論。步驟一：分析數(shù)據(jù)的平穩(wěn)性(單位根檢驗(yàn))按照正規(guī)程序，面板數(shù)據(jù)模型在回歸前需檢驗(yàn)數(shù)據(jù)的平穩(wěn)性。李子奈曾指出，一些非平穩(wěn)的經(jīng)濟(jì)時(shí)間序列往往表現(xiàn)出共同的變化趨勢(shì)，而這些序列間本身不一定

2、有直接的關(guān)聯(lián)，此時(shí)，對(duì)這些數(shù)據(jù)進(jìn)行回歸，盡管有較高的R平方，但其結(jié)果是沒(méi)有任何實(shí)際意義的°這種情況稱為虛假回歸或偽回歸(spuriousregi-ession)o他認(rèn)為平穩(wěn)的真正含義是：一個(gè)時(shí)間序列剔除了不變的均值(可視為截距)和時(shí)間趨勢(shì)以后，剩余的序列為零均值，同方差，即白噪聲。因此單位根檢驗(yàn)時(shí)有三種檢驗(yàn)?zāi)Ｊ剑杭扔汹厔?shì)乂有截距、只有截距、以上都無(wú)。因此為了避免偽回歸，確保估計(jì)結(jié)果的有效性，我們必須對(duì)各面板序列的平穩(wěn)性進(jìn)行檢驗(yàn)。而檢驗(yàn)數(shù)據(jù)平穩(wěn)性最常用的辦法就是單位根檢驗(yàn)。首先，我們可以先對(duì)面板序列繪制時(shí)序圖，以粗略觀測(cè)時(shí)序圖中由各個(gè)觀測(cè)值描出代表變量的折線是否含有趨勢(shì)項(xiàng)和(或)截距項(xiàng)

3、，從而為進(jìn)一步的單位根檢驗(yàn)的檢驗(yàn)?zāi)Ｊ阶鰷?zhǔn)備。單位根檢驗(yàn)方法的文獻(xiàn)綜述：在非平穩(wěn)的面板數(shù)據(jù)漸進(jìn)過(guò)程中,LevinandLin(1993)很早就發(fā)現(xiàn)這些估計(jì)量的極限分布是高斯分布，這些結(jié)果也被應(yīng)用在有異方差的面板數(shù)據(jù)中，并建立了對(duì)面板單位根進(jìn)行檢驗(yàn)的早期版本。后來(lái)經(jīng)過(guò)Levinetal.(2002)的改進(jìn)，提出了檢驗(yàn)面板單位根的LLC法。Levinetal.(2002)指出,該方法允許不同截距和時(shí)間趨勢(shì)，異方差和高階序列相關(guān)，適合于中等維度(時(shí)間序列介于25250之間，截面數(shù)介于10250之間)的面板單位根檢驗(yàn)。Iinetal.(1997)還提出了檢驗(yàn)面板單位根的IPS法，但BreitungQOO

4、O)發(fā)現(xiàn)IPS法對(duì)限定性趨勢(shì)的設(shè)定極為敏感,并提出了面板單位根檢驗(yàn)的Breitling法。MaddalaandWu(1999)乂提出了ADF-Fisher和PP-Fisher面板單位根檢驗(yàn)方法。由上述綜述可知,可以使用LLC、IPS、Breintung>ADF-Fisher和PP-Fisher5種方法進(jìn)行面板單位根檢驗(yàn)。其中LLC-T、BR-T、IPS-W、ADF-FCS、PP-FCS、H-Z分別指Levin,Lin&Chut*統(tǒng)計(jì)量、Breitimgt統(tǒng)計(jì)量、ImPesaran&ShinW統(tǒng)計(jì)量、ADF-FisherClii-square統(tǒng)計(jì)量、PP-FisherCli

5、i-square統(tǒng)11,量、HadriZ統(tǒng)計(jì)量，并且Levin,Lin&Chut*統(tǒng)計(jì)量、Breitungt統(tǒng)計(jì)量的原假設(shè)為存在普通的單位根過(guò)程，linPesaran&ShinW統(tǒng)計(jì)量、ADF-FisherChi-squae統(tǒng)計(jì)量、PP-FisherChi-square統(tǒng)計(jì)量的原假設(shè)為存在有效的單位根過(guò)程，HadriZ統(tǒng)計(jì)量的檢驗(yàn)原假設(shè)為不存在普通的單位根過(guò)程。有時(shí)，為了方便，只采用兩種面板數(shù)據(jù)單位根檢驗(yàn)方法，即相同根單位根檢驗(yàn)LLC(Le-in-Lin-Chu)檢驗(yàn)和不同根單位根檢驗(yàn)Fisher-ADF檢驗(yàn)(注：對(duì)普通序列(非面板序列)的單位根檢驗(yàn)方法則常用ADF檢驗(yàn))，如果

