面板數(shù)據(jù)分析方法

1、BaltagiBaltagi著著 白仲林主譯白仲林主譯第一節(jié)第一節(jié) 面板數(shù)據(jù)的基本問題面板數(shù)據(jù)的基本問題第二節(jié)第二節(jié) 面板數(shù)據(jù)的模型形式面板數(shù)據(jù)的模型形式第三節(jié)第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法面板數(shù)據(jù)模型的估計(jì)方法第一節(jié)第一節(jié) 面板數(shù)據(jù)的基本問題面板數(shù)據(jù)的基本問題 一、面板數(shù)據(jù)的定義一、面板數(shù)據(jù)的定義二、面板數(shù)據(jù)的分類二、面板數(shù)據(jù)的分類三、面板數(shù)據(jù)的特點(diǎn)三、面板數(shù)據(jù)的特點(diǎn)一、面板數(shù)據(jù)的定義一、面板數(shù)據(jù)的定義 面板數(shù)據(jù)面板數(shù)據(jù)（panel data）是指由變量）是指由變量y關(guān)于關(guān)于N個(gè)不個(gè)不同對(duì)象的同對(duì)象的T個(gè)觀測(cè)期所得到的二維結(jié)構(gòu)數(shù)據(jù)，記為個(gè)觀測(cè)期所得到的二維結(jié)構(gòu)數(shù)據(jù)，記為yit，其中，其中，i

2、表示表示N個(gè)不同對(duì)象（如國(guó)家、地區(qū)、行業(yè)、企個(gè)不同對(duì)象（如國(guó)家、地區(qū)、行業(yè)、企業(yè)或消費(fèi)者等，一般稱之為第業(yè)或消費(fèi)者等，一般稱之為第i個(gè)個(gè)體），個(gè)個(gè)體），t表示表示T個(gè)觀個(gè)觀測(cè)期。測(cè)期。面板數(shù)據(jù)是二維結(jié)構(gòu)數(shù)據(jù)面板數(shù)據(jù)是二維結(jié)構(gòu)數(shù)據(jù) 時(shí)間序列數(shù)據(jù)或截面數(shù)據(jù)都是一維數(shù)據(jù)。時(shí)間序列時(shí)間序列數(shù)據(jù)或截面數(shù)據(jù)都是一維數(shù)據(jù)。時(shí)間序列數(shù)據(jù)是變量按時(shí)間得到的數(shù)據(jù)；截面數(shù)據(jù)是變量在固定數(shù)據(jù)是變量按時(shí)間得到的數(shù)據(jù)；截面數(shù)據(jù)是變量在固定時(shí)點(diǎn)的一組數(shù)據(jù)。時(shí)點(diǎn)的一組數(shù)據(jù)。面板數(shù)據(jù)是同時(shí)在時(shí)間和截面上取得面板數(shù)據(jù)是同時(shí)在時(shí)間和截面上取得的二維數(shù)據(jù)。的二維數(shù)據(jù)。所以所以 ，面板數(shù)據(jù)，面板數(shù)據(jù)(panel data)也稱作時(shí)間也

3、稱作時(shí)間序列與截面混合數(shù)據(jù)序列與截面混合數(shù)據(jù)(pooled time series and cross section data)。面板數(shù)據(jù)是截面上個(gè)體在不同時(shí)點(diǎn)的重。面板數(shù)據(jù)是截面上個(gè)體在不同時(shí)點(diǎn)的重復(fù)觀測(cè)數(shù)據(jù)。復(fù)觀測(cè)數(shù)據(jù)。面板數(shù)據(jù)是二維結(jié)構(gòu)數(shù)據(jù)面板數(shù)據(jù)是二維結(jié)構(gòu)數(shù)據(jù) Panel原指對(duì)一組固定調(diào)查對(duì)象的多次觀測(cè)，近年原指對(duì)一組固定調(diào)查對(duì)象的多次觀測(cè)，近年來(lái)來(lái)panel data已經(jīng)成為專業(yè)術(shù)語(yǔ)。已經(jīng)成為專業(yè)術(shù)語(yǔ)。 面板數(shù)據(jù)從橫截面看面板數(shù)據(jù)從橫截面看(cross section)，是由若干個(gè)體，是由若干個(gè)體(entity,unit,individual)在某一時(shí)點(diǎn)構(gòu)成的截面觀測(cè)值，在某一時(shí)點(diǎn)

4、構(gòu)成的截面觀測(cè)值，從縱剖面從縱剖面(longitudinal section)看每個(gè)個(gè)體都是一個(gè)時(shí)間看每個(gè)個(gè)體都是一個(gè)時(shí)間序列。序列。數(shù)據(jù)結(jié)構(gòu)的二維性數(shù)據(jù)結(jié)構(gòu)的二維性NTTTNNXXXTXXXXXXNit2122212121112121時(shí)間序列數(shù)據(jù)橫截面數(shù)據(jù)變量變量X的面板數(shù)據(jù)結(jié)構(gòu)的面板數(shù)據(jù)結(jié)構(gòu)面板數(shù)據(jù)是二維結(jié)構(gòu)數(shù)據(jù)面板數(shù)據(jù)是二維結(jié)構(gòu)數(shù)據(jù)第一節(jié)第一節(jié) 面板數(shù)據(jù)的基本問題面板數(shù)據(jù)的基本問題 一、面板數(shù)據(jù)的定義一、面板數(shù)據(jù)的定義二、面板數(shù)據(jù)的分類二、面板數(shù)據(jù)的分類三、面板數(shù)據(jù)的特點(diǎn)三、面板數(shù)據(jù)的特點(diǎn)二、面板數(shù)據(jù)的分類二、面板數(shù)據(jù)的分類 1.1.短面板與長(zhǎng)面板短面板與長(zhǎng)面板 短面板短面板(short

5、 panel)：時(shí)間：時(shí)間T較小，而個(gè)體數(shù)較小，而個(gè)體數(shù)N較大。較大。 長(zhǎng)面板長(zhǎng)面板(long panel)：時(shí)間：時(shí)間T較大，而個(gè)體數(shù)較大，而個(gè)體數(shù)N較小。較小。二、面板數(shù)據(jù)的分類二、面板數(shù)據(jù)的分類 2.2.微觀面板數(shù)據(jù)與宏觀面板數(shù)據(jù)微觀面板數(shù)據(jù)與宏觀面板數(shù)據(jù) 微觀面板數(shù)據(jù)微觀面板數(shù)據(jù)一般指一段時(shí)期內(nèi)不同個(gè)體或者家庭一般指一段時(shí)期內(nèi)不同個(gè)體或者家庭的調(diào)查數(shù)據(jù)，其數(shù)據(jù)中往往個(gè)體單位較多，即的調(diào)查數(shù)據(jù)，其數(shù)據(jù)中往往個(gè)體單位較多，即N較大（較大（通常均為幾百或上千）而時(shí)期數(shù)通常均為幾百或上千）而時(shí)期數(shù)T較短（最短為兩個(gè)時(shí)較短（最短為兩個(gè)時(shí)期，最長(zhǎng)一般不超過期，最長(zhǎng)一般不超過20個(gè)時(shí)期）。個(gè)時(shí)期）。

