【正文】 還是 T ? ? ，模型參數(shù)的混合最小二乘估計(jì)量都具有一致性。 ? + ui t 其中 ui t = ( ?i ? + ?i t) 。對上式應(yīng)用 O L S 估計(jì)，則參數(shù)估計(jì)量稱作 平均數(shù) O L S 估計(jì)量。 ? +i?上兩式相減，消去了 ?i，得 yi t iy= ( Xi t iX) 39。 個(gè)體固定效應(yīng) 模型的估計(jì)通常采用的就是 離差變換 （ w i t hi n ） O L S估計(jì)法。盡管 ?i不能被估計(jì)， ? 的估計(jì)量 是一致估計(jì)量 。但對于個(gè)體固定效應(yīng)模型，可行 G L S 估計(jì)量不是一致估計(jì)量。 m 表示被檢驗(yàn)的約束條件的個(gè)數(shù)， ? ?39。 ? + ?i t, 為例，無論是固定效應(yīng)還是隨機(jī)效應(yīng)模型， ?i都被看作是隨機(jī)變量，并都有假定條件 E( yi t ? ?i, Xi t) = ?i + Xi t 39。相當(dāng)于觀察 7 個(gè)截面散點(diǎn)圖的疊加。在打開的對話窗中可以選擇動(dòng)態(tài)預(yù)測和靜態(tài)預(yù)測。 原因是 啤酒稅之外還有許多因素 （如各州的路況、車型、交通立法等因素） 影響交通事故死亡人數(shù)。 案例 2 美國公路交通事故死亡人數(shù)與啤酒稅的關(guān)系研究 H 檢驗(yàn)的 E V i e w s 輸出 結(jié)果 比較 個(gè)體固定效應(yīng)模型 和 個(gè)體 隨機(jī) 效應(yīng)模型 ， 因?yàn)橄鄳?yīng) p 值小于 ，結(jié)論是應(yīng)該 建立 個(gè)體 固定效應(yīng)模型 。 5 . 56 . 06 . 57 . 07 . 58 . 08 . 59 . 06 . 0 6 . 5 7 . 0 7 . 5 8 . 0 8 . 5 9 . 0 9 . 5 1 0 . 0L O G ( C I N C O M E )L O G ( C f o o d )5 . 56 . 06 . 57 . 07 . 58 . 08 . 59 . 01 . 8 0 1 . 8 5 1 . 9 0 1 . 9 5 2 . 0 0 2 . 0 5 2 . 1 0 2 . 1 5 2 . 2 0 2 . 2 5 2 . 3 0l o g ( l o g ( i n c o m e ) )l o g ( f o o d ) l o g ( F o o d ) 和 l o g (in c o m e ) 的混合數(shù)據(jù)散點(diǎn)圖 lo g ( F ood) 和 lo g (lo g (i n c o m e ) ) 的散點(diǎn)圖 案例 3 ： 全國省 級地區(qū) 城鎮(zhèn)居民人均食品支出與收入的關(guān)系研究（ 1 985 ? 20 05 ） 。 下面討論用個(gè)體固定效應(yīng)回歸模型預(yù)測。在 工作文件窗口 ，點(diǎn)擊 E V i w es 主功能菜單上的 O bje ct s 鍵，選 N e w O bje ct 功能 ，從而打開 N e w O bje ct （新對象）選擇窗 。 點(diǎn)擊 OK 鍵 6 ． E V iw e s 應(yīng)用 （ 2 ） 定義 序列 名并 輸入數(shù)據(jù) 。 6 ． E V iw e s 應(yīng)用 2 ． 面板數(shù)據(jù) 模型 的 E V i w e 估計(jì)方法 ： 在打開工作文件窗口的基礎(chǔ)上，點(diǎn)擊主功能菜單 中 的 O bje ct s 鍵，選 N e w O bje ct 功能，從而打開 N e w O bje ct （新對象）選擇窗。 （ 3 ） W ei ght （權(quán)數(shù)）可以在 5 種加權(quán)方法中做選擇（見圖 13 ）。詳細(xì)步驟如下： H0: ? = 0 （有 單位根 ）； H1: ? 