6、在兩種檢驗(yàn)中均拒絕存在單位根的原假設(shè)則我們說(shuō)此序列是平穩(wěn)的，反之則不平穩(wěn)。如果我們以T(trend)代表序列含趨勢(shì)項(xiàng)，以I(inteicept)代表序列含截距項(xiàng),T&I代表兩項(xiàng)都含，N(none)代表兩項(xiàng)都不含，那么我們可以基于前面時(shí)序圖得出的結(jié)論，在單位根檢驗(yàn)中選擇相應(yīng)檢驗(yàn)?zāi)Ｊ健５跁r(shí)序圖得出的結(jié)論畢竟是粗略的，嚴(yán)格來(lái)說(shuō)，那些檢驗(yàn)結(jié)構(gòu)均需一一檢驗(yàn)。具體操作可以參照李子奈的說(shuō)法：ADF檢驗(yàn)是通過(guò)三個(gè)模型來(lái)完成，首先從含有截距和趨勢(shì)項(xiàng)的模型開(kāi)始，再檢驗(yàn)只含截距項(xiàng)的模型，最后檢驗(yàn)二者都不含的模型。并且認(rèn)為，只有三個(gè)模型的檢驗(yàn)結(jié)果都不能拒絕原假設(shè)時(shí)，我們才認(rèn)為時(shí)間序列是非平穩(wěn)的，而只要其中

7、有一個(gè)模型的檢驗(yàn)結(jié)果拒絕了零假設(shè)，就可認(rèn)為時(shí)間序列是平穩(wěn)的。此外，單位根檢驗(yàn)一般是先從水平(level)序列開(kāi)始檢驗(yàn)起，如果存在單位根,則對(duì)該序列進(jìn)行一階差分后繼續(xù)檢驗(yàn)，若仍存在單位根，則進(jìn)行二階甚至高階差分后檢驗(yàn)，直至序列平穩(wěn)為止。我們記1(0)為零階單整，1(1)為一階單整，依次類推，I(N)為N階單整。步驟二：協(xié)整檢驗(yàn)或模型修正情況一：如果基于單位根檢驗(yàn)的結(jié)果發(fā)現(xiàn)變量之間是同階單整的，那么我們可以進(jìn)行協(xié)整檢驗(yàn)。協(xié)整檢驗(yàn)是考察變量間長(zhǎng)期均衡關(guān)系的方法。所謂的協(xié)整是指若兩個(gè)或多個(gè)非平穩(wěn)的變量序列，其某個(gè)線性組合后的序列呈平穩(wěn)性。此時(shí)我們稱這些變量序列間有協(xié)整關(guān)系存在。因此協(xié)整的要求或前提是同

8、階單整。但也有如下的寬限說(shuō)法：如果變量個(gè)數(shù)多于兩個(gè)，即解釋變量個(gè)數(shù)多于一個(gè)，被解釋變量的單整階數(shù)不能高于任何一個(gè)解釋變量的單整階數(shù)。另當(dāng)解釋變量的單整階數(shù)高于被解釋變量的單整階數(shù)時(shí)，則必須至少有兩個(gè)解釋變量的單整階數(shù)高于被解釋變量的單整階數(shù)。如果只含有兩個(gè)解釋變量，則兩個(gè)變量的單整階數(shù)應(yīng)該相同。也就是說(shuō)，單整階數(shù)不同的兩個(gè)或以上的非平穩(wěn)序列如果一起進(jìn)行協(xié)整檢驗(yàn)，必然有某些低階單整的，即波動(dòng)相對(duì)高階序列的波動(dòng)甚微弱(有可能波動(dòng)幅度也不同)的序列，對(duì)協(xié)整結(jié)果的影響不大，因此包不包含的重要性不大。而相對(duì)處于最高階序列，由于其波動(dòng)較大，對(duì)回歸殘差的平穩(wěn)性帶來(lái)極大的影響，所以如果協(xié)整是包含有某些高階單整

