stata與面板數(shù)據(jù)回歸-預(yù)覽頁
【正文】 量 i?隨機效應(yīng)模型 ? 總結(jié)：如果把非觀測效應(yīng)看做是各個截面或個體特有的可估計參數(shù)，并且不隨時間而變化，則模型為固定效應(yīng)模型； ? 如果把非觀測效應(yīng)看作隨機變量，并且符合一個特定的分布，則模型為隨機效應(yīng)模型 ? 在實證分析中，一般通過 hausman檢驗判斷：由于隨機效應(yīng)模型把個體效應(yīng)設(shè)定為干擾項的一部分，所以就要求解釋變量與個體效應(yīng)不相關(guān)，而固定效應(yīng)模型并不需要這個假設(shè)條件 ? 因此，我們可以通過檢驗該假設(shè)條件是否滿足，如果滿足，那么就應(yīng)該采用隨機效應(yīng)模型，反之，就需要采用固定效應(yīng)模型 ? Hausman檢驗的基本思想是：在固定效應(yīng) u_i和其他解釋變數(shù)不相關(guān)的原假設(shè)下 ， 用 OLS估計的固定效應(yīng)模型和用 GLS估計的隨機效應(yīng)模型的參數(shù)估計都是一致的 。[Var(b)Var(B)]1(bB)～ x2(k) ? Hausman統(tǒng)計量服從自由度為 k的 χ2分布。 如果拒絕了原假設(shè) ， 我們就認(rèn)為選擇固定效應(yīng)模型是比較合適的 。面板數(shù)據(jù)模型與 stata軟件的應(yīng)用 ? 一、什么是面板數(shù)據(jù) ? 二、面板數(shù)據(jù)模型的優(yōu)勢 ? 三、面板模型的估計方法： FE和 RE ? 四、 stata軟件簡介 ? 五、如何用 stata估計面板模型：案例分析 一、面板數(shù)據(jù)類型 ? 時間維度 +截面維度 ? 如我們在分析中國各省份的經(jīng)濟增長時，共有 31個截面，每個截面都取 19791998共 20年的數(shù)據(jù)，共有620個觀察值，這是一個典型的平行面板數(shù)據(jù) ? 上市公司財務(wù)數(shù)據(jù)，研究一段時期內(nèi)（ 19982021）上市公司股利的發(fā)放數(shù)額與股票賬面價值之間的關(guān)系，共有 20 11=220個觀測值 ? 強調(diào)經(jīng)濟理論基礎(chǔ)、強調(diào)微觀行為基礎(chǔ) 表 1 19962021年中國東北、華北、華東 15個省級地區(qū)的居民家庭人均消費數(shù)據(jù)（不變價格） 地區(qū)人均消費 1996 1997 1998 1999 2021 2021 2021 CPAH（安徽） CPBJ（北京） CPFJ（福建） CPHB（河北） CPHLJ（黑龍江） CPJL（吉林） CPJS（江蘇） CPJX（江西） CPLN（遼寧） CPNMG（內(nèi)蒙古） CPSD（山東） CPSH（上海） CPSX（山西） CPTJ（天津） CPZJ（浙江） 表 2 上市公司的投資與股票賬面價值： N=20,T=4 面板數(shù)據(jù)模型和 stata軟件應(yīng)用 ? 二、面板數(shù)據(jù)模型有以下幾個優(yōu)點 : ? 第一， Panel Data 模型可以通過設(shè)置虛擬變量對個別差異（非觀測效應(yīng)）進(jìn)行控制； ? 第二， Panel Data 模型通過對不同橫截面單元不同時間觀察值的結(jié)合，增加了自由度，減少了解釋變量之間的共線性，從而改進(jìn)了估計結(jié)果的有效性； ? 第三， Panel Data模型是對同一截面單元集的重復(fù)觀察 , 能更好地研究經(jīng)濟行為變化的動態(tài)性 舉例 ? 交通死亡率與酒后駕車人數(shù)（一段時間內(nèi)江蘇省各市） ? 其他的非觀測（潛在）因素：南京與蘇州 ? 汽車本身狀況 ? 道路質(zhì)量 ? 當(dāng)?shù)氐娘嬀莆幕? ? 單位道路的車輛密度 ? 非觀測效應(yīng)導(dǎo)致估計結(jié)果不準(zhǔn)確，面板數(shù)據(jù)可以控制和估計非觀測效應(yīng) ? 面板數(shù)據(jù)模型形式： ? 其中， i=1,2,3...N，截面標(biāo)示 。 反之 ， OLS是一致的 ， 但 GLS則不是 ? 因此 ， 在原假設(shè)下 ， 二者的參數(shù)估計應(yīng)該不會有系統(tǒng)的差異 ， 我們可以基于二者參數(shù)估計的差異構(gòu)造統(tǒng)計檢驗量 。當(dāng) H大于一定顯著水平的臨界值時，我們就認(rèn)為模型中存在固定效應(yīng)，從而選用固定效應(yīng)模型，否則選用隨機效應(yīng)模型 ? 如果 hausman檢驗值為負(fù)，說明的模型設(shè)定有問題，導(dǎo)致Hausman 檢驗的基本假設(shè)得不到滿足，遺漏變量的問題，或者某些變量是非平穩(wěn)等等 ? 可以改用 hausman檢驗的其他形式： ? hausman fe, sigmaless ? 對于固定效應(yīng)模型的異方差檢驗和序列相關(guān)檢驗： ? Xtserial gdp invest culture sci health admin techno ? 異方差檢驗： xtreg gdp invest culture sci health admin techno,fe ? xttest3 (Modified Wald statistic for groupwise heteroskedasticity in fixed effect model) ? 隨機效應(yīng)模型的序列相關(guān)檢驗： ? xtreg gdp invest culture sci health admin techno,re ? Xttest1 ? Xttest1用于檢驗隨機效應(yīng) (單尾和雙尾 ) 、一階序列相關(guān)以及兩者的聯(lián)合顯著 ? 檢驗結(jié)果表明存在隨機效應(yīng)和序列相關(guān)，而且對隨機效應(yīng)和序列相關(guān)的聯(lián)合檢驗也非常顯著 ? 可以使用廣義線性模型 xtgls對異方差和序列相關(guān)進(jìn)行修正： ? xtgls gdp invest culture sci health admin techno, panels(hetero)，修正異方差 ? xtgls gdp invest culture sci health admin techno, panels(correlated)，修正依橫截面而變化的異方差 ? xtgls gdp invest culture sci health admin techno, panels(hetero) corr(ar1)，修正異方差和一階序列相關(guān) ar(1)
高考資料相關(guān)推薦
鄂ICP備17016276號-1