面板數(shù)據(jù)模型計(jì)量經(jīng)濟(jì)學(xué)ppt課件

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)回歸模型概述面板數(shù)據(jù)回歸模型概述第三節(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(yàn)與模型形式設(shè)定檢驗(yàn)效應(yīng)檢驗(yàn)與模型形式設(shè)定檢驗(yàn)第七節(jié)第七節(jié) 面板數(shù)據(jù)的單位根檢驗(yàn)和協(xié)整檢驗(yàn)面板數(shù)據(jù)的單位根檢驗(yàn)和協(xié)整檢驗(yàn)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)于橫截面和時(shí)間兩個(gè)維度的數(shù)據(jù)，記為某一變量關(guān)于橫截面和時(shí)間兩個(gè)維度的數(shù)據(jù)，記為xit ，其中，其中

2、 ，表示，表示N個(gè)不同的對(duì)象（如個(gè)不同的對(duì)象（如國家、省、縣、行業(yè)、企業(yè)、個(gè)人）國家、省、縣、行業(yè)、企業(yè)、個(gè)人）, ，表示，表示T個(gè)觀測(cè)期。個(gè)觀測(cè)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(duì)象分成不同的群；對(duì)于各個(gè)觀測(cè)期，將各期調(diào)查對(duì)象分成不同的群；對(duì)于各個(gè)觀測(cè)期，選擇各群內(nèi)觀測(cè)數(shù)據(jù)的均值選擇各群內(nèi)觀測(cè)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)) )

3、，即可構(gòu)造以群為即可構(gòu)造以群為個(gè)體個(gè)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(gè)體而構(gòu)造的人工面板數(shù)據(jù)為偽面把這種以群為個(gè)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(gè)個(gè)體可能不愿被一次又一次的被回訪，為同一個(gè)個(gè)體可能不愿被一次又一次的被回訪，為了保持調(diào)查中個(gè)體數(shù)目相同，在第二期調(diào)查中退了保持調(diào)查中個(gè)體數(shù)目相同，在第二期調(diào)查中退出的部分個(gè)體，被相同數(shù)目的新的個(gè)體所替代，出的部分個(gè)體，被相同數(shù)目的新的個(gè)體所替代，這種允許研究者檢驗(yàn)這種允許研究者檢驗(yàn) “ “抽樣時(shí)間抽樣時(shí)間”偏

4、倚效應(yīng)偏倚效應(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(duì)于輪換面板，每批變）的存在性叫輪換面板。對(duì)于輪換面板，每批加到面板的新個(gè)體組提供了檢驗(yàn)抽樣時(shí)間偏倚效加到面板的新個(gè)體組提供了檢驗(yàn)抽樣時(shí)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(shí)，當(dāng)考慮國家、地區(qū)、州、縣等相關(guān)截面數(shù)據(jù)時(shí)，這些總量個(gè)體可能表現(xiàn)出必須處理的截面相關(guān)這些總量個(gè)體可能表現(xiàn)出必須處理的截面相關(guān)性。現(xiàn)在有大量運(yùn)用空間數(shù)據(jù)的文獻(xiàn)處理這種性?，F(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

5、市相關(guān)性。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(cè)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(cè)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(jì)數(shù)面板計(jì)數(shù)面板模型模型:被解釋變量是計(jì)數(shù)面板數(shù)據(jù)的例子很多。例如，被解釋變量是計(jì)數(shù)面板數(shù)據(jù)的例子很多。例如，一段時(shí)間內(nèi)一家公司的竟標(biāo)次數(shù)、一個(gè)人去看一段時(shí)間內(nèi)一家公司的竟標(biāo)次數(shù)、一個(gè)人去看醫(yī)生的次數(shù)、每天吸煙者的數(shù)量及一個(gè)研發(fā)機(jī)醫(yī)生的次數(shù)、每天吸煙者的數(shù)量及一個(gè)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