9、序列的話(但如果所有變量都是階數(shù)相同的高階,此時(shí)也被稱作同階單整，這樣的話另當(dāng)別論)，一定不能將其納入?yún)f(xié)整檢驗(yàn)。協(xié)整檢驗(yàn)方法的文獻(xiàn)綜述：(l)Kao(1999)、KaoandChiangQOOO)利用推廣的DF和ADF檢驗(yàn)提出了檢驗(yàn)面板協(xié)整的方法，這種方法零假設(shè)是沒(méi)有協(xié)整關(guān)系，并且利用靜態(tài)面板回歸的殘差來(lái)構(gòu)建統(tǒng)計(jì)量。(2)Pedron(1999)在零假設(shè)是在動(dòng)態(tài)多元面板回歸中沒(méi)有協(xié)整關(guān)系的條件下給出了七種基于殘差的面板協(xié)整檢驗(yàn)方法。和Kao的方法不同的是,Pedroni的檢驗(yàn)方法允許異質(zhì)面板的存在。(3)Larssonetal(2001)發(fā)展了基于Johansen(1995)向量自回歸的似然檢

10、驗(yàn)的面板協(xié)整檢驗(yàn)方法,這種檢驗(yàn)吃方法是檢驗(yàn)變量存在共同的協(xié)整的秩。我們主要采用的是Pedroni、Kao、Johansen的方法。通過(guò)了協(xié)整檢驗(yàn)，說(shuō)明變量之間存在著長(zhǎng)期穩(wěn)定的均衡關(guān)系，其方程回歸殘差是平穩(wěn)的。因此可以在此基礎(chǔ)上直接對(duì)原方程進(jìn)行回歸，此時(shí)的回歸結(jié)果是較精確的。這時(shí)，我們或許還想進(jìn)一步對(duì)面板數(shù)據(jù)做格蘭杰因果檢驗(yàn)（因果檢驗(yàn)的前提是變量協(xié)整）。但如果變量之間不是協(xié)整（即非同階單整）的話，是不能進(jìn)行格蘭杰因果檢驗(yàn)的，不過(guò)此時(shí)可以先對(duì)數(shù)據(jù)進(jìn)行處理。引用張曉炯的原話，“如果y和x不同階，不能做格蘭杰因果檢驗(yàn)，但可通過(guò)差分序列或其他處理得到同階單整序列，并且要看它們此時(shí)有無(wú)經(jīng)濟(jì)意義J下面簡(jiǎn)要介

11、紹一下因果檢驗(yàn)的含義：這里的因果關(guān)系是從統(tǒng)計(jì)角度而言的，即是通過(guò)概率或者分布函數(shù)的角度體現(xiàn)出來(lái)的：在所有其它事件的發(fā)生情況固定不變的條件下，如果一個(gè)事件X的發(fā)生與不發(fā)生對(duì)于另一個(gè)事件Y的發(fā)生的概率（如果通過(guò)事件定義了隨機(jī)變量那么也可以說(shuō)分布函數(shù)）有影響，并且這兩個(gè)事件在時(shí)間上乂有先后順序（A前B后），那么我們便可以說(shuō)X是Y的原因。考慮最簡(jiǎn)單的形式，Granger檢驗(yàn)是運(yùn)用F-統(tǒng)計(jì)量來(lái)檢驗(yàn)X的滯后值是否顯著影響Y（在統(tǒng)計(jì)的意義下，且已經(jīng)綜合考慮了Y的滯后值；如果影響不顯著，那么稱X不是Y的"Grander原因”（Giangercause）；如果影響顯著，那么稱X是Y的“Granger原

12、因:同樣，這也可以用于檢驗(yàn)Y是X的“原因”，檢驗(yàn)Y的滯后值是否影響X（已經(jīng)考慮了X的滯后對(duì)X自身的影響）。Eviews好像沒(méi)有在POOL窗口中提供Grangercausalitytest,而只有unitroottest和cointegrationtest。說(shuō)明EMews是無(wú)法對(duì)面板數(shù)據(jù)序列做格蘭杰檢驗(yàn)的，格蘭杰檢驗(yàn)只能針對(duì)序列組做。也就是說(shuō)格蘭杰因果檢驗(yàn)在Eviews中是針對(duì)普通的序列對(duì)（pairwise）而言的。你如果想對(duì)面板數(shù)據(jù)中的某些合成序列做因果檢驗(yàn)的話，不妨先導(dǎo)出相關(guān)序列到一個(gè)組中（POOL窗口中的Proc/MakeGi'oup）,再來(lái)試試。情況二：如果基于單位根檢驗(yàn)的結(jié)果發(fā)