6、二、面板數(shù)據(jù)的分類二、面板數(shù)據(jù)的分類 2.2.微觀面板數(shù)據(jù)與宏觀面板數(shù)據(jù)微觀面板數(shù)據(jù)與宏觀面板數(shù)據(jù) 宏觀面板數(shù)據(jù)宏觀面板數(shù)據(jù)通常為一段時(shí)間內(nèi)不同國(guó)家或地區(qū)的通常為一段時(shí)間內(nèi)不同國(guó)家或地區(qū)的數(shù)據(jù)集合，其個(gè)體單位數(shù)量數(shù)據(jù)集合，其個(gè)體單位數(shù)量N不大（一般為不大（一般為7-200）而時(shí)）而時(shí)期數(shù)期數(shù)T較長(zhǎng)（一般為較長(zhǎng)（一般為20-60年）。年）。二、面板數(shù)據(jù)的分類二、面板數(shù)據(jù)的分類 3.3.動(dòng)態(tài)面板與靜態(tài)面板動(dòng)態(tài)面板與靜態(tài)面板 在面板模型中，如果解釋變量包含被解釋變量的滯在面板模型中，如果解釋變量包含被解釋變量的滯后值，則稱為后值，則稱為“動(dòng)態(tài)面板動(dòng)態(tài)面板”(dynamic panel)；反之，；反之

7、，則稱為則稱為“靜態(tài)面板靜態(tài)面板”(static panel)。二、面板數(shù)據(jù)的分類二、面板數(shù)據(jù)的分類 4.4.平衡面板數(shù)據(jù)與非平衡面板數(shù)據(jù)平衡面板數(shù)據(jù)與非平衡面板數(shù)據(jù) 如果在面板數(shù)據(jù)中，每個(gè)時(shí)期在樣本中的個(gè)體完全如果在面板數(shù)據(jù)中，每個(gè)時(shí)期在樣本中的個(gè)體完全一樣，則稱為一樣，則稱為“平衡面板數(shù)據(jù)平衡面板數(shù)據(jù)”(balanced panel)；然而；然而，有時(shí)某些個(gè)體的數(shù)據(jù)可能缺失，或者新的個(gè)體后來(lái)才，有時(shí)某些個(gè)體的數(shù)據(jù)可能缺失，或者新的個(gè)體后來(lái)才加入到調(diào)查中來(lái)，在這種情況下，每個(gè)時(shí)期觀測(cè)到的個(gè)加入到調(diào)查中來(lái)，在這種情況下，每個(gè)時(shí)期觀測(cè)到的個(gè)體不完全相同，則稱為體不完全相同，則稱為“非平衡面板數(shù)據(jù)

8、非平衡面板數(shù)據(jù)”(unbalanced panel)。第一節(jié)第一節(jié) 面板數(shù)據(jù)的基本問題面板數(shù)據(jù)的基本問題 一、面板數(shù)據(jù)的定義一、面板數(shù)據(jù)的定義二、面板數(shù)據(jù)的分類二、面板數(shù)據(jù)的分類三、面板數(shù)據(jù)的特點(diǎn)三、面板數(shù)據(jù)的特點(diǎn)三、面板數(shù)據(jù)的特點(diǎn)三、面板數(shù)據(jù)的特點(diǎn) 1.由于觀測(cè)值的增多，可以增加估計(jì)量的抽樣精度。由于觀測(cè)值的增多，可以增加估計(jì)量的抽樣精度。 由于同時(shí)有截面維度與時(shí)間維度，通常面板數(shù)據(jù)的由于同時(shí)有截面維度與時(shí)間維度，通常面板數(shù)據(jù)的樣本容量更大，從而可以提高估計(jì)的精確度。樣本容量更大，從而可以提高估計(jì)的精確度。 面板數(shù)據(jù)提供面板數(shù)據(jù)提供“更加有信息價(jià)值的數(shù)據(jù)，變量增加更加有信息價(jià)值的數(shù)據(jù)，變量增

9、加變異性，變量之間的共線性削弱了，并且提高了自由度變異性，變量之間的共線性削弱了，并且提高了自由度和有效性。和有效性。三、面板數(shù)據(jù)的特點(diǎn)三、面板數(shù)據(jù)的特點(diǎn) 2.提供更多個(gè)體動(dòng)態(tài)行為的信息。提供更多個(gè)體動(dòng)態(tài)行為的信息。 由于面板數(shù)據(jù)同時(shí)有橫截面與時(shí)間兩個(gè)維度，有時(shí)由于面板數(shù)據(jù)同時(shí)有橫截面與時(shí)間兩個(gè)維度，有時(shí)可以解決單獨(dú)的截面數(shù)據(jù)或時(shí)間序列數(shù)據(jù)所不能解決的可以解決單獨(dú)的截面數(shù)據(jù)或時(shí)間序列數(shù)據(jù)所不能解決的問題，對(duì)面板數(shù)據(jù)進(jìn)行回歸既可以像回歸分析截面數(shù)據(jù)問題，對(duì)面板數(shù)據(jù)進(jìn)行回歸既可以像回歸分析截面數(shù)據(jù)一樣捕獲個(gè)體間的差異變化，又可以研究個(gè)體隨時(shí)間的一樣捕獲個(gè)體間的差異變化，又可以研究個(gè)體隨時(shí)間的變化情

10、況。變化情況。三、面板數(shù)據(jù)的特點(diǎn)三、面板數(shù)據(jù)的特點(diǎn) 2.提供更多個(gè)體動(dòng)態(tài)行為的信息。提供更多個(gè)體動(dòng)態(tài)行為的信息。 案例：考慮如何區(qū)分規(guī)模效應(yīng)與技術(shù)進(jìn)步對(duì)企業(yè)生產(chǎn)效案例：考慮如何區(qū)分規(guī)模效應(yīng)與技術(shù)進(jìn)步對(duì)企業(yè)生產(chǎn)效率的影響。對(duì)于截面數(shù)據(jù)來(lái)說(shuō)，由于沒有時(shí)間維度，故率的影響。對(duì)于截面數(shù)據(jù)來(lái)說(shuō)，由于沒有時(shí)間維度，故無(wú)法觀測(cè)到技術(shù)進(jìn)步。然而，對(duì)于單個(gè)企業(yè)的時(shí)間序列無(wú)法觀測(cè)到技術(shù)進(jìn)步。然而，對(duì)于單個(gè)企業(yè)的時(shí)間序列數(shù)據(jù)來(lái)說(shuō)，我們無(wú)法區(qū)分其生產(chǎn)效率的提高究竟有多少數(shù)據(jù)來(lái)說(shuō)，我們無(wú)法區(qū)分其生產(chǎn)效率的提高究竟有多少是由于規(guī)模擴(kuò)大，有多少是由于技術(shù)進(jìn)步。是由于規(guī)模擴(kuò)大，有多少是由于技術(shù)進(jìn)步。 三、面板數(shù)據(jù)的特點(diǎn)三、面

11、板數(shù)據(jù)的特點(diǎn) 3.可以解決遺漏變量問題?？梢越鉀Q遺漏變量問題。 遺漏變量偏差是一個(gè)普遍存在的問題。雖然可以用遺漏變量偏差是一個(gè)普遍存在的問題。雖然可以用工具變量法解決，但有效的工具變量常常很難找。遺漏工具變量法解決，但有效的工具變量常常很難找。遺漏變量常常是由于不可觀測(cè)的個(gè)體差異或變量常常是由于不可觀測(cè)的個(gè)體差異或“異質(zhì)性異質(zhì)性”造成造成的，如果這種個(gè)體差異的，如果這種個(gè)體差異“不隨時(shí)間而改變不隨時(shí)間而改變”，則面板數(shù)，則面板數(shù)據(jù)提供了解決遺漏變量問題的又一利器。據(jù)提供了解決遺漏變量問題的又一利器。三、面板數(shù)據(jù)的特點(diǎn)三、面板數(shù)據(jù)的特點(diǎn) 4.帶來(lái)一些問題。帶來(lái)一些問題。 （1）由于綜合了兩種數(shù)據(jù)

