面板數(shù)據(jù)模型-預(yù)覽頁
【正文】 b + 上式中的元素1，0都是T180。（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。 s。模型的自由度是N T –1–N。這種方法計算起來速度快。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)。（3）計算回歸模型截距項，即固定效應(yīng)參數(shù)gi。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。（4）輸出結(jié)果的聯(lián)立方程組形式可以通過點擊View選Representations功能獲得。輸出結(jié)果的方程形式是 = 安徽+ x1t = + x1t () = 北京+x2t = + x2t … () = 浙江+x15t = + x15t () R2 = , SSEr = 2270386, (88) = 從結(jié)果看，北京、上海、浙江是消費(fèi)函數(shù)截距（自發(fā)消費(fèi)）最大的3個地區(qū)。F統(tǒng)計量定義為：F== (9)其中SSEr，SSEu分別表示約束模型（混合估計模型）和非約束模型（個體固定效應(yīng)模型）的殘差平方和。 用上例計算，已知SSEr = 4824588，SSEu = 2270386，F(xiàn)==== (14, 89) = 因為F= (14, 89) = ，所以，拒絕原假設(shè)。如果確知對于不同的截面，模型的截距顯著不同，但是對于不同的時間序列（個體）截距是相同的，那么應(yīng)該建立時刻固定效應(yīng)模型，表示如下， yit = b1 xit +a1 + a2 D2 + … +aT DT +eit, i = 1, 2, …, N (10)其中Dt =eit, i = 1, 2, …, N。模型（10）也可表示為 yi1 = a1 +b1 xi1 + ei1, t = 1，（對于第1個截面），i = 1, 2, …, N yi2 = (a1 +a2) +b1 xi2 + ei2, t = 2，（對于第2個截面），i = 1, 2, …, N… yiT = (a1 +aT) +b1 xiT + eiT, t = T，（對于第T個截面），i = 1, 2, …, N如果滿足上述模型假定條件，對模型（2）進(jìn)行OLS估計，全部參數(shù)估計量都具有無偏性和一致性。以例1為例得到的時刻固定效應(yīng)模型估計結(jié)果如下： = 1996 +xi1 = + xi1 () ()= 1997 +xi2 = + + xi2 () () ()… = 2002 +xi7 = + xi7 () () () R2 = , SSEr = 4028843, (97) = 相對于混合估計模型來說，是否有必要建立時刻固定效應(yīng)模型可以通過F檢驗來完成。非約束模型比約束模型多了T1個被估參數(shù)。時刻個體固定效應(yīng)模型就是對于不同的截面（時刻點）、不同的時間序列（個體）都有不同截距的模型。 t = 1, 2, …, T)分別表示被解釋變量和解釋變量。以例1為例得到的截面、時刻固定效應(yīng)模型估計結(jié)果如下：圖14EViwes估計方法：在Pooled Estimation（混合估計）窗口中的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? 和虛擬變量D1997, D1998, D1999, D2000, D2001, D2002；在Cross section specific coefficients（截面系數(shù)不同）選擇窗保持空白；在Intercept（截距項）選擇窗中選Fixed effects；在Weighting（權(quán)數(shù)）選擇窗點擊No weighting。輸出結(jié)果如下： = 1996 + x11 = + x11， （1996年安徽省） = 1996 + x21 = + ， （1996年北京市）… = 1997 + x11 = + x11， （1997年安徽省） = 1997 + x21 = + + ， （1997年北京市）… = 2002 ++x15,7 = ( +) + x15,1，（2002年浙江?。㏑2 = , SSEr = 2045670, (83) = 相對于混合估計模型來說，是否有必要建立時刻個體固定效應(yīng)模型可以通過F檢驗來完成。非約束模型比約束模型多了N+T個被估參數(shù)。也可以通過對誤差項的分解來描述這種信息的缺失。上述模型稱為隨機(jī)效應(yīng)模型。假定固定效應(yīng)模型中的截距項包括了截面隨機(jī)誤差項和時間隨機(jī)誤差項的平均效應(yīng)，而且對均值的離差分別是ui和vt，固定效應(yīng)模型就變成了隨機(jī)效應(yīng)模型。 j, t 185。服從正態(tài)分布的截距項的均值效應(yīng)au被包含在回歸函數(shù)的常數(shù)項中。) = =sw2 I(T180。其中I(T180。1)階列向量。W其中IN180。196。B =檢驗個體隨機(jī)效應(yīng)的原假設(shè)與檢驗統(tǒng)計量是H0：su2 = 0。表示由混合估計模型計算的殘差平方和。為了求權(quán)數(shù)，必須采用兩階段最小二乘法估計。如果隨機(jī)誤差分量服從的是正態(tài)分布，模型的參數(shù)還可以用極大似然法估計。假定截面截距和時間截距都是隨機(jī)的。隨機(jī)效應(yīng)模型和固定效應(yīng)模型哪一個更好些？實際是各有優(yōu)缺點。此外，固定效應(yīng)模型不要求誤差項中的個體效應(yīng)分量與模型中的解釋變量不相關(guān)。點擊Pooled Estimation（混合估計）窗口中的OK鍵。首先建立工作文件。在窗口中輸入15個地區(qū)的標(biāo)識AH（安徽）、BJ（北京）、…、ZJ（浙江），如圖20。輸入完成后的情形見圖22。 圖21 圖22 （3）估計模型圖23點擊Estimation鍵，隨后彈出Pooled Estimation（混合估計）對話窗（見圖23）。Balanced Sample（平衡樣本）選擇塊：點擊挑勾后表示用平衡數(shù)據(jù)估計。Weighting（權(quán)數(shù)）選擇窗：從中可以選No weighting（等權(quán)估計）、Cross section weights（按截面取權(quán)數(shù)）、SUR（似不相關(guān)回歸）、iterate to convergence（迭代至收斂）。用EViwes可以估計固定效應(yīng)模型（包括個體固定效應(yīng)模型、時刻固定效應(yīng)模型和時刻個體固定效應(yīng)模型3種）、隨機(jī)效應(yīng)模型、帶有AR(1)參數(shù)的模型、截面不同回歸系數(shù)也不同的面板數(shù)據(jù)模型。注意：如果把解釋變量填入Cross section specific coefficients選擇窗中，將會得到很多的回歸參
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1