6、傳統(tǒng)面板回歸模型對(duì)計(jì)數(shù)面板數(shù)據(jù)建模，但鑒于被解釋變歸模型對(duì)計(jì)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)回歸模型概述面板數(shù)據(jù)回歸模型概述 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(gè)表示個(gè)N個(gè)體；個(gè)體； t =1, 2, ,T 表表示示T個(gè)時(shí)期；個(gè)時(shí)期；yit為被解釋變量為被解釋變量, 表示第表示第i個(gè)個(gè)體在個(gè)個(gè)體在 t 時(shí)時(shí)期的觀測(cè)值；期的觀測(cè)值；xkit 是解釋變量是解釋變量, 表示第表示第k個(gè)解

7、釋變量個(gè)解釋變量對(duì)于個(gè)體對(duì)于個(gè)體 i 在時(shí)期在時(shí)期 t 的觀測(cè)值；的觀測(cè)值； 是待估參數(shù)；是待估參數(shù)；uit是隨機(jī)干擾項(xiàng)。是隨機(jī)干擾項(xiàng)。 1Kitikikititkyxuki111TKitikikititkyxuiNt，2， ，2， ，11111 111212111111112111 11221212112121111 1121211111,1TKKKKTTTKK TTityxxxuyxxxuyxxxu，2， ，111211TyyYy11111111Te 111211111111221212121112111KKTTK TTxxxxxxxxXxxxx112111K111211TuuUu1111

8、1TYeXU11111111Te 111211TyyYy1 12 1111 22 22212iiKiiiiKiiiiTiTKiTiTxxxxxxxxXxxxx111211111111221212121112111KKTTK TTxxxxxxxxXxxxx112111K111211TuuUu11111TYeXU1ii TiiiYeXUiN，2， ，12iiiiTyyYyiii Tie12iiiiTuuUu12iiiKi二、二、 面板數(shù)據(jù)回歸模型的分類面板數(shù)據(jù)回歸模型的分類根據(jù)對(duì)截距項(xiàng)和解釋變量系數(shù)的不同假設(shè)，面板數(shù)根據(jù)對(duì)截距項(xiàng)和解釋變量系數(shù)的不同假設(shè)，面板數(shù)據(jù)回歸模型常用：據(jù)回歸模型常用：混合回

9、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。1ii TiiiYeXUiN，2， ，11,2,1,2,KitikikititkiNyxutT111222TTNTNNYeXUYeXUYeXU NN2121,混合回歸模型的模型形式為混合回歸模型的模型形式為(1)iTiiYeXUiN，2， ，1ii TiiiYeXUiN，2， ，第三節(jié)第三節(jié) 混合回歸模型混合回歸模型從截面上看，不同個(gè)體之間不存在顯著性差異從截面上看，不同個(gè)體之間不存在顯著性差異。11122211(1)(1) 1TTNNTNYUeXYUeXYUZBYUeXNTNTNTKK YZBU

10、一、混合回歸一、混合回歸模型假設(shè)模型假設(shè)假設(shè)假設(shè)1：隨機(jī)干擾項(xiàng)向量隨機(jī)干擾項(xiàng)向量U的期望為零向量。的期望為零向量。假設(shè)假設(shè)2：不同個(gè)體隨機(jī)干擾項(xiàng)之間相互獨(dú)立。不同個(gè)體隨機(jī)干擾項(xiàng)之間相互獨(dú)立。假設(shè)假設(shè)3：隨機(jī)誤差項(xiàng)方差為常數(shù)。隨機(jī)誤差項(xiàng)方差為常數(shù)。假設(shè)假設(shè)4：隨機(jī)誤差項(xiàng)與解釋變量相互獨(dú)立。隨機(jī)誤差項(xiàng)與解釋變量相互獨(dú)立。假設(shè)假設(shè)5：解釋變量之間解釋變量之間不存在多重共線性。不存在多重共線性。假設(shè)假設(shè)6：隨機(jī)誤差項(xiàng)向量服從正態(tài)分布，即隨機(jī)誤差項(xiàng)向量服從正態(tài)分布，即2(0)TUNI，二、混合回歸二、混合回歸模型模型參數(shù)估計(jì)參數(shù)估計(jì)混合回歸模型與一般的回歸模型無本質(zhì)區(qū)別，只要混合回歸模型與一般的回歸模型

