演示文稿第九章面板數(shù)據(jù)模型

（優(yōu)選）第九章面板數(shù)據(jù)模型當前第1頁\共有49頁\編于星期五\5點第一節(jié)面板數(shù)據(jù)第二節(jié)面板數(shù)據(jù)回歸模型第三節(jié)混合回歸模型第四節(jié)變截距回歸模型第五節(jié)變系數(shù)回歸模型第六節(jié)效應(yīng)檢驗與模型形式設(shè)定檢驗第七節(jié)面板數(shù)據(jù)的單位根檢驗和協(xié)整檢驗第八節(jié)案例分析當前第2頁\共有49頁\編于星期五\5點

面板數(shù)據(jù)（PanelData）：也叫平行數(shù)據(jù)，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xit，其中，表示N個不同的對象（如國家、省、縣、行業(yè)、企業(yè)、個人）,，表示T個觀測期。第一節(jié)面板數(shù)據(jù)當前第3頁\共有49頁\編于星期五\5點平衡面板數(shù)據(jù)當前第4頁\共有49頁\編于星期五\5點非平衡面板數(shù)據(jù)當前第5頁\共有49頁\編于星期五\5點擴展的面板模型1.偽面板模型：如果按照某種屬性(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，選擇各群內(nèi)觀測數(shù)據(jù)的均值(中位數(shù)或分位數(shù))，即可構(gòu)造以群為‘個體’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)為偽面板數(shù)據(jù)(PseudoPanelData)。當前第6頁\共有49頁\編于星期五\5點2.輪換面板模型: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“抽樣時間”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應(yīng)的方法。當前第7頁\共有49頁\編于星期五\5點3.空間面板模型:當考慮國家、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)性?，F(xiàn)在有大量運用空間數(shù)據(jù)的文獻處理這種相關(guān)性。這種空間相依模型在區(qū)域科學和城市經(jīng)濟學中比較普遍。具體來說，這些模型使用經(jīng)濟距離測度設(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）。當前第8頁\共有49頁\編于星期五\5點4.計數(shù)面板模型: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)機構(gòu)登記專利的數(shù)目。雖然可以運用傳統(tǒng)面板回歸模型對計數(shù)面板數(shù)據(jù)建模，但鑒于被解釋變量具有0及非負離散取值的特征，運用泊松面板回歸模型建模更為合適。當前第9頁\共有49頁\編于星期五\5點第二節(jié)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：

其中，i=1,2,…,N

表示個N個體；t=1,2,…,T表示T個時期；yit為被解釋變量,表示第i個個體在t時期的觀測值；xkit

是解釋變量,表示第k個解釋變量對于個體i在時期t的觀測值；是待估參數(shù)；uit是隨機干擾項。

當前第10頁\共有49頁\編于星期五\5點稱為個體效應(yīng)。反映個體不隨時間變化的差異性。稱為時間效應(yīng)。反映不隨個體變化的時間上的差異性。當前第11頁\共有49頁\編于星期五\5點在上式模型中，樣本容量（NT）遠遠小于參數(shù)個數(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型：從個體成員角度考慮，建立含有N個個體成員方程的PanelData模型；在時間點上截面，建立含有T

