面板數(shù)據(jù)模型理論知識(shí).doc

《面板數(shù)據(jù)模型理論知識(shí).doc》由會(huì)員分享，可在線閱讀，更多相關(guān)《面板數(shù)據(jù)模型理論知識(shí).doc（2頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1.Panel Data模型簡(jiǎn)介 Panel Data即面板數(shù)據(jù)，是截面數(shù)據(jù)與時(shí)間序列數(shù)據(jù)綜合起來(lái)的一種數(shù)據(jù)類(lèi)型，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)。 相對(duì)于一維的截面數(shù)據(jù)和時(shí)間序列數(shù)據(jù)進(jìn)行經(jīng)濟(jì)分析而言，面板數(shù)據(jù)有很多優(yōu)點(diǎn)。(1)由于觀測(cè)值的增多，可以增加自由度并減少了解釋變量間的共線性，提高了估計(jì)量的抽樣精度。(2)面板數(shù)據(jù)建模比單截面數(shù)據(jù)建模可以獲得更多的動(dòng)態(tài)信息，可以構(gòu)建并檢驗(yàn)更復(fù)雜的行為模型。(3)面板數(shù)據(jù)可以識(shí)別、衡量單使用一維數(shù)據(jù)模型所不能觀測(cè)和估計(jì)的影響，可以從多方面對(duì)同一經(jīng)濟(jì)現(xiàn)象進(jìn)行更加全面解釋。 Panel Data模型的一般形式為 其中為被解釋變量，為解釋變量， i＝1，2，3……N，表示N個(gè)個(gè)體；t＝1，2，3……T，表示已知T個(gè)時(shí)點(diǎn)。參數(shù)表示模型的截距項(xiàng)，k是解釋變量的個(gè)數(shù)，是相對(duì)應(yīng)解釋變量的待估計(jì)系數(shù)。隨機(jī)誤差項(xiàng)相互獨(dú)立，且滿足零均值，等方差為的假設(shè)。 面板數(shù)據(jù)模型可以構(gòu)建三種形式（以截面估計(jì)為例）： 形式一： 不變參數(shù)模型 ，又叫混合回歸模型，是指無(wú)論從時(shí)間上還是截面上觀察數(shù)據(jù)均不存在顯著差異，故可以將面板數(shù)據(jù)混合在一起，采用普通最小二乘估計(jì)法（OLS）估計(jì)參數(shù)即可。 形式二：變截距模型，為每個(gè)個(gè)體方程共同的截距項(xiàng)，是不同個(gè)體之間的異質(zhì)性差異。對(duì)于不同個(gè)體或時(shí)期而言，截距項(xiàng)不同而解釋變量的斜率相同,說(shuō)明存在不可觀測(cè)個(gè)體異質(zhì)影響但基本結(jié)構(gòu)是相同的，可以通過(guò)截距項(xiàng)的不同而體現(xiàn)出來(lái)個(gè)體之間的差異。當(dāng)與相關(guān)時(shí)，那就說(shuō)明模型為固定效應(yīng)模型，當(dāng)與不相關(guān)時(shí)，說(shuō)明模型為隨機(jī)效應(yīng)模型。 形式三：變參數(shù)模型 ，對(duì)于不同個(gè)體或時(shí)期而言，截距項(xiàng)（）和每個(gè)解釋變量的斜率都是不相同的，表明不同個(gè)體之間既存在個(gè)體異質(zhì)影響也存在不同的結(jié)構(gòu)影響，即每個(gè)個(gè)體或時(shí)期都對(duì)應(yīng)一個(gè)互不相同的方程。同樣分為固定效應(yīng)模型和隨機(jī)效應(yīng)模型兩種。 注意：這里沒(méi)有截距項(xiàng)相同而解釋變量的系數(shù)不相同的模型。 2.Panel Data模型分析步驟 2.1 單位根檢驗(yàn) 無(wú)論利用Panel Data模型進(jìn)行截面估計(jì)還是時(shí)間估計(jì)分析的時(shí)候，我們先要進(jìn)行單位根檢驗(yàn)，只有Panel Data模型中的數(shù)據(jù)是平穩(wěn)的才可以進(jìn)行回歸分析，否則容易產(chǎn)生“虛假回歸”。