11、無本質(zhì)區(qū)別，只要模型滿足模型滿足假設(shè)假設(shè)1 6，可用，可用OLS法估計(jì)參數(shù)，且估計(jì)法估計(jì)參數(shù)，且估計(jì)量是線性、無偏、有效和一致的。量是線性、無偏、有效和一致的。1=()BZ ZZ Y若將若將假設(shè)假設(shè)3的同方差弱化為存在異方差，即的同方差弱化為存在異方差，即21222000000000TTNTIII 則混合回歸模型的無偏有效估計(jì)量為則混合回歸模型的無偏有效估計(jì)量為111=()XXXY未知參數(shù)未知參數(shù) 有一致估計(jì)為有一致估計(jì)為2i22111TiitteNK是第是第i個(gè)個(gè)體的回歸模型的個(gè)個(gè)體的回歸模型的OLS回歸殘差回歸殘差ite三、三、混合回歸模型估計(jì)的混合回歸模型估計(jì)的 Eviews操作操作第四

12、節(jié)第四節(jié) 變截距回歸模型變截距回歸模型變截距模型是面板數(shù)據(jù)模型中最常見的一種形式。變截距模型是面板數(shù)據(jù)模型中最常見的一種形式。該模型允許個(gè)體成員存在個(gè)體影響，并用截距項(xiàng)的該模型允許個(gè)體成員存在個(gè)體影響，并用截距項(xiàng)的差別來說明。截距項(xiàng)反應(yīng)的是個(gè)體影響。如果個(gè)體差別來說明。截距項(xiàng)反應(yīng)的是個(gè)體影響。如果個(gè)體影響是非隨機(jī)的常量，該模型被稱為影響是非隨機(jī)的常量，該模型被稱為個(gè)體固定效應(yīng)個(gè)體固定效應(yīng)變截距模型變截距模型；如果個(gè)體影響是隨機(jī)的，該模型被稱；如果個(gè)體影響是隨機(jī)的，該模型被稱為為隨機(jī)效應(yīng)變截距模型隨機(jī)效應(yīng)變截距模型。 假定在截面?zhèn)€體成員上截距項(xiàng)不同，而模假定在截面?zhèn)€體成員上截距項(xiàng)不同，而模型的解

13、釋變量系數(shù)是相同的。型的解釋變量系數(shù)是相同的。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1ii TiiiYeXUiN，2， ，1ii TiiYeXUiN，2， ，12=K需要估計(jì)的參數(shù)個(gè)數(shù)：需要估計(jì)的參數(shù)個(gè)數(shù)：N+K個(gè)個(gè)一、一、固定效應(yīng)變截距回歸模型固定效應(yīng)變截距回歸模型固定效應(yīng)固定效應(yīng)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(1)ii TiiYeXUiN，2， ，11122200000011TTNNNTYXUeYXUeYXUDYXUeNTNTKNTNTNYDXU12NDXU ZDXB 令=+ZB U=+Y ZB U最小二乘虛擬變量模型最小二乘虛擬變量模型固定效應(yīng)變截距回

14、歸模型估計(jì)（個(gè)體）固定效應(yīng)變截距回歸模型估計(jì)（個(gè)體）=+Y ZB U 如果隨機(jī)干擾項(xiàng)、解釋變量滿足基本假定，如果隨機(jī)干擾項(xiàng)、解釋變量滿足基本假定，則利用普通最小二乘法可以得到模型參數(shù)的無則利用普通最小二乘法可以得到模型參數(shù)的無偏、有效一致估計(jì)量。偏、有效一致估計(jì)量。（1）最小二乘虛擬變量（）最小二乘虛擬變量（LSDV）估計(jì)）估計(jì) 如果隨機(jī)干擾項(xiàng)不滿足同方差或相互獨(dú)立如果隨機(jī)干擾項(xiàng)不滿足同方差或相互獨(dú)立的基本假定，則需要利用廣義最小二乘法（的基本假定，則需要利用廣義最小二乘法（GLS）對(duì)模型進(jìn)行估計(jì)。對(duì)模型進(jìn)行估計(jì)。（2）固定效應(yīng)）固定效應(yīng)變截距變截距模型的廣義最小二乘估計(jì)模型的廣義最小二乘估計(jì)