13、現(xiàn)變量之間是非同階單整的，即面板數(shù)據(jù)中有些序列平穩(wěn)而有些序列不平穩(wěn)，此時(shí)不能進(jìn)行協(xié)整檢驗(yàn)與直接對(duì)原序列進(jìn)行回歸。但此時(shí)也不要著急，我們可以在保持變量經(jīng)濟(jì)意義的前提下，對(duì)我們前面提出的模型進(jìn)行修正，以消除數(shù)據(jù)不平穩(wěn)對(duì)回歸造成的不利影響。如差分某些序列，將基于時(shí)間頻度的絕對(duì)數(shù)據(jù)變成時(shí)間頻度下的變動(dòng)數(shù)據(jù)或增長(zhǎng)率數(shù)據(jù)。此時(shí)的研究轉(zhuǎn)向新的模型，但要保證模型具有經(jīng)濟(jì)意義。因此一般不要對(duì)原序列進(jìn)行二階差分，因?yàn)閷?duì)變動(dòng)數(shù)據(jù)或增長(zhǎng)率數(shù)據(jù)再進(jìn)行差分，我們不好對(duì)其冠以經(jīng)濟(jì)解釋。難道你稱其為變動(dòng)率的變動(dòng)率？步驟三：面板模型的選擇與回歸面板數(shù)據(jù)模型的選擇通常有三種形式：一種是混合估計(jì)模型（PooledResressio

14、nModel）。如果從時(shí)間上看，不同個(gè)體之間不存在顯著性差異；從截面上看，不同截面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)混合在一起用普通最小二乘法（OLS）估計(jì)參數(shù)。一種是固定效應(yīng)模型（FixedEffectsRegressionModel）o如果對(duì)于不同的截面或不同的時(shí)間序列，模型的截距不同，則可以采用在模型中添加虛擬變量的方法估計(jì)回歸參數(shù)。一種是隨機(jī)效應(yīng)模型（RandomEffectsRegressionModel）如果固定效應(yīng)模型中的截距項(xiàng)包括了截面隨機(jī)誤差項(xiàng)和時(shí)間隨機(jī)誤差項(xiàng)的平均效應(yīng)，并且這兩個(gè)隨機(jī)誤差項(xiàng)都服從正態(tài)分布，則固定效應(yīng)模型就變成了隨機(jī)效應(yīng)模型。在面板數(shù)據(jù)模型形式的

15、選擇方法上，我們經(jīng)常采用F檢驗(yàn)決定選用混合模型還是固定效應(yīng)模型，然后用Hausman檢驗(yàn)確定應(yīng)該建立隨機(jī)效應(yīng)模型還是固定效應(yīng)模型。檢驗(yàn)完畢后，我們也就知道該選用哪種模型了，然后我們就開(kāi)始回歸：在回歸的時(shí)候，權(quán)數(shù)可以選擇按截面加權(quán)（cross-sectionweights）的方式，對(duì)于橫截面?zhèn)€數(shù)大于時(shí)序個(gè)數(shù)的情況更應(yīng)如此，表示允許不同的截面存在異方差現(xiàn)象。估計(jì)方法采川PCSE（PanelCorrectedStandardErrors,面板校正標(biāo)準(zhǔn)誤）方法。Beck和Katz（1995）引入的PCSE估計(jì)方法是面板數(shù)據(jù)模型估計(jì)方法的一個(gè)創(chuàng)新，可以有效的處理復(fù)雜的面板誤差結(jié)構(gòu)，如同步相關(guān)，異方差，序

16、列相關(guān)等，在樣本量不夠大時(shí)尤為有用。實(shí)證檢驗(yàn)步驟：先做單位根檢驗(yàn)，看變量序列是否平穩(wěn)序列，若平穩(wěn)，可構(gòu)造回歸模型等經(jīng)典II量經(jīng)濟(jì)學(xué)模型；若非平穩(wěn)，進(jìn)行差分，當(dāng)進(jìn)行到第i次差分時(shí)序列平穩(wěn)，則服從i階單整（注意趨勢(shì)、截距不同情況選擇，根據(jù)P值和原假設(shè)判定）。若所有檢驗(yàn)序列均服從同階單整，可構(gòu)造AR模型，做協(xié)整檢驗(yàn)（注意滯后期的選擇），判斷模型內(nèi)部變量間是否存在協(xié)整關(guān)系，即是否存在長(zhǎng)期均衡關(guān)系。協(xié)整檢驗(yàn)的原假設(shè)就是，變量回歸后的殘差是平穩(wěn)序列。如若殘差是平穩(wěn)序列，說(shuō)明存在協(xié)整關(guān)系，如果殘差序列有單位根，則協(xié)整關(guān)系不存在。如果有協(xié)整關(guān)系，則可以構(gòu)造VEC模型或者進(jìn)行Granger因果檢驗(yàn)，檢驗(yàn)變量之間