0 。?+1~?it? 移項(xiàng)得 ti??= ? yi t ??ikjji?1?? yi t j Zit39。 因?yàn)?L LC = 5 ， 或者說 LLC = 對應(yīng)的 p 值近似為 1 ， 所以接受原假設(shè)， 面板數(shù)據(jù)中的 1 5 個(gè)個(gè)體 存在單位根。 ) 表示標(biāo)準(zhǔn)正態(tài)分布累計(jì)函數(shù)的倒數(shù)。 8 ．面板數(shù)據(jù)模型的 協(xié)整 檢驗(yàn) （ 1 ） Pe dr oni 檢驗(yàn)。 PP C hoi 統(tǒng)計(jì)量是左單端檢驗(yàn)。 崔仁檢驗(yàn)的原假設(shè) H0是存在單位根。 ??t~= **)?(?)~(~~2?TmTmNsSTNt??????? N ( 0, 1) 其中??t表示標(biāo)準(zhǔn)的 t 統(tǒng)計(jì)量； N 是截面容量； T~ = T ???????iiNk / 1 ，（ T 為個(gè)體容量）； SN是每個(gè)個(gè)體長期標(biāo)準(zhǔn)差與新息 標(biāo)準(zhǔn)差之比的平均數(shù)； 2??是誤差項(xiàng) vit的方差；)?( ?s是??標(biāo)準(zhǔn)誤差；Tm~?和Tm~?分別是均值和標(biāo)準(zhǔn)差的調(diào)整項(xiàng)。 t = 1, 2, … , T 其中 Zit表示外生變量 （確定性變量）列向量， ? 表示回歸系數(shù)列向量。但使用的卻是ity?和ity的剔出自相關(guān)和確定項(xiàng) 影響的、標(biāo)準(zhǔn)化的代理變量。先對 Poole d E st i m at i on （混合估計(jì)）對話窗中各選項(xiàng)功能給以解釋。輸入完成后的情形見圖 6 。 打開 混合數(shù)據(jù)庫（ P ool ） 窗口 。 圖 14 是對安徽省人均食品支出的樣本內(nèi)靜態(tài)預(yù)測結(jié)果。 當(dāng)城鎮(zhèn)人均收入為 100 0 元時(shí)， 人均食品支出對人均收入 的 彈性 系數(shù) 是 0. 84 。全對數(shù) 模型 擬合的 合理 ， 但 仍屬于 非 線性 模型 。 推翻原假設(shè)，比較上述兩種模型，建立個(gè)體固定效應(yīng)模型更合理。早晨 1 ? 3 點(diǎn) 25 % 的司機(jī)飲酒。 經(jīng)濟(jì) 含義是 可 支 配收入 每增加 1 % ， 人均 消費(fèi) 增加 0 .6 9 % 。 4 ．面板數(shù)據(jù)模型檢驗(yàn)與設(shè)定方法 H ausm an 檢驗(yàn) H ausm an 檢驗(yàn) 原理 ： H0： pl i m (???~ ) = 0 ， H1： pl i m (???~ ) ? 0 離差變換 O LS 估計(jì) 可行 G LS 估計(jì) 估計(jì)量之差 個(gè)體隨機(jī)效應(yīng)回歸模型 估計(jì)量具有一致性 估計(jì)量具有一致性 小 個(gè)體固定效應(yīng)回歸模型 估計(jì)量具有一致性 估計(jì)量不具有一致性 大 面板數(shù)據(jù)模型 的 H a usm an 檢驗(yàn) 原假設(shè)與備擇假設(shè)是 H0： 個(gè)體隨機(jī)效應(yīng)回歸模型 H1： 個(gè)體固定效應(yīng)回歸模型 4 ．面板數(shù)據(jù)模型檢驗(yàn)與設(shè)定方法 H ausm an 檢驗(yàn) H ausm an 檢驗(yàn) 原理 ： H0： pl i m (???~ ) = 0 ， H1： pl i m (???~ ) ? 