【文章內(nèi)容簡介】 高居民的生活成本，使消費者面對商品尤其是價格彈性較大的商品望而卻步，或壓縮購置計劃、壓縮消費需求，或者購買計劃延后執(zhí)行，或者將資金轉(zhuǎn)向儲蓄或投資。居民價格水平下降，使得居民生活水平增加，會減少同等價值的實物消費，損害消費者的利益。紂憂蔣氳頑薟驅(qū)藥憫騖。中國編制的價格指數(shù)主要有：工業(yè)品出廠價格指數(shù)；農(nóng)副產(chǎn)品收購價格指數(shù)；工農(nóng)產(chǎn)品比價指數(shù)；農(nóng)村工業(yè)品零售價格指數(shù)；國營商業(yè)零售牌價指數(shù)；集市貿(mào)易價格指數(shù)；全社會零售物價指數(shù)；職工生活費用價格指數(shù)，等等。穎芻莖蛺餑億頓裊賠瀧。 面板數(shù)據(jù)的概述 所謂“平行數(shù)據(jù)”，也被翻譯成“面板數(shù)據(jù)”，指在時間序列上取多個截面，在這些截面上同時選取本觀測值所構成的樣本數(shù)據(jù)。在經(jīng)濟學研究和實際應用中，我們經(jīng)常需要同時分析和比較橫截面觀測值和時間序列觀察值結合起來的數(shù)據(jù)，即：數(shù)據(jù)集中的變量同時含有橫截面和時間序列信息。這種數(shù)據(jù)被稱為面板數(shù)據(jù)（panel data）這與純粹的橫截面數(shù)據(jù)和時間序列數(shù)據(jù)有著不同的特點。簡單地講，面板數(shù)據(jù)因同時含有時間序列數(shù)據(jù)和截面數(shù)據(jù)，所以其統(tǒng)計性質(zhì)既帶有時間序列的性質(zhì)，又包含一定的橫截面特點。濫驂膽閉驟羥闈詔寢賻。 面板數(shù)據(jù)通常分為兩類： 由個體調(diào)查數(shù)據(jù)得到的面板數(shù)據(jù)通常被稱為微觀面板（micro panels）。微觀面板數(shù)據(jù)的特點是個體數(shù)N較大（通常是幾百或幾千個）而時期數(shù)T較短（最少是2年，最長不超過10年或20年）。銚銻縵嚌鰻鴻鋟謎諏涼。 由一段時期內(nèi)不同國家的數(shù)據(jù)得到的面板數(shù)據(jù)通常被稱為宏觀面板（macro panels）。這類數(shù)據(jù)一般具有適度規(guī)模的個體N（從7到100或200不等，如七國集團，OECD，歐盟，發(fā)達國家或發(fā)展中國家），時期數(shù)T一般在20年到60年之間。擠貼綬電麥結鈺贖嘵類。 因數(shù)據(jù)結構上的區(qū)別，微觀面板與宏觀面板要求使用不同的計量方法。：微觀面板必須研究T固定而N較大的漸進特性，而宏觀面板的漸進特性則是指T和N都較大的情況。：對于宏觀面板，當時間序列較長時需要考慮吧數(shù)據(jù)的非平穩(wěn)問題，如單位根、結構突變以及協(xié)整等；而微觀面板不需要處理非平穩(wěn)問題，特別是每個家庭或個體時期數(shù)T較短時。：在處理宏觀面板時必須考慮國家之間的相關性，而在微觀面板中，如果個體是隨機抽樣產(chǎn)生，則個體之間不大可能存在相關性，因此不需要考慮此問題。賠荊紳諮侖驟遼輩襪錈。 Hsiao(2003)列出了使用面板數(shù)據(jù)的一些優(yōu)點。（1） 可以控制個體差異。面板數(shù)據(jù)表明個體之間都存在差異性。時間序列和橫截面分析沒有控制這種差異性，因而其結果很有可能是有偏的。塤礙籟饈決穩(wěn)賽釙冊庫。（2） 面板數(shù)據(jù)模型容易避免多重共線性問題。面板數(shù)據(jù)具有更多的信息，更大的變異，變量間更弱的共線性，更大的自由度以及更高的效率。裊樣祕廬廂顫諺鍘羋藺。（3） 面板數(shù)據(jù)更適合于研究動態(tài)調(diào)整過程。（4） 面板數(shù)據(jù)還可以識別、測量單純使用橫截面或時間序列數(shù)據(jù)無法估計的影響。（5） 與純橫截面數(shù)據(jù)或時間序列數(shù)據(jù)相比，面板數(shù)據(jù)模型允許我們構建并檢驗更復雜的行為模型。（6） 基于個體、企業(yè)或家庭所搜集的微觀面板數(shù)據(jù)與在宏觀層次上所收集的類似變量相比更加準確，而且還可能消除企業(yè)或個體數(shù)據(jù)加總所導致的偏倚。