17、”誰(shuí)引起誰(shuí)變化”，即因果關(guān)系。（1）建立混合數(shù)據(jù)庫(kù)（Pool）對(duì)象。首先建立工作文件。在打開(kāi)工作文件窗口的基礎(chǔ)上，點(diǎn)擊EViwes主功能菜單上的Objects鍵，選NewObject功能，從而打開(kāi)NewObject（新對(duì)象）選擇窗。在TypeofObject選擇區(qū)選擇Pool（合并數(shù)據(jù)庫(kù)），并在NameofObject選擇區(qū)為混合數(shù)據(jù)庫(kù)起名PoolOl（初始顯示為Untitled）。（2）定義序列名并輸入數(shù)據(jù)。在新建的混合數(shù)據(jù)庫(kù)（Pool）窗口的工具欄中點(diǎn)擊Sheet鍵（第2種路徑是，點(diǎn)擊View鍵，選Spreadsheet（stackeddata）功能），從而打開(kāi)SeriesList（列寫(xiě)序

18、列名）窗口,定義時(shí)間序列變量Y?和X.點(diǎn)擊OK鍵，從而打開(kāi)混合數(shù)據(jù)庫(kù)（Pool）窗口，（點(diǎn)擊Edit+-鍵，使EViwes處于可編輯狀態(tài)）輸入數(shù)據(jù)。補(bǔ)充：點(diǎn)擊Order+-鍵，還可以變換為以時(shí)間為序的陣列式排列。工作文件也可以以合并數(shù)據(jù)（Pooldata）和非合并數(shù)據(jù)的形式用復(fù)制和粘貼的方法建立。（3）估計(jì)模型點(diǎn)擊Estimation鍵，隨后彈出PooledEstimation（混合估計(jì)）對(duì)話窗。用EViwes可以估計(jì)固定效應(yīng)模型（包括個(gè)體固定效應(yīng)模型、時(shí)刻固定效應(yīng)模型和時(shí)刻個(gè)體固定效應(yīng)模型3種）、隨機(jī)效應(yīng)模型、帶有AR（1）參數(shù)的模型、截面不同回歸系數(shù)也不同的面板數(shù)據(jù)模型。用EViwes可以

19、選擇普通最小二乘法、加權(quán)最小二乘法（以截面模型的方差為權(quán)）、似不相關(guān)回歸法估計(jì)模型參數(shù)。補(bǔ)充：在這一塊內(nèi)容里面，eviews6.0和eviews5.l的界面還是存在明顯差異的，前者的界面是左右排列，后者的界面是上下排列，而且里面的選項(xiàng)形式也不太一樣。5.1軟件里面通過(guò)選擇截距項(xiàng)來(lái)確定模型的類型，而6.0的里面是通過(guò)選擇estimationmethod來(lái)選擇模型的類型固定效應(yīng)模型在面板數(shù)據(jù)散點(diǎn)圖中，如果對(duì)于不同的截面或不同的時(shí)間序列，模型的截距是不同的，則可以采用在模型中加虛擬變量的方法估計(jì)回歸參數(shù)，稱此種模型為固定效應(yīng)模型(fixedeffectsregi'essionmodel)固定

20、效應(yīng)模型分為3種類型，即個(gè)體固定效應(yīng)模型(entityfixedeffectsregi'essionmodel)、時(shí)亥lj固定效應(yīng)模型(timefixedeffectsregressionmodel)和時(shí)刻個(gè)體固定效應(yīng)模型(timeandentityfixedeffectsregi'essionmodel)個(gè)體固定效應(yīng)模型。個(gè)體固定效應(yīng)模型就是對(duì)于不同的個(gè)體有不同截距的模型。如果對(duì)于不同的時(shí)間序列(個(gè)體)截距是不同的，但是對(duì)于不同的橫截面，模型的截距沒(méi)有顯著性變化，那么就應(yīng)該建立個(gè)體固定效應(yīng)模型。時(shí)刻固定效應(yīng)模型。時(shí)刻固定效應(yīng)模型就是對(duì)于不同的截面(時(shí)刻點(diǎn))有不同截距的模型。如

