面板數(shù)據(jù)模型-文庫吧
2025-07-21 18:10 本頁面
【正文】 工作文件窗口的基礎(chǔ)上，點擊主功能菜單中的Objects鍵，選New Object功能，從而打開New Object（新對象）選擇窗。在Type of Object選擇區(qū)選擇Pool（混合數(shù)據(jù)庫），點擊OK鍵，從而打開Pool（混合數(shù)據(jù)）窗口。在窗口中輸入15個地區(qū)標識AH（安徽）、BJ（北京）、…、ZJ（浙江）。工具欄中點擊Sheet鍵，從而打開Series List（列寫序列名）窗口，定義變量CP?和IP?，點擊OK鍵，Pool（混合或合并數(shù)據(jù)庫）窗口顯示面板數(shù)據(jù)。在Pool窗口的工具欄中點擊Estimate鍵，打開Pooled Estimation（混合估計）窗口如下圖。圖11在Dependent Variable（相依變量）選擇窗填入CP?；在Common coefficients（系數(shù)相同）選擇窗填入IP?；Cross section specific coefficients（截面系數(shù)不同）選擇窗保持空白；在Intercept（截距項）選擇窗點擊Common；在Weighting（權(quán)數(shù)）選擇窗點擊No weighting。點擊Pooled Estimation（混合估計）窗口中的OK鍵。得輸出結(jié)果如圖10。相應(yīng)表達式是= + IPit () () R2 = , SSEr = 4824588, (103) = 15個省級地區(qū)的人均支出平均占收入的76%。如果從時間和截面上看模型截距都為零，就可以建立不含截距項的（a = 0）的混合估計模型。以二變量模型為例，建立混合估計模型如下， yit = b1 xit +eit, i = 1, 2, …, N。 t = 1, 2, …, T (2)對于本例，因為上式中的截距項有顯著性（t = (103) = ），所以建立截距項為零的混合估計模型是不合適的。EViwes估計方法：在Pooled Estimation（混合估計）對話框中Intercept（截距項）選擇窗中選None，其余選項同上。 固定效應(yīng)模型。在面板數(shù)據(jù)散點圖中，如果對于不同的截面或不同的時間序列，模型的截距是不同的，則可以采用在模型中加虛擬變量的方法估計回歸參數(shù)，稱此種模型為固定效應(yīng)模型（fixed effects regression model）。固定效應(yīng)模型分為3種類型，即個體固定效應(yīng)模型（entity fixed effects regression model）、時刻固定效應(yīng)模型（time fixed effects regression model）和時刻個體固定效應(yīng)模型（time and entity fixed effects regression model）。下面分別介紹。（1）個體固定效應(yīng)模型。個體固定效應(yīng)模型就是對于不同的個體有不同截距的模型。如果對于不同的時間序列（個體）截距是不同的，但是對于不同的橫截面，模型的截距沒有顯著性變化，那么就應(yīng)該建立個體固定效應(yīng)模型，表示如下， yit = b1 xit +g1 W1 + g2 W2 + … +gN WN +eit, t = 1, 2, …, T (3)其中Wi =eit, i = 1, 2, …, N。 t = 1, 2, …, T，表示隨機誤差項。yit, xit, i = 1, 2, …, N。 t = 1, 2, …, T分別表示被解釋變量和解釋變量。模型（3）或者表示為 y1t = g1 +b1 x1t +e1t, i = 1（對于第1個個體，或時間序列），t = 1, 2, …, T y2t = g2 +b1 x2t +e2 t, i = 2（對于第2個個體，或時間序列），t = 1, 2, …, T … yN t = gN +b1 xN t +e N t, i = N（對于第N個個體，或時間序列），t = 1, 2, …, T寫成矩陣形式，y1 = (1 x1)+e1 = g1 + x1 b +e1…yN = (1 xN)+eN = gN + xN b +eN上式中yi，gi，ei，xi都是N180。1階列向量。b為標量。當模型中含有k個解釋變量時，b為k180。1階列向量。進一步寫成矩陣形式，= +b + 上式中的元素1，0都是T180。1階列向量。 面板數(shù)據(jù)模型用OLS方法估計時應(yīng)滿足如下5個假定條件：（1）E(eit|xi1, xi2, …, xiT, ai) = 0。以xi1, xi2, …, xiT, ai為條件的eit的期望等于零。（2）(xi1, xi2, …, xiT), ( yi1, yi2, …, yiT), i = 1, 2, …, N分別來自于同一個聯(lián)合分布總體，并相互獨立。（3）(xit, eit)具有非零的有限值4階矩。（4）解釋變量之間不存在完全共線性。（5）Cov(eit eis|xit,xis, ai) = 0, t 185。 s。在固定效應(yīng)模型中隨機誤差項eit在時間上是非自相關(guān)的。其中xit代表一個或多個解釋變量。對模型（1）進行OLS估計，全部參數(shù)估計量都是無偏的和一致的。模型的自由度是N T –1–N。 當模型含有k個解釋變量，且N很大，相對較小時，因為模型中含有k + N個被估參數(shù)，一般軟件執(zhí)行OLS運算很困難。在計量經(jīng)濟學軟件中是采用一種特殊處理方式進行OLS估計。估計原理是，先用每個變量減其組內(nèi)均值，把數(shù)據(jù)中心化（entitydemeaned），然后用變換的數(shù)據(jù)先估計個體固定效應(yīng)模型的回歸系數(shù)（不包括截距項），然后利用組內(nèi)均值等式計算截距項。這種方法計算起來速度快。具體分3步如下。（1）首先把變量中心化（entitydemeaned）。仍以單解釋變量模型（3）為例，則有 = gi + b1+, i = 1, 2, …, N (4)其中=，=，=, i = 1, 2, …, N。公式(1)、(4)相減得， (yit ) = b1(xit ) + (eit ) (5)令(yit ) =，(xit ) =，(eit ) =，上式寫為 = b1+ (6)用OLS法估計（1）、（6）式中的b1，結(jié)果是一樣的，但是用（6）式估計，可以減少被估參數(shù)個數(shù)。（2）用OLS法估計回歸參數(shù)（不包括截距項，即固定效應(yīng)）。 在k個解釋變量條件下，把用向量形式表示，則利用中心化數(shù)據(jù)，按OLS法估計公式計算個體固定效應(yīng)模型中回歸參數(shù)估計量的方差協(xié)方差矩陣估計式如下，() = (39。)1 (7)其中=，是相對于的殘差向量。（3）計算回歸模型截距項，即固定效應(yīng)參數(shù)gi。= (8)以例1（file:panel02）為例得到的個體固定效應(yīng)模型估計結(jié)果如下：注意：個體固定效應(yīng)模型的EViwes輸出結(jié)果中沒有公共截距項。圖12EViwes估計方法：在EViwes的Pooled Estimation對話框中Intercept選項中選Fixed effects。其余選項同上。注意：（1）個體固定效應(yīng)模型的EViwes輸出結(jié)果中沒有公共截距項。（2）EViwes輸出結(jié)果中沒有給出描述個體效應(yīng)的截距項相應(yīng)的
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1