第六章時(shí)序橫截面模型

第六章時(shí)序橫截面模型第一頁，共四十一頁，編輯于2023年，星期五時(shí)序橫截面模型適用于時(shí)序橫截面數(shù)據(jù)（Paneldata，longitudinal，又譯為面板數(shù)據(jù)、平行數(shù)據(jù)、綜列數(shù)據(jù)等等）的模型稱為時(shí)序橫截面模型。第二頁，共四十一頁，編輯于2023年，星期五時(shí)序橫截面模型第三頁，共四十一頁，編輯于2023年，星期五時(shí)序橫截面模型可以采用傳統(tǒng)方法進(jìn)行估計(jì)，但很有可能出現(xiàn)問題第四頁，共四十一頁，編輯于2023年，星期五時(shí)序橫截面模型第五頁，共四十一頁，編輯于2023年，星期五時(shí)序橫截面模型利用該數(shù)據(jù)，按傳統(tǒng)方法，可以獲得12組模型時(shí)期的模型橫截面數(shù)據(jù)（3組）：橫截面的模型時(shí)序數(shù)據(jù)（9組）第六頁，共四十一頁，編輯于2023年，星期五時(shí)序橫截面模型如果將數(shù)據(jù)合并建模，實(shí)際要求：所有模型的截距和回歸系數(shù)都要相同，如果這一假設(shè)不成立，則參數(shù)估計(jì)不具有一致性。例：截距不同，斜率一樣第七頁，共四十一頁，編輯于2023年，星期五時(shí)序橫截面模型將三組并為一組，實(shí)際意味著：不同時(shí)期，因變量和自變量的規(guī)律沒有變化；對不同的個(gè)體而言，因變量和自變量的規(guī)律也沒有變化；在截距不同時(shí)，隨機(jī)誤差項(xiàng)就必然不滿足回歸假定，參數(shù)估計(jì)也會失準(zhǔn)。第八頁，共四十一頁，編輯于2023年，星期五時(shí)序橫截面模型第九頁，共四十一頁，編輯于2023年，星期五時(shí)序橫截面模型第十頁，共四十一頁，編輯于2023年，星期五時(shí)序橫截面模型時(shí)序橫截面的優(yōu)點(diǎn)：1、擴(kuò)大樣本量2、減少違背回歸假設(shè)的可能3、增強(qiáng)解釋力，可以同時(shí)研究個(gè)體間的差異和時(shí)期間的差異第十一頁，共四十一頁，編輯于2023年，星期五時(shí)序橫截面模型主要內(nèi)容：固定效應(yīng)模型隨機(jī)效應(yīng)模型固定效應(yīng)還是隨機(jī)效應(yīng)——Hausman檢驗(yàn)第十二頁，共四十一頁，編輯于2023年，星期五（一）固定效應(yīng)模型適用范圍：

橫截面或時(shí)序之間的差異主要體現(xiàn)在截距上假設(shè)：

差異為常數(shù)，是固定的未知參數(shù)

第十三頁，共四十一頁，編輯于2023年，星期五（一）固定效應(yīng)模型變截距模型第十四頁，共四十一頁，編輯于2023年，星期五（一）固定效應(yīng)模型固定效應(yīng)變截距模型的估計(jì)可以采用虛擬變量模型（LSDV模型，LeastSquareDummyVariables）以時(shí)序組之間變截距為例如果兩個(gè)時(shí)期：第十五頁，共四十一頁，編輯于2023年，星期五（一）固定效應(yīng)模型如果三個(gè)時(shí)期：第十六頁，共四十一頁，編輯于2023年，星期五（一）固定效應(yīng)模型LSDV模型的優(yōu)點(diǎn)

可以對不同組之間的差異作出估計(jì)LSDV模型的缺點(diǎn)

如果組較多，則需要設(shè)置較多的虛擬變量

第十七頁，共四十一頁，編輯于2023年，星期五（一）固定效應(yīng)模型一階差分法第十八頁，共四十一頁，編輯于2023年，星期五（一）固定效應(yīng)模型組內(nèi)變換法

第十九頁，共四十一頁，編輯于2023年，星期五（一）固定效應(yīng)模型橫截面與時(shí)序效應(yīng)同時(shí)存在第二十頁，共四十一頁，編輯于2023年，星期五（一）固定效應(yīng)模型橫截面與時(shí)序效應(yīng)同時(shí)存在時(shí)的LSDV估計(jì)