21、果確知對(duì)于不同的截面，模型的截距顯著不同，但是對(duì)于不同的時(shí)間序列(個(gè)體)截距是相同的，那么應(yīng)該建立時(shí)刻固定效應(yīng)模型。隨機(jī)效應(yīng)模型在固定效應(yīng)模型中采用虛擬變量的原因是解釋被解釋變量的信息不夠完整。也可以通過(guò)對(duì)誤差項(xiàng)的分解來(lái)描述這種信息的缺失。yit=a+blxit+eit其中誤差項(xiàng)在時(shí)間上和截面上都是相關(guān)的，用3個(gè)分量表示如下：eit=ui+vt+wit其中uiN(0,su2)表示截面隨機(jī)誤差分量；vtN(0,sv2)表示時(shí)間隨機(jī)誤差分量；witN(0,sw2)表示混和隨機(jī)誤差分量。同時(shí)還假定ui,vt,wit之間互不相關(guān)，各自分別不存在截面自相關(guān)、時(shí)間自相關(guān)和混和自相關(guān)。上述模型稱為隨機(jī)效應(yīng)模

22、型。隨機(jī)效應(yīng)模型和固定效應(yīng)模型比較，相當(dāng)于把固定效應(yīng)模型中的截距項(xiàng)看成兩個(gè)隨機(jī)變量。一個(gè)是截面隨機(jī)誤差項(xiàng)(畝)，一個(gè)是時(shí)間隨機(jī)誤差項(xiàng)(vt)。如果這兩個(gè)隨機(jī)誤差項(xiàng)都服從正態(tài)分布，對(duì)模型估計(jì)時(shí)就能夠節(jié)省自由度，因?yàn)榇藯l件下只需要估計(jì)兩個(gè)隨機(jī)誤差項(xiàng)的均值和方差。假定固定效應(yīng)模型中的截距項(xiàng)包括了截面隨機(jī)誤差項(xiàng)和時(shí)間隨機(jī)誤差項(xiàng)的平均效應(yīng)，而且對(duì)均值的離差分別是畝和vt,固定效應(yīng)模型就變成了隨機(jī)效應(yīng)模型。補(bǔ)充：如果僅以樣本自身效應(yīng)為條件進(jìn)行研究，宜選擇固定效應(yīng)模型；如果欲以樣本對(duì)總體效應(yīng)進(jìn)行推論，則應(yīng)采用隨機(jī)效應(yīng)模型。2 .應(yīng)用VAR模型時(shí)的15個(gè)注意點(diǎn)(筆記)向量自回歸(XtXR,VectorAuto

23、regi'ession)常用于預(yù)測(cè)相互聯(lián)系的時(shí)間序列系統(tǒng)以及分析隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)影響。VAR方法通過(guò)把系統(tǒng)中每一個(gè)內(nèi)生變量,作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來(lái)構(gòu)造模型，從而回避了結(jié)構(gòu)化模型的要求。Engle和Granger（1987a）指出兩個(gè)或多個(gè)非平穩(wěn)時(shí)間序列的線性組合可能是平穩(wěn)的。假如這樣一種平穩(wěn)的或的線性組合存在，這些非平穩(wěn)（有單位根）時(shí)間序列之間被認(rèn)為是具有協(xié)整關(guān)系的。這種平穩(wěn)的線性組合被稱為協(xié)整方程且可被解釋為變量之間的長(zhǎng)期均衡關(guān)系。VAR模型對(duì)于相互聯(lián)系的時(shí)間序列變量系統(tǒng)是有效的預(yù)測(cè)模型，同時(shí),，向量自回歸模型也被頻繁地用于分析不同類型的隨機(jī)誤差項(xiàng)對(duì)系統(tǒng)變量的