15、 主要考慮主要考慮4種基本的方差結(jié)構(gòu)：個(gè)體成員截種基本的方差結(jié)構(gòu)：個(gè)體成員截面異方差、時(shí)期異方差、同期相關(guān)協(xié)方差和時(shí)期面異方差、時(shí)期異方差、同期相關(guān)協(xié)方差和時(shí)期間相關(guān)協(xié)方差。間相關(guān)協(xié)方差。 如果隨機(jī)干擾項(xiàng)滿足同方差且同期不相關(guān)，如果隨機(jī)干擾項(xiàng)滿足同方差且同期不相關(guān)，但隨機(jī)干擾項(xiàng)與解釋變量相關(guān)，這時(shí)，無論是但隨機(jī)干擾項(xiàng)與解釋變量相關(guān)，這時(shí)，無論是OLS估計(jì)量還是估計(jì)量還是GLS估計(jì)量都是有偏非一致估計(jì)量，此估計(jì)量都是有偏非一致估計(jì)量，此時(shí)需要采用二階段最小二乘法（時(shí)需要采用二階段最小二乘法（2SLS）對(duì)模型進(jìn)）對(duì)模型進(jìn)行估計(jì)。行估計(jì)。 （3）固定效應(yīng)）固定效應(yīng)變截距變截距模型的二階段最小二乘估計(jì)

16、模型的二階段最小二乘估計(jì) 二、隨機(jī)效應(yīng)變截距回歸模型（個(gè)體）二、隨機(jī)效應(yīng)變截距回歸模型（個(gè)體）1(1,2,1,2, )KitikkititkyxuiNtTiiviv為截距中的常數(shù)項(xiàng)部分為截距中的隨機(jī)變量部分1Kitikkititkyvxu1Kitikkititkyvxu模型模型進(jìn)一步進(jìn)一步假設(shè)假設(shè)2222(1)(2)()( )0(3)()0( ,1,2,)(4) ()0(,)(5)()0()(6)(),()itiikititiitjitjsijuvvxE uE vE u vi jNE u uij tsE vvijE uE v與不相關(guān)1Kitikkititkyvxu,itiitwvu令則有222

17、2(1)(2)()0(3) ()(4) ()()ititkitituvitisvwxE wE wE w wts與不相關(guān)222222()()(2)itiitiitiituvE wE vuE vuvu22()()()()iitisiitiisiisiititisvE w wE vuvuE vvuvuu u模型存在的問題：同一個(gè)模型存在的問題：同一個(gè)體成員、不同時(shí)期的隨機(jī)體成員、不同時(shí)期的隨機(jī)干擾項(xiàng)之間存在一定的相干擾項(xiàng)之間存在一定的相關(guān)性。關(guān)性。普通普通OLS估計(jì)雖然仍是無偏和一致估計(jì)，但其不再估計(jì)雖然仍是無偏和一致估計(jì)，但其不再有效估計(jì)，因此，一般用廣義最小二乘法（有效估計(jì)，因此，一般用廣義最小