12、類型，面板數(shù)據(jù)分析方法相對(duì)）由于綜合了兩種數(shù)據(jù)類型，面板數(shù)據(jù)分析方法相對(duì)更加復(fù)雜。更加復(fù)雜。 （2）由于同一個(gè)體不同時(shí)期的數(shù)據(jù)一般存在自相關(guān)，樣）由于同一個(gè)體不同時(shí)期的數(shù)據(jù)一般存在自相關(guān)，樣本數(shù)據(jù)通常不滿足獨(dú)立同分布的假定。本數(shù)據(jù)通常不滿足獨(dú)立同分布的假定。 （3）面板數(shù)據(jù)的收集成本通常較高，不易獲得。）面板數(shù)據(jù)的收集成本通常較高，不易獲得。2,0003,0004,0005,0006,0007,0008,0009,00010,00011,0003,0005,0007,0009,00011,00013,000CP_1996CP_1997CP_1998CP_1999CP_2000CP_2001CP

13、_2002IP2,0003,0004,0005,0006,0007,0008,0009,00010,00011,0003,0005,0007,0009,00011,00013,000CP_IAHCP_IBJCP_IFJCP_IHBCP_IHLJCP_IJLCP_IJSCP_IJXCP_ILNCP_INMGCP_ISDCP_ISHCP_ISXCP_ITJCP_IZJIP2000300040005000600070008000900010000110002000400060008000100001200014000IPCROSSCP1996CP1997CP1998CP1999CP2000CP200

14、1CP2002IP用原變量建模還是用對(duì)數(shù)變量建模用原變量建模還是用對(duì)數(shù)變量建模? ?7.88.08.28.48.68.89.09.29.48.08.28.48.68.89.09.29.49.6LOG(IPCROSS)LOG(CP1996)LOG(CP1997)LOG(CP1998)LOG(CP1999)LOG(CP2000)LOG(CP2001)LOG(CP2002)2000300040005000600070008000900010000110002000400060008000100001200014000cp_bjcp_nmgIP_I200030004000500060007000800

15、0900010000110002000400060008000100001200014000CP_1996CP_2002IP_T 第一節(jié)第一節(jié) 面板數(shù)據(jù)的基本問題面板數(shù)據(jù)的基本問題第二節(jié)第二節(jié) 面板數(shù)據(jù)的模型形式面板數(shù)據(jù)的模型形式第三節(jié)第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法面板數(shù)據(jù)模型的估計(jì)方法其中：其中： 和和 分別表示居民的消費(fèi)與收入。分別表示居民的消費(fèi)與收入。 反映不隨時(shí)間變化的個(gè)體上的差異性反映不隨時(shí)間變化的個(gè)體上的差異性（個(gè)體效應(yīng)）（個(gè)體效應(yīng)） 反映不隨個(gè)體變化的時(shí)間上的差異性反映不隨個(gè)體變化的時(shí)間上的差異性（時(shí)間效應(yīng)）（時(shí)間效應(yīng)）例例1：居民消費(fèi)行為與收入的關(guān)系：居民消費(fèi)行為與收入的關(guān)系i

16、tititYC10ittiituitCitY(1,2,;1,2,)iN tTLLit例例2. 農(nóng)村居民收入分析農(nóng)村居民收入分析itititititRCIRLTCSCPIC3210)(ln)ln（ittiituNi, 2 , 1Tt, 2 , 1it面板數(shù)據(jù)：多個(gè)觀測(cè)對(duì)象的時(shí)間序列數(shù)據(jù)所組成的樣本數(shù)據(jù)。反映不隨個(gè)體變化的時(shí)間上的差異性， 被稱為時(shí)間效應(yīng)。反映不隨時(shí)間變化的個(gè)體上的差異性， 被稱為個(gè)體效應(yīng)第二節(jié)第二節(jié) 面板數(shù)據(jù)的模型形式面板數(shù)據(jù)的模型形式 一、個(gè)體效應(yīng)模型一、個(gè)體效應(yīng)模型二、固定效應(yīng)模型二、固定效應(yīng)模型三、隨機(jī)效應(yīng)模型三、隨機(jī)效應(yīng)模型四、雙向效應(yīng)模型四、雙向效應(yīng)模型其中：其中： 為

17、為 的矩陣，的矩陣， 為為k個(gè)解釋變量的第個(gè)解釋變量的第i個(gè)個(gè)體在個(gè)個(gè)體在 第第t時(shí)期的觀測(cè)值，為時(shí)期的觀測(cè)值，為 的矩陣。的矩陣。zi為不隨時(shí)間為不隨時(shí)間 而變的個(gè)體特征，即而變的個(gè)體特征，即 。擾動(dòng)項(xiàng)由。擾動(dòng)項(xiàng)由 兩部分構(gòu)成，被稱為兩部分構(gòu)成，被稱為“復(fù)合擾動(dòng)項(xiàng)復(fù)合擾動(dòng)項(xiàng)”。 個(gè)體效應(yīng)模型個(gè)體效應(yīng)模型(individual-specific effects model)假定假定樣本中每個(gè)個(gè)體的回歸方程斜率相同，但截距項(xiàng)不同。樣本中每個(gè)個(gè)體的回歸方程斜率相同，但截距項(xiàng)不同。ititiiityxzu1k 一、個(gè)體效應(yīng)模型一、個(gè)體效應(yīng)模型,itizzt()iitu(1,2,;1,2,)iN tT

18、LLitx1k復(fù)合擾動(dòng)項(xiàng)：復(fù)合擾動(dòng)項(xiàng)：不可觀測(cè)的隨機(jī)變量不可觀測(cè)的隨機(jī)變量 是代表個(gè)體異質(zhì)性的截距項(xiàng)。是代表個(gè)體異質(zhì)性的截距項(xiàng)。 為隨個(gè)體與時(shí)間而變的擾動(dòng)項(xiàng)。為隨個(gè)體與時(shí)間而變的擾動(dòng)項(xiàng)。假定假定 為獨(dú)立同分布的，且與為獨(dú)立同分布的，且與 不相關(guān)。不相關(guān)。 ititiiityxzuiu個(gè)體效應(yīng)模型個(gè)體效應(yīng)模型()iitu(1,2,;1,2,)iN tTLLititiu1.它表示不可觀測(cè)的個(gè)體特殊效應(yīng)、潛在變量、不可觀測(cè)它表示不可觀測(cè)的個(gè)體特殊效應(yīng)、潛在變量、不可觀測(cè) 的異質(zhì)性等?？紤]到個(gè)人或者任一家庭、企業(yè)都具有很的異質(zhì)性等?？紤]到個(gè)人或者任一家庭、企業(yè)都具有很 難被調(diào)查者觀察到的獨(dú)有的特征，這