24、動(dòng)態(tài)影響。如果變量之間不僅存在滯后影響，而不存在同期影響關(guān)系，則適合建立AR模型，因?yàn)閂AR模型實(shí)際上是把當(dāng)期關(guān)系隱含到了隨機(jī)擾動(dòng)項(xiàng)之中。注意點(diǎn)：1、單7立根檢驗(yàn)是序列的平穩(wěn)性檢驗(yàn)，如果不檢驗(yàn)序列的平穩(wěn)性直接OLS容易導(dǎo)致偽回歸。2、當(dāng)檢驗(yàn)的數(shù)據(jù)是平穩(wěn)的（即不存在單位根），要想進(jìn)一步考察變量的因果聯(lián)系，可以采用格蘭杰因果檢驗(yàn)，但要做格蘭杰檢驗(yàn)的前提是數(shù)據(jù)必須是平穩(wěn)的，否則不能做。3、當(dāng)檢驗(yàn)的數(shù)據(jù)是非平穩(wěn)（即存在單位根），并且各個(gè)序列是同階單整（協(xié)整檢驗(yàn)的前提），想進(jìn)一步確定變量之間是否存在協(xié)整關(guān)系，可以進(jìn)行協(xié)整檢驗(yàn)，協(xié)整檢驗(yàn)主要有EG兩步法和JJ檢驗(yàn)。A、EG兩步法是基于回歸殘差的檢驗(yàn)，可以通

25、過(guò)建立OLS模型檢驗(yàn)其殘差平穩(wěn)性。B、JJ檢驗(yàn)是基于回歸系數(shù)的檢驗(yàn)，前提是建立AR模型（即模型符合ADL模式）。5、格蘭杰檢驗(yàn)只能用于平穩(wěn)序列！這是格蘭杰檢驗(yàn)的前提，而其因果關(guān)系并非我們通常理解的因與果的關(guān)系，而是說(shuō)x的前期變化能有效地解釋y的變化，所以稱其為“格蘭杰原因”。6、非平穩(wěn)序列很可能出現(xiàn)偽回歸，協(xié)整的意義就是檢驗(yàn)它們的回歸方程所描述的因果關(guān)系是否是偽回歸，即檢驗(yàn)變量之間是否存在穩(wěn)定的關(guān)系。所以，非平穩(wěn)序列的因果關(guān)系檢驗(yàn)就是協(xié)整檢驗(yàn)。7、平穩(wěn)性檢驗(yàn)有3個(gè)作用：1）檢驗(yàn)平穩(wěn)性，若平穩(wěn)，做格蘭杰檢驗(yàn)，非平穩(wěn),作協(xié)正檢驗(yàn)。2）協(xié)整檢驗(yàn)中要用到每個(gè)序列的單整階數(shù)。3）判斷時(shí)間學(xué)列的數(shù)據(jù)生成過(guò)

26、程。ADF檢驗(yàn)：1view-unitroottest,出現(xiàn)對(duì)話框，默認(rèn)的選項(xiàng)為變量的原階序列檢驗(yàn)平穩(wěn)性，確認(rèn)后，若ADF檢驗(yàn)的P值小于05拒絕原假設(shè)，說(shuō)明序列是平穩(wěn)的，若P值大于0.5,接受原假設(shè)，說(shuō)明序列是非平穩(wěn)的；2重復(fù)剛才的步驟，viewunitroottest,出現(xiàn)對(duì)話框，選擇1stdififeience,即對(duì)變量的一階差分序列做平穩(wěn)性檢驗(yàn)，和第一步中的檢驗(yàn)標(biāo)準(zhǔn)相同，若P值小于05說(shuō)明是一階平穩(wěn)，若P值大于0.5,則繼續(xù)進(jìn)行二階差分序列的平穩(wěn)性檢驗(yàn)。先做單位根檢驗(yàn)，看變量序列是否平穩(wěn)序列，若平穩(wěn)，可構(gòu)造回歸模型等經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)模型；若非平穩(wěn)，進(jìn)行差分，當(dāng)進(jìn)行到第i次差分時(shí)序列平穩(wěn)，則服

27、從i階單整(注意趨勢(shì)、截距不同情況選擇，根據(jù)P值和原假設(shè)判定)。若所有檢驗(yàn)序列均服從同階單整，可構(gòu)造AR模型，做協(xié)整檢驗(yàn)(注意滯后期的選擇)，判斷模型內(nèi)部變量間是否存在協(xié)整關(guān)系，即是否存在長(zhǎng)期均衡關(guān)系。如果有，則可以構(gòu)造VEC模型或者進(jìn)行Grander因果檢驗(yàn)，檢驗(yàn)變量之間“誰(shuí)引起誰(shuí)變化”,即因果關(guān)系。笫一，格蘭杰因果檢驗(yàn)是檢驗(yàn)統(tǒng)計(jì)上的時(shí)間先后順序，并不表示而這真正存在因果關(guān)系，是否呈因果關(guān)系需要根據(jù)理論、經(jīng)驗(yàn)和模型來(lái)判定。第二，格蘭杰因果檢驗(yàn)的變量應(yīng)是平穩(wěn)的，如果單位根檢驗(yàn)發(fā)現(xiàn)兩個(gè)變量是不穩(wěn)定的，那么，不能直接進(jìn)行格蘭杰因果檢驗(yàn)，所以，很多人對(duì)不平穩(wěn)的變量進(jìn)行格蘭杰因果檢驗(yàn)，這是錯(cuò)誤的。笫三