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，但其結(jié)果是沒(méi)有任何實(shí)際意義的。這種情況稱(chēng)為稱(chēng)為虛假回歸或偽回歸。面板單位根檢驗(yàn)方法有5種：LLC檢驗(yàn)、IPS檢驗(yàn)、Breintung檢驗(yàn)、ADF-Fisher檢驗(yàn)和PP-Fisher檢驗(yàn)，前兩種是相同根情況下的單位根檢驗(yàn)方法, 后三種是不同單位根情況下的檢驗(yàn)方法。 若Panel Data為平穩(wěn)的，則進(jìn)行回歸分析； 1. Huasman檢驗(yàn)和F檢驗(yàn) Huasman檢驗(yàn)的目的為檢驗(yàn)Panel Data模型是隨機(jī)效應(yīng)模型還是固定效應(yīng)模型。原假設(shè)：模型是存在隨機(jī)效應(yīng)的。 F檢驗(yàn)的目的是判定需要擬合的模型形式。 F檢驗(yàn)有兩個(gè)原假設(shè)： ：回歸斜率系數(shù)相同而截距項(xiàng)不相同 ：回歸斜率系數(shù)和截距項(xiàng)都相同 構(gòu)建F統(tǒng)計(jì)量 其中，為變參數(shù)模型得殘差平方和，為變截距模型得殘差平方和，為不變參數(shù)模型得殘差平方和，N是總個(gè)體數(shù)，T為總時(shí)期數(shù)，k為解釋變量的個(gè)數(shù)。 判定規(guī)則為，首先利用統(tǒng)計(jì)量對(duì)檢驗(yàn)，如果接受，則建立不變參數(shù)模型，檢驗(yàn)結(jié)束。如果拒絕，則再利用統(tǒng)計(jì)量對(duì)檢驗(yàn)，如果接受，則建立變截距模型；如果拒絕，則建立變系數(shù)模型。 2.利用Eviews可以得出回歸方程結(jié)果 橫截面的異方差與序列的自相關(guān)性是運(yùn)用面板數(shù)據(jù)模型時(shí)可能遇到的最為常見(jiàn)的問(wèn)題,此時(shí)運(yùn)用OLS可能會(huì)產(chǎn)生結(jié)果失真,因此為了消除影響,對(duì)我國(guó)東、中、西部地區(qū)的分析將采用不相關(guān)回歸方法( SeeminglyUnrelated Regression, SUR)來(lái)估計(jì)方程。而對(duì)于全國(guó)范圍內(nèi)的估計(jì)來(lái)說(shuō),由于橫截面?zhèn)€數(shù)大于時(shí)序個(gè)數(shù),所以采用截面加權(quán)估計(jì)法(Cross SectionWeights, CSW) 。 若Panel Data的單位根檢驗(yàn)是不平穩(wěn)的，采取兩種辦法。 1. 對(duì)序列進(jìn)行差分或取對(duì)數(shù)使之變成同階序列，若變換序列后均為平穩(wěn)序列，可用變換后的序列直接進(jìn)行回歸分析。 2. 若變換序列后均為同階非平穩(wěn)序列，則要進(jìn)行協(xié)整檢驗(yàn)。 協(xié)整檢驗(yàn)的原假設(shè)：不存在協(xié)整 面板數(shù)據(jù)的協(xié)整檢驗(yàn)方法可以分為兩大類(lèi)： 一類(lèi)是建立在Engle and Granger二步法檢驗(yàn)基礎(chǔ)上的面板協(xié)整檢驗(yàn)，具體方法主要有Pedroni檢驗(yàn)和Kao檢驗(yàn)； 另一類(lèi)是建立在Johansen協(xié)整檢驗(yàn)基礎(chǔ)上的面板協(xié)整檢驗(yàn)。 面板數(shù)據(jù)模型的理論知識(shí)遠(yuǎn)不止這么簡(jiǎn)單，我也只是學(xué)習(xí)到其的最簡(jiǎn)單最系統(tǒng)的思路。