19、種特殊效應(yīng)在整個(gè)難被調(diào)查者觀察到的獨(dú)有的特征，這種特殊效應(yīng)在整個(gè) 時(shí)間范圍內(nèi)時(shí)間范圍內(nèi) 是保持不變的。是保持不變的。2.某些場(chǎng)合下將其視為常數(shù)，但這也是隨機(jī)變量的特例，某些場(chǎng)合下將其視為常數(shù)，但這也是隨機(jī)變量的特例， 即退化的隨機(jī)變量。即退化的隨機(jī)變量。 ititiiityxzuiu對(duì)于個(gè)體效應(yīng)對(duì)于個(gè)體效應(yīng) ：Tt, 2 , 1取對(duì)數(shù)后，模型變?yōu)椋喝?duì)數(shù)后，模型變?yōu)椋涸谶@里，在這里， 代表著企業(yè)不隨時(shí)間變化并且不可觀測(cè)到的代表著企業(yè)不隨時(shí)間變化并且不可觀測(cè)到的特殊效應(yīng)，它表示一個(gè)企業(yè)的管理才能、員工素質(zhì)等。特殊效應(yīng)，它表示一個(gè)企業(yè)的管理才能、員工素質(zhì)等。例：一個(gè)企業(yè)的柯布例：一個(gè)企業(yè)的柯布-道

20、格拉斯生產(chǎn)函數(shù)道格拉斯生產(chǎn)函數(shù)iitititFLAKY21iitititFLKAYlnlnlnlnln21iFln1.如果如果 與所有解釋變量與所有解釋變量 均不相關(guān)，則進(jìn)一步稱之均不相關(guān)，則進(jìn)一步稱之 為為“隨機(jī)效應(yīng)模型隨機(jī)效應(yīng)模型”(Random Effects Model,RE)。2.如果如果 與某個(gè)解釋變量相關(guān)，則進(jìn)一步稱之為與某個(gè)解釋變量相關(guān)，則進(jìn)一步稱之為“固定效固定效 應(yīng)模型應(yīng)模型(Fixed Effects Model,FE)。ititiiityxzuiu個(gè)體效應(yīng)個(gè)體效應(yīng) 與解釋變量與解釋變量 的相關(guān)性：的相關(guān)性：itxiu),(iitzxiu第二節(jié)第二節(jié) 面板數(shù)據(jù)的模型形式面

21、板數(shù)據(jù)的模型形式 一、個(gè)體效應(yīng)模型一、個(gè)體效應(yīng)模型二、固定效應(yīng)模型二、固定效應(yīng)模型三、隨機(jī)效應(yīng)模型三、隨機(jī)效應(yīng)模型四、雙向效應(yīng)模型四、雙向效應(yīng)模型 固定效應(yīng)模型形式同樣與個(gè)體效應(yīng)模型相同，但是在固定效應(yīng)模型形式同樣與個(gè)體效應(yīng)模型相同，但是在固定效應(yīng)模型中假定固定效應(yīng)模型中假定 為需要估計(jì)的固定參數(shù)，它可以為需要估計(jì)的固定參數(shù)，它可以與解釋變量之間存在相關(guān)性。與解釋變量之間存在相關(guān)性。 固定效應(yīng)模型意味著存在內(nèi)生解釋變量。在固定效應(yīng)模型意味著存在內(nèi)生解釋變量。在 隨隨時(shí)間變化的情況下，固定效應(yīng)模型所得到的第時(shí)間變化的情況下，固定效應(yīng)模型所得到的第j個(gè)解釋個(gè)解釋變量的邊際效應(yīng)估計(jì)量同樣是一致的。然

22、而，同隨機(jī)效變量的邊際效應(yīng)估計(jì)量同樣是一致的。然而，同隨機(jī)效應(yīng)模型相比，固定效應(yīng)應(yīng)模型相比，固定效應(yīng) 模型中存在參數(shù)過多和自由度損模型中存在參數(shù)過多和自由度損失過多等問題。失過多等問題。二、固定效應(yīng)模型二、固定效應(yīng)模型iuitjx,第二節(jié)第二節(jié) 面板數(shù)據(jù)的模型形式面板數(shù)據(jù)的模型形式 一、個(gè)體效應(yīng)模型一、個(gè)體效應(yīng)模型二、固定效應(yīng)模型二、固定效應(yīng)模型三、隨機(jī)效應(yīng)模型三、隨機(jī)效應(yīng)模型四、雙向效應(yīng)模型四、雙向效應(yīng)模型 對(duì)于隨機(jī)效應(yīng)模型，一般采用可行的廣義最小二乘法對(duì)于隨機(jī)效應(yīng)模型，一般采用可行的廣義最小二乘法(FGLS)對(duì)其進(jìn)行估計(jì)，由于對(duì)其進(jìn)行估計(jì)，由于 被假定為隨機(jī)的，無(wú)須估被假定為隨機(jī)的，無(wú)須估

23、計(jì)，計(jì)， 因此使用隨機(jī)效應(yīng)模型可以一次得到所有系數(shù)的估因此使用隨機(jī)效應(yīng)模型可以一次得到所有系數(shù)的估計(jì)值從而進(jìn)行邊際分析。但是，如果隨機(jī)效應(yīng)模型選取計(jì)值從而進(jìn)行邊際分析。但是，如果隨機(jī)效應(yīng)模型選取不恰當(dāng)所得到的參數(shù)估計(jì)值將是不一致的。不恰當(dāng)所得到的參數(shù)估計(jì)值將是不一致的。 隨機(jī)效應(yīng)模型形式與個(gè)體效應(yīng)模型相同，在隨機(jī)效應(yīng)隨機(jī)效應(yīng)模型形式與個(gè)體效應(yīng)模型相同，在隨機(jī)效應(yīng)模型中假定模型中假定 是完全隨機(jī)的，即是完全隨機(jī)的，即 與解釋變量無(wú)關(guān)。與解釋變量無(wú)關(guān)。三、隨機(jī)效應(yīng)模型三、隨機(jī)效應(yīng)模型iuiuiu第二節(jié)第二節(jié) 面板數(shù)據(jù)的模型形式面板數(shù)據(jù)的模型形式 一、個(gè)體效應(yīng)模型一、個(gè)體效應(yīng)模型二、固定效應(yīng)模型二、

24、固定效應(yīng)模型三、隨機(jī)效應(yīng)模型三、隨機(jī)效應(yīng)模型四、雙向效應(yīng)模型四、雙向效應(yīng)模型 雙向效應(yīng)模型雙向效應(yīng)模型(two-way-effects model)也可稱為雙因也可稱為雙因素誤差模型，它將未觀測(cè)到的個(gè)體效應(yīng)和時(shí)間效應(yīng)引入素誤差模型，它將未觀測(cè)到的個(gè)體效應(yīng)和時(shí)間效應(yīng)引入模型，是個(gè)體效應(yīng)模型的標(biāo)準(zhǔn)延伸。模型，是個(gè)體效應(yīng)模型的標(biāo)準(zhǔn)延伸。這里這里t t僅隨時(shí)間變化而不隨個(gè)體變化，表示所有未包僅隨時(shí)間變化而不隨個(gè)體變化，表示所有未包含在回歸模型中的發(fā)生在特定時(shí)期的影響，如地震對(duì)某含在回歸模型中的發(fā)生在特定時(shí)期的影響，如地震對(duì)某一時(shí)期企業(yè)生產(chǎn)的影響。一時(shí)期企業(yè)生產(chǎn)的影響。四、雙向效應(yīng)模型四、雙向效應(yīng)模型i