28、，協(xié)整結(jié)果僅表示變量間存在長(zhǎng)期均衡關(guān)系，那么，到底是先做格蘭杰還是先做協(xié)整呢？因?yàn)樽兞坎黄椒€(wěn)才需要協(xié)整，所以，首先因?qū)ψ兞窟M(jìn)行差分，平穩(wěn)后，可以用差分項(xiàng)進(jìn)行格蘭杰因果檢驗(yàn)，來(lái)判定變量變化的先后時(shí)序，之后，進(jìn)行協(xié)整，看變量是否存在長(zhǎng)期均衡。笫四，長(zhǎng)期均衡并不意味著分析的結(jié)束，還應(yīng)考慮短期波動(dòng)，要做誤差修正檢驗(yàn)。8,單位根檢驗(yàn)是檢驗(yàn)數(shù)據(jù)的平穩(wěn)性，或是說(shuō)單整階數(shù)。9.協(xié)整是說(shuō)兩個(gè)或多個(gè)變量之間具有長(zhǎng)期的穩(wěn)定關(guān)系。但變量間協(xié)整的必要條件是它們之間是同階單整，也就是說(shuō)在進(jìn)行協(xié)整檢驗(yàn)之前必須進(jìn)行單位根檢驗(yàn)。C.SChu是HaLWhite的弟子，南加州和臺(tái)大的教授，研究方向是時(shí)間序列。從他那里學(xué)來(lái)不少計(jì)量上

29、的理念。整理出來(lái)供大家參考。以下的第一人稱均指Chuo1、計(jì)量建模時(shí)一般考慮線性模型，why?我的答案很簡(jiǎn)單：whynot?反正模型的形式是未知的。既然未知，為何不選最簡(jiǎn)單的線性模型？2、很多教科書(shū)一討論參數(shù)估計(jì)，就搬出幾大標(biāo)準(zhǔn)：無(wú)偏性、有效性和一致性。這幾個(gè)性質(zhì)的地位是不一樣的。一致性是最重要的，而有效性在它面前微不足道。至于有偏無(wú)偏，即使有偏，也可能是一致的；所以無(wú)偏性也不重要。在某些特定的條件下，無(wú)偏性只是為了保證一致性成立的必要條件而已。3、當(dāng)在計(jì)量經(jīng)濟(jì)學(xué)中遇到困難時(shí)，往往要回到經(jīng)濟(jì)學(xué)中尋找答案。4、不能根據(jù)R平方判斷模型的優(yōu)劣。R平方隨著解釋變量個(gè)數(shù)的增加而增加，因?yàn)镮nformat

30、ionisnevernegative。如果高的R平方只是源于更多的解釋變量，那么顯然高的R平方不代表更好的模型。而且，高的R平方還意味著模型樣本外預(yù)測(cè)的能力較低。5、在時(shí)間序列分析中，R平方超過(guò)0.9不是什么大不了的事情，不必為此沾沾自喜；而在橫截面分析中，超過(guò)0.3的R平方就被看作超級(jí)了不起的事情。6、橫截面數(shù)據(jù)一般包含特定的結(jié)構(gòu)，因此處理起來(lái)要小心。7、ARMA模型是計(jì)量經(jīng)濟(jì)學(xué)家的良心。如果你建的模型的預(yù)測(cè)能力不如ARMA,那么模型就是失敗的。你要敢于拿ARMA去挑戰(zhàn)自己。8、時(shí)間序列的回歸中，一定要保證內(nèi)部邏輯的一致性。拿1(0)對(duì)I。)做回歸或拿1(1)對(duì)1(0)做回歸都是不能接受的。當(dāng)你看到有人直接拿GDP對(duì)利率作回歸，那他的模型必錯(cuò)無(wú)疑O9、當(dāng)你看到模型的t值很大時(shí)，先不要高興，因?yàn)檫@很可能是謬誤回歸的產(chǎn)物。如果此時(shí)Durbin-Waston值很小(小于0.5),那么謬誤回歸的可能性就進(jìn)一步