個時間點截面方程的PanelData模型。當前第12頁\共有49頁\編于星期五\5點1．含有N個個體成員方程的PanelData模型

PanelData模型簡化為如下形式：2．含有T個時間截面方程的PanelData模型

PanelData模型簡化為如下形式：當前第13頁\共有49頁\編于星期五\5點二、面板數(shù)據(jù)回歸模型的分類由于含有N個個體成員方程的式和含有T個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N個個體成員方程的PanelData模型的估計方法。當前第14頁\共有49頁\編于星期五\5點根據(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：混合回歸模型、變截距回歸模型和變系數(shù)回歸模型3種類型。當前第15頁\共有49頁\編于星期五\5點混合回歸模型:假設(shè)截距項和解釋變量系數(shù)對于所有的截面?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?；旌匣貧w模型的模型形式為:當前第16頁\共有49頁\編于星期五\5點變截距回歸模型: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)是相同的變截距回歸模型的模型形式為:當前第17頁\共有49頁\編于星期五\5點變系數(shù)回歸模型: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。當前第18頁\共有49頁\編于星期五\5點根據(jù)和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：固定效應(yīng)和隨機效應(yīng)。如果個體效應(yīng)與模型中的解釋變量是相關(guān)的,我們就稱這種個體效應(yīng)是固定效應(yīng)。反之，如果個體效應(yīng)與模型中的解釋變量是不相關(guān)的，我們稱之為隨機效應(yīng)。如果時間效應(yīng)與模型中的解釋變量是相關(guān)的,我們就稱這種時間效應(yīng)是固定效應(yīng)。反之，如果時間效應(yīng)與模型中的解釋變量是不相關(guān)的，我們稱之為隨機效應(yīng)。當前第19頁\共有49頁\編于星期五\5點第三節(jié)混合回歸模型從時間上看，不同年份之間不存在顯著性差異；從截面上看，不同個體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(相當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))，用普通最小二乘法（OLS）估計參數(shù)，且估計量是線性、無偏、有效和一致的。一、混合回歸模型當前第20頁\共有49頁\編于星期五\5點二、混合回歸模型的估計（Eviews操作）當前第21頁\共有49頁\編于星期五\5點第四節(jié)變截距回歸模型一、變截距模型的分類討論三種類型，即個體固定效應(yīng)變截距模型、時點固定效應(yīng)變截距模型、時點個體固定效應(yīng)變截距模型。變截距模型（一）固定效應(yīng)變截距模型當前第22頁\共有49頁\編于星期五\5點1.個體固定效應(yīng)變截距模型一般形式：其中，表示不同個體之間的差異化效應(yīng)。2.時點固定效應(yīng)變截距模型一般形式：其中，表示不同截面（時點）之間的差異化效應(yīng)。3.時點個體固定效應(yīng)變截距模型一般形式：當前第23頁\共有49頁\編于星期五\5點（二）隨機效應(yīng)變截距模型討論三種類型，即個體隨機效應(yīng)變截距模型、時點隨機效應(yīng)變截距模型、時點個體隨機效應(yīng)變截距模型。當前第24頁\共有49頁\編于星期五\5點面板數(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。（一）固定效應(yīng)變截距模型的估計

1.最小二乘虛擬變量（LSDV）估計二、變截距模型的估計當前第25頁\共有49頁\編于星期五\5點（1）個體固定效應(yīng)變截距模型一般形式：當前第26頁\共有49頁\編于星期五\5點（2）時點固定效應(yīng)變截距模型一般形式：當前第27頁\共有49頁\編于星期五\5點（3）時點個體固定效應(yīng)變截距模型一般形式：當前第28頁\共有49頁\編于星期五\5點

(1)截面加權(quán)(個體截面異方差情形的GLS估計)2.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干擾項之間存在異方差，但個體和時期之間協(xié)方差為零。當前第29頁\共有49頁\編于星期五\5點當殘差具有個體截面異方差時最好進行截面加權(quán)回歸：當前第30頁\共有49頁\編于星期五\5點

(2)同期相關(guān)協(xié)方差情形的SUR估計

同期相關(guān)協(xié)方差是指不同的個體成員同一時期的隨機干擾項是相關(guān)的，但其在不同時期之間是不相關(guān)的。當殘差具有同期相關(guān)協(xié)方差情形時，SUR加權(quán)最小二乘是可行的GLS估計量：當前第31頁\共有49頁\編于星期五\5點此時