25、titiitityxzu雙向固定效應(yīng)模型雙向固定效應(yīng)模型(Two-way FE)對(duì)于短面板數(shù)據(jù)，通常將時(shí)間效應(yīng)看做固定效應(yīng)，如果個(gè)對(duì)于短面板數(shù)據(jù)，通常將時(shí)間效應(yīng)看做固定效應(yīng)，如果個(gè)體效應(yīng)模型中含有時(shí)間趨勢(shì)項(xiàng)或包含時(shí)間虛擬變量，則稱體效應(yīng)模型中含有時(shí)間趨勢(shì)項(xiàng)或包含時(shí)間虛擬變量，則稱之為雙向固定效應(yīng)模型。之為雙向固定效應(yīng)模型。（1）在固定效應(yīng)模型中引入時(shí)間趨勢(shì)項(xiàng)）在固定效應(yīng)模型中引入時(shí)間趨勢(shì)項(xiàng)t，它僅依時(shí)間，它僅依時(shí)間而變化，而不依個(gè)體而變。而變化，而不依個(gè)體而變。（2）對(duì)每個(gè)時(shí)期定義一個(gè)虛擬變量，然后把）對(duì)每個(gè)時(shí)期定義一個(gè)虛擬變量，然后把(T-1)個(gè)時(shí)間個(gè)時(shí)間虛擬變量包括在回歸方程中（未包括的時(shí)

26、間虛擬變量虛擬變量包括在回歸方程中（未包括的時(shí)間虛擬變量即為基期）。即為基期）。第一節(jié)第一節(jié) 面板數(shù)據(jù)的基本問題面板數(shù)據(jù)的基本問題第二節(jié)第二節(jié) 面板數(shù)據(jù)的模型形式面板數(shù)據(jù)的模型形式第三節(jié)第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法面板數(shù)據(jù)模型的估計(jì)方法第三節(jié)第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法面板數(shù)據(jù)模型的估計(jì)方法 一、混合最小二乘估計(jì)一、混合最小二乘估計(jì)二、固定效應(yīng)模型的估計(jì)方法二、固定效應(yīng)模型的估計(jì)方法三、隨機(jī)效應(yīng)模型的估計(jì)方法三、隨機(jī)效應(yīng)模型的估計(jì)方法一、混合最小二乘估計(jì)一、混合最小二乘估計(jì)(Pooled OLS)假定所有個(gè)體都擁有完全一樣的回歸方程：假定所有個(gè)體都擁有完全一樣的回歸方程：其中，其中，xit

27、不包括常數(shù)項(xiàng)，這樣，就可以直接把所有數(shù)據(jù)不包括常數(shù)項(xiàng)，這樣，就可以直接把所有數(shù)據(jù)放在一起，像對(duì)待橫截面數(shù)據(jù)那樣進(jìn)行放在一起，像對(duì)待橫截面數(shù)據(jù)那樣進(jìn)行OLS回歸，故被回歸，故被稱為稱為“混合回歸混合回歸”(pooled OLS)。itiititzxy人均消費(fèi)對(duì)人均可支人均消費(fèi)對(duì)人均可支配收入的彈性系數(shù)是配收入的彈性系數(shù)是0.9694。人均消費(fèi)對(duì)人均可支人均消費(fèi)對(duì)人均可支配收入的邊際系數(shù)是配收入的邊際系數(shù)是0.9694 CPit /IPit對(duì)案例對(duì)案例1人均消費(fèi)人均消費(fèi)CP與收入與收入IP的面板數(shù)據(jù)進(jìn)行混合估計(jì)：的面板數(shù)據(jù)進(jìn)行混合估計(jì)：注意：注意：1.由于面板數(shù)據(jù)的特點(diǎn)，雖然通常可以假設(shè)不同個(gè)體之

28、由于面板數(shù)據(jù)的特點(diǎn)，雖然通?？梢约僭O(shè)不同個(gè)體之間的擾動(dòng)項(xiàng)相互獨(dú)立，但同一個(gè)體在不同時(shí)期的擾動(dòng)項(xiàng)間的擾動(dòng)項(xiàng)相互獨(dú)立，但同一個(gè)體在不同時(shí)期的擾動(dòng)項(xiàng)之間往往存在自相關(guān)。此時(shí)，對(duì)標(biāo)準(zhǔn)差的估計(jì)應(yīng)該使用之間往往存在自相關(guān)。此時(shí)，對(duì)標(biāo)準(zhǔn)差的估計(jì)應(yīng)該使用聚類穩(wěn)健的標(biāo)準(zhǔn)差聚類穩(wěn)健的標(biāo)準(zhǔn)差(cluster-robust standard error)，而所，而所謂聚類就是由每個(gè)個(gè)體不同時(shí)期的所有觀測(cè)值所組成。謂聚類就是由每個(gè)個(gè)體不同時(shí)期的所有觀測(cè)值所組成。同一聚類（個(gè)體）的觀測(cè)值允許存在相關(guān)性，而不同聚同一聚類（個(gè)體）的觀測(cè)值允許存在相關(guān)性，而不同聚類（個(gè)體）的觀測(cè)值則不相關(guān)。類（個(gè)體）的觀測(cè)值則不相關(guān)。注意：注

29、意：2.混合回歸的基本假設(shè)是不存在個(gè)體效應(yīng)。對(duì)于這個(gè)假混合回歸的基本假設(shè)是不存在個(gè)體效應(yīng)。對(duì)于這個(gè)假設(shè)必須進(jìn)行統(tǒng)計(jì)檢驗(yàn)。由于個(gè)體效應(yīng)以兩種不同的形態(tài)設(shè)必須進(jìn)行統(tǒng)計(jì)檢驗(yàn)。由于個(gè)體效應(yīng)以兩種不同的形態(tài)存在（即隨機(jī)效應(yīng)與固定效應(yīng)），因此需要分別對(duì)其進(jìn)存在（即隨機(jī)效應(yīng)與固定效應(yīng)），因此需要分別對(duì)其進(jìn)行檢驗(yàn)。行檢驗(yàn)。第三節(jié)第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法面板數(shù)據(jù)模型的估計(jì)方法 一、混合最小二乘估計(jì)一、混合最小二乘估計(jì)二、固定效應(yīng)模型的估計(jì)方法二、固定效應(yīng)模型的估計(jì)方法三、隨機(jī)效應(yīng)模型的估計(jì)方法三、隨機(jī)效應(yīng)模型的估計(jì)方法二、固定效應(yīng)模型的估計(jì)方法二、固定效應(yīng)模型的估計(jì)方法對(duì)于固定效應(yīng)模型：對(duì)于固定效應(yīng)模型：

30、由于由于 被假定為需要估計(jì)的固定參數(shù)并允許與解釋變被假定為需要估計(jì)的固定參數(shù)并允許與解釋變量相關(guān)，因此，估計(jì)固定效應(yīng)模型中的系數(shù)量相關(guān)，因此，估計(jì)固定效應(yīng)模型中的系數(shù) 時(shí)便可以時(shí)便可以考慮通過變換模型形式從而消除這一不可觀測(cè)到的個(gè)體考慮通過變換模型形式從而消除這一不可觀測(cè)到的個(gè)體效應(yīng)。效應(yīng)。ititiiityxzuiu二、固定效應(yīng)模型的估計(jì)方法二、固定效應(yīng)模型的估計(jì)方法（一）組內(nèi)估計(jì)（一）組內(nèi)估計(jì) 對(duì)于固定效應(yīng)模型，給定第對(duì)于固定效應(yīng)模型，給定第i個(gè)個(gè)體，將方程個(gè)個(gè)體，將方程 兩邊對(duì)時(shí)間取平均可得兩邊對(duì)時(shí)間取平均可得 用原模型減去平均后的方程，可得其離差形式：用原模型減去平均后的方程，可得其離