18、二乘法（GLS）對(duì)隨機(jī)效應(yīng)模型進(jìn)行估計(jì)。對(duì)隨機(jī)效應(yīng)模型進(jìn)行估計(jì)。方差成分模型方差成分模型方差成分方差成分GLS法法隨機(jī)效應(yīng)變截距模型的估計(jì)隨機(jī)效應(yīng)變截距模型的估計(jì)EViews按下列步驟估計(jì)隨機(jī)效應(yīng)變截距模型（個(gè)體）按下列步驟估計(jì)隨機(jī)效應(yīng)變截距模型（個(gè)體） 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(gè)前面所介紹的變截距模型中，橫截面成員的個(gè)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(gè)體差異的變量的影響。來反映模型中忽略的反映個(gè)體差異的變量的影響。然而現(xiàn)實(shí)中變化的經(jīng)濟(jì)結(jié)構(gòu)或不同的社會(huì)經(jīng)濟(jì)背景

19、然而現(xiàn)實(shí)中變化的經(jīng)濟(jì)結(jié)構(gòu)或不同的社會(huì)經(jīng)濟(jì)背景等因素有時(shí)會(huì)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(shí)會(huì)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(shí)數(shù)據(jù)不支持變截個(gè)體的變化而變化。因此，當(dāng)現(xiàn)實(shí)數(shù)據(jù)不支持變截距模型時(shí)，便需要考慮這種系數(shù)隨橫截面?zhèn)€體的變距模型時(shí)，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。 這種情形意味著模型在截面上既存在個(gè)體影這種情形意味著模型在截面上既存在個(gè)體影響，又存在結(jié)構(gòu)變化。我們又稱該模型為無響，又存在結(jié)構(gòu)變化。我們又稱該模型為無約束回歸模型。約束回歸模型。類似于變截距模型，根據(jù)系數(shù)變化的不同形式，變系數(shù)模型又可分為固定效

20、應(yīng)變系數(shù)模型和隨機(jī)效應(yīng)變系數(shù)模型。變系數(shù)模型假定在截面?zhèn)€體成員上截距項(xiàng)和模變系數(shù)模型假定在截面?zhèn)€體成員上截距項(xiàng)和模型的解釋變量系數(shù)都不同。型的解釋變量系數(shù)都不同。 1ii TiiiYeXUiN，2， ，需要估計(jì)的參數(shù)個(gè)數(shù)：需要估計(jì)的參數(shù)個(gè)數(shù)：N(K+1)個(gè)個(gè)EViews按下列步驟估計(jì)變系數(shù)模型：按下列步驟估計(jì)變系數(shù)模型：第六節(jié)效應(yīng)檢驗(yàn)與模型形式設(shè)定檢驗(yàn)第六節(jié)效應(yīng)檢驗(yàn)與模型形式設(shè)定檢驗(yàn) 建立面板數(shù)據(jù)模型前的首要任務(wù)是確定被建立面板數(shù)據(jù)模型前的首要任務(wù)是確定被解釋變量與截距項(xiàng)和系數(shù)的關(guān)系，截距項(xiàng)是否解釋變量與截距項(xiàng)和系數(shù)的關(guān)系，截距項(xiàng)是否相同、系數(shù)是否一致，是固定效應(yīng)還是隨機(jī)效相同、系數(shù)是否一致，

21、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)應(yīng)模型，從而避免模型設(shè)定的偏差，改進(jìn)參數(shù)估計(jì)的有效性。估計(jì)的有效性。一、一、Hausman檢驗(yàn)檢驗(yàn) 在實(shí)際應(yīng)用中，究竟是采用固定效應(yīng)模型還是在實(shí)際應(yīng)用中，究竟是采用固定效應(yīng)模型還是采用隨機(jī)效應(yīng)模型，我們可以進(jìn)行模型設(shè)定檢驗(yàn)。采用隨機(jī)效應(yīng)模型，我們可以進(jìn)行模型設(shè)定檢驗(yàn)。 豪斯曼豪斯曼Hausman（1978）提出了一種嚴(yán)格的統(tǒng)）提出了一種嚴(yán)格的統(tǒng)計(jì)檢驗(yàn)方法計(jì)檢驗(yàn)方法Hausman檢驗(yàn)。檢驗(yàn)。 固定效應(yīng)模型固定效應(yīng)模型 LSDV估計(jì)量無偏；估計(jì)量無偏；GLS估計(jì)量有偏估計(jì)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(jì)量都無偏，但估