的SUR估計為：當前第32頁\共有49頁\編于星期五\5點（二）隨機效應(yīng)變截距模型的估計EViews按下列步驟估計隨機影響模型：當前第33頁\共有49頁\編于星期五\5點第五節(jié)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。然而現(xiàn)實中變化的經(jīng)濟結(jié)構(gòu)或不同的社會經(jīng)濟背景等因素有時會導致反映經(jīng)濟結(jié)構(gòu)的參數(shù)隨著橫截面?zhèn)€體的變化而變化。因此，當現(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)€體的變化而改變的變系數(shù)模型。當前第34頁\共有49頁\編于星期五\5點變系數(shù)模型的一般形式如下：為變系數(shù)，反映模型結(jié)構(gòu)隨截面的變化而變化。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)模型和隨機影響變系數(shù)模型兩種類型。當前第35頁\共有49頁\編于星期五\5點EViews按下列步驟估計變系數(shù)模型：當前第36頁\共有49頁\編于星期五\5點第六節(jié)效應(yīng)檢驗與模型形式設(shè)定檢驗一、Hausman檢驗建立面板數(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、系數(shù)是否一致，是固定效應(yīng)還是隨機效應(yīng)模型，從而避免模型設(shè)定的偏差，改進參數(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)與解釋變量之間是否相關(guān)，Hausman（1978）提出了一種嚴格的統(tǒng)計檢驗方法——Hausman檢驗。當前第37頁\共有49頁\編于星期五\5點固定效應(yīng)模型：LSDV估計量無偏；GLS估計量有偏。隨機效應(yīng)模型：LSDV和GLS估計量都無偏，但LSDV估計量有較大方差；。固定效應(yīng)模型：LSDV估計量和GLS估計量的估計結(jié)果有較大的差異。隨機效應(yīng)模型：LSDV估計量和GLS估計量的估計結(jié)果就比較接近。Hausman檢驗的原理當前第38頁\共有49頁\編于星期五\5點

Hausman證明在原假設(shè)下，統(tǒng)計量W服從自由度為k（模型中解釋變量的個數(shù)）的分布，即Step1：設(shè)定原假設(shè)H0:模型的個體效應(yīng)或時間效應(yīng)與解釋變量無關(guān)；Step2：構(gòu)造Hausman檢驗的W統(tǒng)計量Hausman檢驗其中b，分別為回歸系數(shù)的LSDV估計向量，GLS估計向量；為之差的方差，即當前第39頁\共有49頁\編于星期五\5點

Hausman檢驗的操作EViews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Hausman檢驗。為了實現(xiàn)Hausman檢驗，必須首先估計一個隨機效應(yīng)模型。然后，選擇View/Fixed/RandomEffectsTesting/CorrelatedRandomEffects-HausmanTest，EViews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)果。當前第40頁\共有49頁\編于星期五\5點二、模型形式設(shè)定檢驗

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)常使用的檢驗是協(xié)方差分析檢驗(F檢驗)，主要檢驗如下兩個假設(shè)：H1：變截距回歸模型H2：混合回歸模型可見如果接受假設(shè)H2

則可以認為模型為混合回歸模型，無需進行進一步的檢驗。如果拒絕假設(shè)H2，則需檢驗假設(shè)H1。如果接受H1，則認為模型為變截距回歸模型，反之拒絕H1

，則認為模型為變系數(shù)回歸模型。當前第41頁\共有49頁\編于星期五\5點下面介紹假設(shè)檢驗的F統(tǒng)計量的計算方法。首先計算變系數(shù)回歸模型的殘差平方和，記為S1；變截距回歸模型的殘差平方和記為S2；混合回歸模型的殘差平方和記為S3。

構(gòu)造并計算統(tǒng)計量當前第42頁\共有49頁\編于星期五\5點例9-3當前第43頁\共有49頁\編于星期五\5點第七節(jié)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)的單位根檢驗分類（二）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

（一）檢驗方法分類（二）面板數(shù)據(jù)協(xié)整檢驗的應(yīng)用舉例當前第44頁\共有49頁\編于星期五\5點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：一類為相同根情形下的單位根檢驗，檢驗方法包括LLC（Levin-Lin-Chu）檢驗、Breitung檢驗；另一類為不同根情形下的單位根檢驗，檢驗方法包括Im-Pesaran-Skin檢驗、Fis