31、差形式：ititiiityxzuiiiiiuzxy)()(iitiitiitxxyy二、固定效應(yīng)模型的估計(jì)方法二、固定效應(yīng)模型的估計(jì)方法定義定義則則由于上式中已將由于上式中已將 消去，故只要消去，故只要 與與 不相關(guān)，則可不相關(guān)，則可以用以用OLS一致地估計(jì)一致地估計(jì) ，稱為，稱為“固定效應(yīng)估計(jì)量固定效應(yīng)估計(jì)量”(Fixed Effects Estimator)，記為，記為 。由于其主要使用了。由于其主要使用了每個(gè)個(gè)體的組內(nèi)離差信息，故也稱為每個(gè)個(gè)體的組內(nèi)離差信息，故也稱為“組內(nèi)估計(jì)量組內(nèi)估計(jì)量”(within estimator)。 )()(iitiitiitxxyyiitityyyiiti

32、t)(iititxxxitititxyiuitxitFE注意：注意： 即使個(gè)體特征即使個(gè)體特征 與解釋變量與解釋變量 相關(guān)，只要使用組相關(guān)，只要使用組內(nèi)估計(jì)量，就可以得到一致估計(jì)，但在作離差轉(zhuǎn)換的過內(nèi)估計(jì)量，就可以得到一致估計(jì)，但在作離差轉(zhuǎn)換的過程中，程中， 也被消掉了，故無(wú)法估計(jì)也被消掉了，故無(wú)法估計(jì) 。即。即 無(wú)法估計(jì)無(wú)法估計(jì)不隨時(shí)間而變的變量的影響。不隨時(shí)間而變的變量的影響。iuitxizFE注意：注意： 另外，為了保證另外，為了保證 與與 不相關(guān)，則要不相關(guān)，則要求第求第i個(gè)觀測(cè)值滿足嚴(yán)格外生性，即個(gè)觀測(cè)值滿足嚴(yán)格外生性，即 ，因?yàn)橐驗(yàn)?中包含了所有中包含了所有 的信息。換言之，擾的信

33、息。換言之，擾動(dòng)項(xiàng)必須與各期的解釋變量均不相關(guān)（而不僅僅是當(dāng)期動(dòng)項(xiàng)必須與各期的解釋變量均不相關(guān)（而不僅僅是當(dāng)期的解釋變量），這是一個(gè)比較強(qiáng)的假定。的解釋變量），這是一個(gè)比較強(qiáng)的假定。)(iit)(iitxx 0),(1iTiitxxEix),(1iTixx 二、固定效應(yīng)模型的估計(jì)方法二、固定效應(yīng)模型的估計(jì)方法（二）最小二乘虛擬變量模型（二）最小二乘虛擬變量模型(LSDV) 對(duì)于固定效應(yīng)模型：對(duì)于固定效應(yīng)模型： 在方程中引入在方程中引入(n-1)個(gè)虛擬變量（如果沒有截距項(xiàng)，則個(gè)虛擬變量（如果沒有截距項(xiàng)，則引入引入n個(gè)虛擬變量）來(lái)代表不同的個(gè)體，則可以得到與個(gè)虛擬變量）來(lái)代表不同的個(gè)體，則可以得到

34、與上述離差模型同樣的結(jié)果，稱為上述離差模型同樣的結(jié)果，稱為“最小二乘虛擬變量模最小二乘虛擬變量模型型”(Least Square Dummy Variable Model)。ititiiityxzu虛擬變量回歸的特點(diǎn)虛擬變量回歸的特點(diǎn) 使用使用LSDV方法所給出的估計(jì)值，與我們用組內(nèi)方法所給出的估計(jì)值，與我們用組內(nèi)估計(jì)方法得到的估計(jì)值恰好一樣，而且標(biāo)準(zhǔn)誤和其他估計(jì)方法得到的估計(jì)值恰好一樣，而且標(biāo)準(zhǔn)誤和其他主要統(tǒng)計(jì)量也是一樣。因此，固定效應(yīng)估計(jì)量可以從主要統(tǒng)計(jì)量也是一樣。因此，固定效應(yīng)估計(jì)量可以從虛擬變量回歸得到。虛擬變量回歸得到。 從從LSDV方法算出的可決系數(shù)的值通常都比較高，方法算出的可決

35、系數(shù)的值通常都比較高，這是因?yàn)槲覀儗?duì)每一橫截面單位都包含了一個(gè)虛擬變這是因?yàn)槲覀儗?duì)每一橫截面單位都包含了一個(gè)虛擬變量，以致能解釋數(shù)據(jù)中的變異的大部分。量，以致能解釋數(shù)據(jù)中的變異的大部分。iu從結(jié)果看，北京、上海、浙江是自發(fā)消費(fèi)（消費(fèi)函數(shù)截距）最大的3個(gè)地區(qū)。注意：注意： 使用使用LSDV方法雖然可以得到對(duì)個(gè)體異質(zhì)性方法雖然可以得到對(duì)個(gè)體異質(zhì)性 的的估計(jì)，但是會(huì)損失很大的自由度，并在估計(jì)估計(jì)，但是會(huì)損失很大的自由度，并在估計(jì)(n-1)個(gè)額外個(gè)額外的參數(shù)時(shí)，大量的虛擬變量會(huì)加劇回歸方程的多重共線的參數(shù)時(shí)，大量的虛擬變量會(huì)加劇回歸方程的多重共線性問題，也不能估計(jì)非時(shí)變性問題，也不能估計(jì)非時(shí)變(tim

36、e-constant)變量效應(yīng)。變量效應(yīng)。 此外，此外，LSDV方法也不能解決內(nèi)生性問題。方法也不能解決內(nèi)生性問題。iuLSDV的估計(jì)效果的估計(jì)效果 Islam(2000)運(yùn)用蒙特卡羅模擬研究了一些關(guān)于經(jīng)運(yùn)用蒙特卡羅模擬研究了一些關(guān)于經(jīng)濟(jì)增長(zhǎng)收斂方面的面板數(shù)據(jù)估計(jì)。研究發(fā)現(xiàn)，如果以濟(jì)增長(zhǎng)收斂方面的面板數(shù)據(jù)估計(jì)。研究發(fā)現(xiàn)，如果以小樣本偏差和預(yù)測(cè)誤差的標(biāo)準(zhǔn)方差來(lái)判斷的話，小樣本偏差和預(yù)測(cè)誤差的標(biāo)準(zhǔn)方差來(lái)判斷的話，LSDV估計(jì)在小樣本上的估計(jì)結(jié)果最好，其估計(jì)效果估計(jì)在小樣本上的估計(jì)結(jié)果最好，其估計(jì)效果甚至比甚至比GMM估計(jì)和工具變量估計(jì)和工具變量(IV)估計(jì)都更好。估計(jì)都更好。 Islam (200