0 離差變換 O LS 估計(jì) 可行 G LS 估計(jì) 估計(jì)量之差 個(gè)體隨機(jī)效應(yīng)回歸模型 估計(jì)量具有一致性 估計(jì)量具有一致性 小 個(gè)體固定效應(yīng)回歸模型 估計(jì)量具有一致性 估計(jì)量不具有一致性 大 面板數(shù)據(jù)模型 的 H a usm an 檢驗(yàn) 原假設(shè)與備擇假設(shè)是 H0： 個(gè)體隨機(jī)效應(yīng)回歸模型 H1： 個(gè)體固定效應(yīng)回歸模型 199619992022安徽河北江蘇內(nèi)蒙古山西020224000600080001000012022 安徽北京福建河北黑龍江吉林江蘇江西遼寧內(nèi)蒙古山東上海山西天津浙江1996199820222022安徽福建黑龍江江蘇遼寧山東山西浙江02022400060008000100001202214000安徽北京福建河北黑龍江吉林江蘇江西遼寧內(nèi)蒙古山東上海山西天津浙江15個(gè)省級地區(qū)的人均消費(fèi)序列 15個(gè)省級地區(qū)的人均收入序列（個(gè)體） 5 ．面板數(shù)據(jù)建模案例分析 案例 1 （ f i l e: 5pa nel 02 ）： 1 996 200 2 年中國東北、華北、華東 15 個(gè)省級地區(qū)的居民家庭固定價(jià)格的人均消費(fèi)（ CP ）和人均收入（ IP ）數(shù)據(jù)見 f i l e: pane l 02 。 LR = 2 [ l og L (?~,2~?) l og L (??,2??) ] ? ? ?? m ) 其中 l ogL (?~,2~?) 表示約束模型的極大似然函數(shù)， l og L (??,2??) 表示非約束模型的極大似然函數(shù)， m 表示面板數(shù)據(jù)模型中約束條件個(gè)數(shù)。 對于第 i 個(gè)個(gè)體，當(dāng) N ? ? ， Xi ?的方差協(xié)方差矩陣仍然是 T ? T 有限階的，所以可以用以前的方法克服異方差。對其作如下變換 yi t iy??= (1 ??) ? + ( Xi t ??iX) 39。 ? + ?i t 取其滯后一期關(guān)系式 yi t 1 = ?i + Xi t 139。如果 ?i t還滿足獨(dú)立同分布條件， ? 的 離差變換 O L S 估計(jì)量不但具有一致性而且還具有有效性。 對于個(gè)體固定效應(yīng)模型來說，由于 ?i和 Xi t相關(guān)，也即 ?i和iX相關(guān)，所以，回歸參數(shù)的 平均數(shù) O L S 估計(jì)量是非一致估計(jì)量。以個(gè)體固定效應(yīng)回歸模型 yi t = ?i + Xi t 39。 3 ．面板數(shù)據(jù)模型估計(jì)方法 混合最小二乘（ P ool ed O L S ）估計(jì) 如果模型存在個(gè)體固定效應(yīng)，即 ?i與 Xi t相關(guān)，那么對模型應(yīng)用混合O L S 估計(jì)方法，估計(jì)量不再具有一致性。 混合最小二乘（ P ool ed O L S ）估計(jì) 混合 O L S 估計(jì)方法是在時(shí)間上和截面上把 NT 個(gè)觀測值混合在一起，然后用 O L S 法估計(jì)模型參數(shù)。 同理也可定義時(shí)點(diǎn)隨機(jī)效應(yīng)回歸模型和個(gè)體時(shí)點(diǎn)隨機(jī)效應(yīng)回歸模型 ，但個(gè)體隨機(jī)效應(yīng)回歸模型最為常用。 ? + ?i t, i = 1, 2, … , N 。 令 ?t = ?0 + ?2 zt， 上 式變?yōu)? yi t = ?t + ?1 xi t + ?i t, i = 1, 2, … , N 。 t = 1, 2 , … , T 以 家庭 消費(fèi)性支出 與 可支配收入 關(guān)系 為 例，省家庭平均人口數(shù)就是這樣的一個(gè)變量 ， 即 對于短期面板 ，這是一個(gè)基本不隨時(shí)間變化的量，但是對于不同的省份，這個(gè)變量的值是不同的。 （ 2 ）在 E V i e