倉嫗盤紲囑瓏詁鍬齊驁。（7） 一般宏觀面板數(shù)據(jù)中時間序列的時期數(shù)較長，而且與時間序列分析中進行單位根檢驗遇到的非標準分布問題不同，面板單位根檢驗通常具有標準的漸進分布。綻萬璉轆娛閬蟶鬮綰瀧。面板數(shù)據(jù)的局限性包括：（1） 圍觀調(diào)查面板數(shù)據(jù)極少。（2） 測量誤差的扭曲嚴重。（3） 面板數(shù)據(jù)調(diào)查的樣本選擇問題。自選擇、未回答、非隨機樣本流失等。（4） 時間維度短。微觀面板通常是年度數(shù)據(jù)，每個個體的時期數(shù)較短。因為，主要依賴個體數(shù)趨于無窮進行漸進的統(tǒng)計分析。驍顧燁鶚巰瀆蕪領鱺賻。（5） 截面相關性。國家或地區(qū)的宏觀面板數(shù)據(jù)，如果時間序列較長而且沒有考慮到國家之間的相關性就會導致錯誤的推斷結論。事實上，考慮截面相關非常重要，而且會影響到統(tǒng)計推斷的結論。為此，人們也提出了考慮這種相關性的面板單位根檢驗方法?，嶀暈R曖惲錕縞馭篩涼。 面板數(shù)據(jù)模型的概述 研究和分析面板數(shù)據(jù)的模型被稱為面板數(shù)據(jù)模型（panel data model）。它的變量取值都帶有時間序列和橫截面的兩重性。一般的線性模型只單獨處理截面數(shù)據(jù)和時間序列數(shù)據(jù)，而不能同時分析和對比它們。面板數(shù)據(jù)模型，相對于一般的線性回歸模型，其長處在于它既考慮到了橫截面數(shù)據(jù)存在的共性，又能分析模型中橫截面因素的個體特殊效應。當然，我們也可以將橫截面數(shù)據(jù)簡單地堆積起來用回歸模型來處理，但這樣做就喪失了分析個體特殊效應的機會。鎦詩涇艷損樓紲鯗餳類。 面板數(shù)據(jù)模型的一般形式為：， 其中，是一個向量，是一個向量，k是解釋變量的數(shù)目。T是時期總數(shù)，隨機干擾項互相獨立，且滿足零均值，等方差。櫛緶歐鋤棗鈕種鵑瑤錟。 根據(jù)截距項系數(shù)向量中各分量的不同限制，可將面板數(shù)據(jù)分為三種類型。模型常用的有如下三種情形： 情形1： ，模型為：對于情形1，回歸斜率系數(shù)和截距都相同，即在橫截面上無個體影響，也無結構變化，則普通最小二乘估計給出了和的一致有效估計，相當于將多個時期的截面數(shù)據(jù)放在一起作為樣本數(shù)據(jù)。因此該模型也被稱為聯(lián)合回歸模型或混合模型。轡燁棟剛殮攬瑤麗鬮應。 情形2： ，模型為：對于情形2，回歸斜率系數(shù)相同但截距不同，這時的模型成為變截距模型（panel data model with wariable intercept），在橫截面上的個體影響不同，個體影響表現(xiàn)為模型中被忽略的反映個體差異的變量的影響，又分為固定影響（fixedeffect）和隨機影響（randomeffect）兩種情況。峴揚斕滾澗輻灄興渙藺。固定效應模型為：是對每一個個體的是固定常數(shù)，代表個體的特殊效應，也反應了個體間的差異。而固定效應模型也被稱為最小二乘虛擬變量模型或虛擬變量模型。詩叁撻訥燼憂毀厲鋨驁。隨機效應模型可以表達如下：，是一個隨機變量，代表個體的隨機效應。由于模型的誤差項為兩種隨機誤差之和，所以也被稱為誤差構成模型。 情形3： ，模型為： 對于情形3，這時的模型稱為變系數(shù)模型（panel data model with variable coefficient），該模型假設個體成員即存在個體影響，又存在結構變化。即在允許個體影響由變化的截距項來說明，同時還允許依個體成員的不同而變化，用以說明個體成員之間的結構變化。除了存在個體影響外，在橫截面上還存在變化的經(jīng)濟結構，因而結構參數(shù)在不同橫截面單位上是不同的。典型的平行數(shù)據(jù)是橫截面單位較多而時期較少的數(shù)據(jù)。這樣，該技術主要集中于橫截面的變化或異方差。該模型也分為固定影響和隨機影響兩種情況。則鯤愜韋瘓賈暉園棟瀧。 各類檢驗 我們需要對面板回歸模型的計量問題進行檢驗，來確定我們合意的模型，并對估計進行修正，得到可靠的估計值。 混合回歸模型對隨機效應模型 混合數(shù)據(jù)分析依賴于這樣的假定，也就是變量之間（用X表示解釋變量，用Y表示被解釋變量）的關系部隨橫截面或時間變化而