如果有N個(gè)橫截面、T個(gè)時(shí)期（時(shí)點(diǎn)），則同時(shí)設(shè)置N-1個(gè)橫截面虛擬變量和T-1個(gè)時(shí)序虛擬變量即可第二十一頁，共四十一頁，編輯于2023年，星期五（一）固定效應(yīng)模型組內(nèi)變換法所得估計(jì)量稱為組內(nèi)估計(jì)量或固定效應(yīng)估計(jì)量，與LSDV的結(jié)果相同當(dāng)T=2時(shí)，差分法和組內(nèi)變換法的結(jié)果相同

一般說：原隨機(jī)誤差不存在自相關(guān)，組內(nèi)變換更有效，如果強(qiáng)正相關(guān)，則差分法更佳差分法和組內(nèi)變換法應(yīng)全部進(jìn)行，并比較結(jié)果的差異第二十二頁，共四十一頁，編輯于2023年，星期五（一）固定效應(yīng)模型固定效應(yīng)模型將截距的差異視為待估參數(shù)固定效應(yīng)模型可以分為one-way與two-way模型估計(jì)方法有：

虛擬變量法一階差分法組內(nèi)變換法第二十三頁，共四十一頁，編輯于2023年，星期五（二）隨機(jī)效應(yīng)模型認(rèn)為橫截面或時(shí)序模型之間截距的差異值是隨機(jī)的，不是一個(gè)固定參數(shù)，隨機(jī)性來自于樣本代替總體。第二十四頁，共四十一頁，編輯于2023年，星期五（二）隨機(jī)效應(yīng)模型截距是隨機(jī)變量的處理方法是：將截距差異包含到隨機(jī)誤差項(xiàng)中，對隨機(jī)誤差項(xiàng)的構(gòu)成與統(tǒng)計(jì)特征做進(jìn)一步規(guī)定。這樣處理背后的假定是：效應(yīng)（截距差異）與解釋變量無關(guān)，而在固定效應(yīng)模型中，一般允許與解釋變量中的一個(gè)或多個(gè)相關(guān)第二十五頁，共四十一頁，編輯于2023年，星期五（二）隨機(jī)效應(yīng)模型基本模型第二十六頁，共四十一頁，編輯于2023年，星期五（二）隨機(jī)效應(yīng)模型與固定效應(yīng)模型對應(yīng)，可以構(gòu)造三種誤差分量第二十七頁，共四十一頁，編輯于2023年，星期五（二）隨機(jī)效應(yīng)模型two-wayrandomeffectsmodel該模型用Fuller-Battese方法估計(jì)第二十八頁，共四十一頁，編輯于2023年，星期五GLS方法第二十九頁，共四十一頁，編輯于2023年，星期五GLS方法第三十頁，共四十一頁，編輯于2023年，星期五GLS方法第三十一頁，共四十一頁，編輯于2023年，星期五GLS方法第三十二頁，共四十一頁，編輯于2023年，星期五GLS方法GLS估計(jì)量無偏漸近服從正態(tài)分布方差FGLS（FeasibleGLS）第三十三頁，共四十一頁，編輯于2023年，星期五（二）隨機(jī)效應(yīng)模型one-wayrandomeffectsmodel第三十四頁，共四十一頁，編輯于2023年，星期五（二）隨機(jī)效應(yīng)模型第三十五頁，共四十一頁，編輯于2023年，星期五（二）隨機(jī)效應(yīng)模型考慮自相關(guān)的模型實(shí)時(shí)相關(guān)一階自回歸模型該模型用Parks方法估計(jì)第三十六頁，共四十一頁，編輯于2023年，星期五（二）隨機(jī)效應(yīng)模型混合誤差分量移動平均模型該模型用DaSilva方法估計(jì)第三十七頁，共四十一頁，編輯于2023年，星期五（二）隨機(jī)效應(yīng)模型比較時(shí)序橫截面模型的估計(jì)結(jié)果，可以發(fā)現(xiàn)OLS的估計(jì)誤差明顯較大。第三十八頁，共四十一頁，編輯于2023年，星期五（三）隨機(jī)效應(yīng)還是固定效應(yīng)將觀測值視為從總體中抽樣的結(jié)果，則采用隨機(jī)效應(yīng)，如不能這樣看，則采用固定效應(yīng)模型將差異看作參數(shù)截距差異與解釋變量相關(guān)：固定效應(yīng)模型；不相關(guān)：隨機(jī)效應(yīng)模型第三十九頁，共四十一頁，編輯于2023年，星期五Hausman檢驗(yàn)該檢驗(yàn)被廣泛地應(yīng)用于模型的設(shè)定檢驗(yàn)和經(jīng)濟(jì)理論的驗(yàn)證，其基本思想是：

尋找兩個(gè)不同的估計(jì)值，一個(gè)無論原假設(shè)是否成立，永遠(yuǎn)具有一致性，一個(gè)只有在原假設(shè)成立的情況下，才具有一致性。這樣：第四十頁，