37、0)對(duì)此提供的一種理論解釋是，對(duì)此提供的一種理論解釋是，GMM和和IV估計(jì)在小樣本上估計(jì)效果不好的原因是因?yàn)?，這估計(jì)在小樣本上估計(jì)效果不好的原因是因?yàn)?，這兩種方法的優(yōu)點(diǎn)都依賴于回歸估計(jì)中所能選擇到的最兩種方法的優(yōu)點(diǎn)都依賴于回歸估計(jì)中所能選擇到的最優(yōu)權(quán)重矩陣，而這一權(quán)重在回歸中可能會(huì)收到數(shù)據(jù)噪優(yōu)權(quán)重矩陣，而這一權(quán)重在回歸中可能會(huì)收到數(shù)據(jù)噪聲。聲。LSDV的估計(jì)效果的估計(jì)效果二、固定效應(yīng)模型的估計(jì)方法二、固定效應(yīng)模型的估計(jì)方法（三）一階差分法（三）一階差分法 對(duì)于固定效應(yīng)模型，給定第對(duì)于固定效應(yīng)模型，給定第i個(gè)個(gè)體，將方程個(gè)個(gè)體，將方程 兩邊進(jìn)行一階差分，以消去個(gè)體效應(yīng)，得兩邊進(jìn)行一階差分，以消去

38、個(gè)體效應(yīng)，得 對(duì)上述差分形式的方程使用對(duì)上述差分形式的方程使用OLS就可以得到就可以得到“一階差一階差分分估計(jì)量估計(jì)量”，記為，記為 。ititiiityxzu,1,1,1()()iti titi titi tyyxxFD組內(nèi)估計(jì)量與一階差分估計(jì)量組內(nèi)估計(jì)量與一階差分估計(jì)量由于由于 不再出現(xiàn)在差分方程中，只要擾動(dòng)項(xiàng)的一階差分不再出現(xiàn)在差分方程中，只要擾動(dòng)項(xiàng)的一階差分 與解釋變量的一階差分與解釋變量的一階差分 不相關(guān)，則不相關(guān)，則 是一致的。此一致性條件比保證是一致的。此一致性條件比保證 一致的嚴(yán)格外生一致的嚴(yán)格外生性假定更弱，這是性假定更弱，這是 的主要優(yōu)點(diǎn)。的主要優(yōu)點(diǎn)。,1,1,1()()i

39、ti titi titi tyyxxFDiu, 1()iti t,1()iti txxFEFD組內(nèi)估計(jì)量與一階差分估計(jì)量組內(nèi)估計(jì)量與一階差分估計(jì)量 組內(nèi)估計(jì)和一階差分都假設(shè)不可觀測(cè)的個(gè)體效應(yīng)與組內(nèi)估計(jì)和一階差分都假設(shè)不可觀測(cè)的個(gè)體效應(yīng)與解釋變量相關(guān)，兩種估計(jì)方法在解釋變量相關(guān)，兩種估計(jì)方法在T=2時(shí)產(chǎn)生相同的估計(jì)時(shí)產(chǎn)生相同的估計(jì)量和推斷。當(dāng)總體時(shí)期量和推斷。當(dāng)總體時(shí)期T2時(shí)，在時(shí)，在 序列不相關(guān)，獨(dú)立序列不相關(guān)，獨(dú)立同分布的情況下，組內(nèi)估計(jì)量同分布的情況下，組內(nèi)估計(jì)量 比一階差分估計(jì)量比一階差分估計(jì)量 更有效率。因此，在實(shí)踐上，主要使用更有效率。因此，在實(shí)踐上，主要使用 ，而較少用，而較少用

40、itFEFDFEFD第三節(jié)第三節(jié) 面板數(shù)據(jù)模型的估計(jì)方法面板數(shù)據(jù)模型的估計(jì)方法 一、混合最小二乘估計(jì)一、混合最小二乘估計(jì)二、固定效應(yīng)模型的估計(jì)方法二、固定效應(yīng)模型的估計(jì)方法三、隨機(jī)效應(yīng)模型的估計(jì)方法三、隨機(jī)效應(yīng)模型的估計(jì)方法三、隨機(jī)效應(yīng)模型的估計(jì)方法三、隨機(jī)效應(yīng)模型的估計(jì)方法對(duì)于回歸方程：對(duì)于回歸方程：隨機(jī)效應(yīng)模型假定隨機(jī)效應(yīng)模型假定 與解釋變量與解釋變量 均不相關(guān)，故均不相關(guān)，故OLS是一致的。然而，由于擾動(dòng)項(xiàng)由是一致的。然而，由于擾動(dòng)項(xiàng)由 組成，不是組成，不是球型擾動(dòng)項(xiàng)（同方差、無(wú)自相關(guān)），因此，球型擾動(dòng)項(xiàng)（同方差、無(wú)自相關(guān)），因此，OLS不是最不是最有效率的。有效率的。ititiiity

41、xzuiu),(iitzx()iitu由于由于 的存在，同一個(gè)體不同時(shí)期的擾動(dòng)項(xiàng)之間存在自的存在，同一個(gè)體不同時(shí)期的擾動(dòng)項(xiàng)之間存在自相關(guān)，相關(guān)，iu具體來(lái)說(shuō)，用具體來(lái)說(shuō)，用OLS來(lái)估計(jì)以下來(lái)估計(jì)以下“廣義離差廣義離差” (quasi-demeaned)模型，模型，組間估計(jì)組間估計(jì)(Between Estimator)究竟該用固定效應(yīng)還是隨機(jī)效應(yīng)模型？究竟該用固定效應(yīng)還是隨機(jī)效應(yīng)模型？ 當(dāng)我們?cè)谌粘Ｑ芯恐羞x取模型形式時(shí)，不能確定當(dāng)我們?cè)谌粘Ｑ芯恐羞x取模型形式時(shí)，不能確定未觀測(cè)到的個(gè)體效應(yīng)是否與解釋變量相關(guān)，因而不能未觀測(cè)到的個(gè)體效應(yīng)是否與解釋變量相關(guān)，因而不能恰當(dāng)?shù)卦诠潭ㄐ?yīng)模型和隨機(jī)效應(yīng)模型之

42、間進(jìn)行選取。恰當(dāng)?shù)卦诠潭ㄐ?yīng)模型和隨機(jī)效應(yīng)模型之間進(jìn)行選取。錯(cuò)誤選取模型類型，將影響我們的參數(shù)估計(jì)量等從而錯(cuò)誤選取模型類型，將影響我們的參數(shù)估計(jì)量等從而影響對(duì)具體問題的分析。在處理面板數(shù)據(jù)時(shí)，究竟該影響對(duì)具體問題的分析。在處理面板數(shù)據(jù)時(shí)，究竟該使用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型是一個(gè)根本問題。使用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型是一個(gè)根本問題。Hausman檢驗(yàn)檢驗(yàn)原假設(shè)原假設(shè)H0： 與與 不相關(guān)（模型應(yīng)設(shè)定為隨機(jī)效應(yīng)）不相關(guān)（模型應(yīng)設(shè)定為隨機(jī)效應(yīng)） 備擇假設(shè)備擇假設(shè)H1： 與與 相關(guān)（模型設(shè)定為固定效應(yīng)）相關(guān)（模型設(shè)定為固定效應(yīng)） Hausman檢驗(yàn)統(tǒng)計(jì)量：檢驗(yàn)統(tǒng)計(jì)量： iu),(iitzxiu)