22、計(jì)量都無偏，但LSDV估計(jì)量有較大方差估計(jì)量有較大方差固定效應(yīng)模型固定效應(yīng)模型 LSDV估計(jì)量和估計(jì)量和GLS估計(jì)量的估計(jì)結(jié)估計(jì)量的估計(jì)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(jì)量和估計(jì)量和GLS估計(jì)量的估計(jì)結(jié)估計(jì)量的估計(jì)結(jié)果就比較接近果就比較接近Hausman檢驗(yàn)的原理檢驗(yàn)的原理Hausman檢驗(yàn)的原假設(shè)與被擇假設(shè)檢驗(yàn)的原假設(shè)與被擇假設(shè)H0 : 個(gè)體隨機(jī)效應(yīng)回歸模型個(gè)體隨機(jī)效應(yīng)回歸模型H1 : 個(gè)體固定效應(yīng)回歸模型個(gè)體固定效應(yīng)回歸模型設(shè)設(shè)b， 分別為回歸系數(shù)的分別為回歸系數(shù)的LSDV估計(jì)向量，估計(jì)向量，GLS估估計(jì)向量。計(jì)向量。如果真實(shí)模型是個(gè)體隨機(jī)效應(yīng)回歸模型，那

23、么如果真實(shí)模型是個(gè)體隨機(jī)效應(yīng)回歸模型，那么b和和 二者差異應(yīng)該比較小。如果真實(shí)模型是個(gè)體固定效二者差異應(yīng)該比較小。如果真實(shí)模型是個(gè)體固定效應(yīng)回歸模型，那么應(yīng)回歸模型，那么b和和 二者差異應(yīng)該比較大。二者差異應(yīng)該比較大。 Hausman證明在原假設(shè)下，統(tǒng)計(jì)量證明在原假設(shè)下，統(tǒng)計(jì)量W服從自由度服從自由度為為K（模型中解釋變量的個(gè)數(shù)）的（模型中解釋變量的個(gè)數(shù)）的 分布，即分布，即構(gòu)造構(gòu)造Hausman檢驗(yàn)的檢驗(yàn)的W統(tǒng)計(jì)量統(tǒng)計(jì)量1 bbW bVar2 12()WbbK為為 之差的方差，即之差的方差，即為了實(shí)現(xiàn)為了實(shí)現(xiàn)Hausman檢驗(yàn)，必須首先估計(jì)一個(gè)隨檢驗(yàn)，必須首先估計(jì)一個(gè)隨機(jī)效應(yīng)模型。然后，選擇機(jī)

24、效應(yīng)模型。然后，選擇View/Fixed/Random Effects Testing/Correlated Random Effects - Hausman Test，EViews將自動(dòng)估計(jì)相應(yīng)的固定將自動(dòng)估計(jì)相應(yīng)的固定效應(yīng)模型，計(jì)算檢驗(yàn)統(tǒng)計(jì)量，顯示檢驗(yàn)結(jié)果和效應(yīng)模型，計(jì)算檢驗(yàn)統(tǒng)計(jì)量，顯示檢驗(yàn)結(jié)果和輔助回歸結(jié)果。輔助回歸結(jié)果。二、二、 如果模型設(shè)定不正確，參數(shù)估計(jì)將造成較大的如果模型設(shè)定不正確，參數(shù)估計(jì)將造成較大的偏差。所以，在建立面板數(shù)據(jù)模型的第一步便偏差。所以，在建立面板數(shù)據(jù)模型的第一步便是檢驗(yàn)樣本數(shù)據(jù)究竟屬于混合回歸模型、變截是檢驗(yàn)樣本數(shù)據(jù)究竟屬于混合回歸模型、變截距回歸模型還是變系數(shù)

25、回歸模型形式，從而避距回歸模型還是變系數(shù)回歸模型形式，從而避免模型設(shè)定的偏誤。免模型設(shè)定的偏誤。經(jīng)常使用的檢驗(yàn)是協(xié)方差分析檢驗(yàn)經(jīng)常使用的檢驗(yàn)是協(xié)方差分析檢驗(yàn)(F檢驗(yàn)檢驗(yàn))，主，主要分兩步進(jìn)行檢驗(yàn)：要分兩步進(jìn)行檢驗(yàn)：第一步檢驗(yàn)：是否混合模型第一步檢驗(yàn)：是否混合模型H02 ：混合回歸模型混合回歸模型（受約束（受約束 ） H01：變截距回歸模型變截距回歸模型 （受約束（受約束 ）第二步檢驗(yàn)：是否變截距回歸模型第二步檢驗(yàn)：是否變截距回歸模型如果接受假設(shè)如果接受假設(shè) H02 ，則可以認(rèn)為模型為則可以認(rèn)為模型為混合混合回歸模型回歸模型，無需進(jìn)行下一步的檢驗(yàn)。如果拒，無需進(jìn)行下一步的檢驗(yàn)。如果拒絕假設(shè)絕假設(shè)

26、H02 ，則需檢驗(yàn)假設(shè)則需檢驗(yàn)假設(shè)H01 。第一步檢驗(yàn)：是否混合模型第一步檢驗(yàn)：是否混合模型H02 ：混合回歸模型混合回歸模型（受約束（受約束 ） 如果接受假設(shè)如果接受假設(shè) H01 ，則可以認(rèn)為模型為則可以認(rèn)為模型為變截距變截距回歸模型回歸模型。如果拒絕假設(shè)。如果拒絕假設(shè)H01 ，則認(rèn)為模型為則認(rèn)為模型為變系數(shù)回歸模型。變系數(shù)回歸模型。H01 ：變截距回歸模型變截距回歸模型 （受約束（受約束 ）第二步檢驗(yàn)：是否變截距回歸模型第二步檢驗(yàn)：是否變截距回歸模型 下面介紹假設(shè)檢驗(yàn)的下面介紹假設(shè)檢驗(yàn)的 F F 統(tǒng)計(jì)量的計(jì)算方法。首統(tǒng)計(jì)量的計(jì)算方法。首先計(jì)算先計(jì)算回歸回歸的殘差平方和，記為的殘差平方和，記

27、為S0 0 ；回歸回歸的殘差平方和記為的殘差平方和記為S1 1 ；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S2 2。 2020()/(1)(1)(1)(1),(1)(1)SSNkFF NkN TkSNTN k 構(gòu)造并計(jì)算統(tǒng)計(jì)量構(gòu)造并計(jì)算統(tǒng)計(jì)量1010()/(1) (1) ,(1)(1)SSNkFF Nk N TkSNTN k 例例9-3第七節(jié)第七節(jié) 面板數(shù)據(jù)的單位根檢驗(yàn)和協(xié)整檢驗(yàn)面板數(shù)據(jù)的單位根檢驗(yàn)和協(xié)整檢驗(yàn)一、面板數(shù)據(jù)的單位根檢驗(yàn)一、面板數(shù)據(jù)的單位根檢驗(yàn) （一）（一）面板數(shù)據(jù)的單位根檢驗(yàn)分類面板數(shù)據(jù)的單位根檢驗(yàn)分類 （二）（二）面板數(shù)據(jù)的單位根檢驗(yàn)應(yīng)用舉例面板數(shù)據(jù)的單位根檢驗(yàn)應(yīng)用舉例二、面板數(shù)據(jù)的協(xié)整檢驗(yàn)二、面板數(shù)據(jù)的協(xié)整檢驗(yàn) （一）（一）檢驗(yàn)方法分類檢驗(yàn)方法分類 （二）（二）面板數(shù)據(jù)協(xié)整檢驗(yàn)的應(yīng)用舉例面板數(shù)據(jù)協(xié)整檢驗(yàn)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(yàn)劃分一般情況下可以將面板數(shù)據(jù)的單位根檢驗(yàn)劃分為兩大類：為兩大類： 一類為一類為相同根相同