43、,(iitzx固定效應(yīng)模型與隨機(jī)效應(yīng)模型哪個(gè)更好一些？固定效應(yīng)模型與隨機(jī)效應(yīng)模型哪個(gè)更好一些？ 隨機(jī)效應(yīng)模型的好處是節(jié)省自由度。對(duì)于從時(shí)間隨機(jī)效應(yīng)模型的好處是節(jié)省自由度。對(duì)于從時(shí)間和截面兩方面看都存在較大變化的數(shù)據(jù)，隨機(jī)效應(yīng)模和截面兩方面看都存在較大變化的數(shù)據(jù)，隨機(jī)效應(yīng)模型能明確地描述出誤差來(lái)源的特征。型能明確地描述出誤差來(lái)源的特征。 固定效應(yīng)模型的好處是，很容易分析任意截面數(shù)固定效應(yīng)模型的好處是，很容易分析任意截面數(shù)據(jù)所對(duì)應(yīng)的應(yīng)變量與全部截面數(shù)據(jù)對(duì)應(yīng)的因變量均值據(jù)所對(duì)應(yīng)的應(yīng)變量與全部截面數(shù)據(jù)對(duì)應(yīng)的因變量均值的差異程度。的差異程度。Wooldridge(2000) 在實(shí)際應(yīng)用時(shí)，是選擇固定效應(yīng)

44、模型還是選擇隨在實(shí)際應(yīng)用時(shí)，是選擇固定效應(yīng)模型還是選擇隨機(jī)效應(yīng)模型？一般的經(jīng)驗(yàn)的做法是，如果研究者預(yù)期機(jī)效應(yīng)模型？一般的經(jīng)驗(yàn)的做法是，如果研究者預(yù)期建立面板數(shù)據(jù)模型推斷樣本空間的經(jīng)濟(jì)關(guān)系，則模型建立面板數(shù)據(jù)模型推斷樣本空間的經(jīng)濟(jì)關(guān)系，則模型設(shè)定為固定效應(yīng)模型會(huì)更合理一些。否則，如果研究設(shè)定為固定效應(yīng)模型會(huì)更合理一些。否則，如果研究樣本是從總體隨機(jī)抽樣得到的，并且預(yù)期利用模型解樣本是從總體隨機(jī)抽樣得到的，并且預(yù)期利用模型解釋或推斷總體的統(tǒng)計(jì)性質(zhì)，則將模型設(shè)定為隨機(jī)效應(yīng)釋或推斷總體的統(tǒng)計(jì)性質(zhì)，則將模型設(shè)定為隨機(jī)效應(yīng)模型比較合理。模型比較合理。古扎拉蒂（古扎拉蒂（2013）1.如果如果T（觀測(cè)的時(shí)間

45、點(diǎn)的數(shù)目）較大，且（觀測(cè)的時(shí)間點(diǎn)的數(shù)目）較大，且N（橫截面單（橫截面單元的數(shù)量）較小，則通過固定效應(yīng)模型和隨機(jī)效應(yīng)模元的數(shù)量）較小，則通過固定效應(yīng)模型和隨機(jī)效應(yīng)模型估計(jì)的參數(shù)值之間很可能沒什么差別。這時(shí)的選擇型估計(jì)的參數(shù)值之間很可能沒什么差別。這時(shí)的選擇依據(jù)就是基于計(jì)算上的便利了。在這種情況下，固定依據(jù)就是基于計(jì)算上的便利了。在這種情況下，固定效應(yīng)模型可能更加可取。效應(yīng)模型可能更加可取。古扎拉蒂（古扎拉蒂（2013）2.在短面板（在短面板（N大且大且T小）中，兩種方法的估計(jì)值可能有?。┲校瑑煞N方法的估計(jì)值可能有顯著差別。如果我們確信樣本中橫截面單元不是從一顯著差別。如果我們確信樣本中橫截面單元

46、不是從一個(gè)較大的樣本中隨機(jī)抽取的，那么固定效應(yīng)模型是可個(gè)較大的樣本中隨機(jī)抽取的，那么固定效應(yīng)模型是可取的。如果不是這種情況，統(tǒng)計(jì)推斷是無(wú)條件的，則取的。如果不是這種情況，統(tǒng)計(jì)推斷是無(wú)條件的，則隨機(jī)效應(yīng)模型是可取的。隨機(jī)效應(yīng)模型是可取的。古扎拉蒂（古扎拉蒂（2013）3.如果如果N較大而較大而T較小，并且隨機(jī)效應(yīng)模型的假設(shè)成立，較小，并且隨機(jī)效應(yīng)模型的假設(shè)成立，那么隨機(jī)效應(yīng)模型的估計(jì)量比固定效應(yīng)模型的估計(jì)量那么隨機(jī)效應(yīng)模型的估計(jì)量比固定效應(yīng)模型的估計(jì)量更加有效。更加有效。古扎拉蒂（古扎拉蒂（2013）4.與固定效應(yīng)模型不同，隨機(jī)效應(yīng)模型可以估計(jì)時(shí)間不變與固定效應(yīng)模型不同，隨機(jī)效應(yīng)模型可以估計(jì)時(shí)間

47、不變性變量的系數(shù)，比如性別和種族這類變量。固定效應(yīng)性變量的系數(shù)，比如性別和種族這類變量。固定效應(yīng)模型確實(shí)可以控制住這些時(shí)間不變性變量，但是它不模型確實(shí)可以控制住這些時(shí)間不變性變量，但是它不能直接估計(jì)這些變量，這一點(diǎn)從能直接估計(jì)這些變量，這一點(diǎn)從LSDV估計(jì)模型中可以估計(jì)模型中可以清楚地得出。另一方面，固定效應(yīng)模型可以控制住所清楚地得出。另一方面，固定效應(yīng)模型可以控制住所有時(shí)間不變性變量，而隨機(jī)效應(yīng)模型只能控制住那些有時(shí)間不變性變量，而隨機(jī)效應(yīng)模型只能控制住那些在模型中可以被精確表達(dá)的時(shí)間不變性變量。在模型中可以被精確表達(dá)的時(shí)間不變性變量。各種估計(jì)量的性質(zhì)各種估計(jì)量的性質(zhì) 1.混合估計(jì)：混合估計(jì)

48、： 如果斜率系數(shù)在所有主體間是不變的，而且誤差如果斜率系數(shù)在所有主體間是不變的，而且誤差項(xiàng)與解釋變量無(wú)關(guān)，那么混合估計(jì)就是一致的。但是，項(xiàng)與解釋變量無(wú)關(guān)，那么混合估計(jì)就是一致的。但是，對(duì)一個(gè)給定的個(gè)體而言，誤差項(xiàng)在時(shí)間上很可能相關(guān)。對(duì)一個(gè)給定的個(gè)體而言，誤差項(xiàng)在時(shí)間上很可能相關(guān)。所有，我們必須使用面板修正標(biāo)準(zhǔn)誤來(lái)進(jìn)行假設(shè)檢驗(yàn)。所有，我們必須使用面板修正標(biāo)準(zhǔn)誤來(lái)進(jìn)行假設(shè)檢驗(yàn)。否則，一般計(jì)算得出的標(biāo)準(zhǔn)誤可能會(huì)被低估。否則，一般計(jì)算得出的標(biāo)準(zhǔn)誤可能會(huì)被低估。各種估計(jì)量的性質(zhì)各種估計(jì)量的性質(zhì) 2.固定效應(yīng)估計(jì)：固定效應(yīng)估計(jì)： 即使?jié)撛诘哪Ｐ褪腔旌匣螂S機(jī)效應(yīng)模型，固定效即使?jié)撛诘哪Ｐ褪腔旌匣螂S機(jī)效應(yīng)模型，固定效應(yīng)模型也總是一致的