【正文】 三條豎線對應(yīng)的是葡萄牙，因為其對應(yīng)的第 5個概率值最大，所以它選擇超級固定匯率制度 。 0 . 00 . 20 . 40 . 60 . 81 . 02 . 4 2 . 8 3 . 2 3 . 6 4 . 0 4 . 4 4 . 8 5 . 2I N T E N TE R P O L I 1E R P O L I 2E R P O L I 3E R P O L I 4E R P O L I 56．面板數(shù)據(jù)模型 面板數(shù)據(jù) 模型 固定效應(yīng)回歸模型： 個體固定效應(yīng) 模型 、 時點固定效應(yīng) 模型 、 雙固定效應(yīng) 模型 。 面板單位根檢驗方法： L L C 檢驗、 H adri 檢驗 IP S 檢驗、崔仁檢驗 。 隨機效應(yīng)回歸模型： 個體隨機效應(yīng) 模型 、 時點隨機效應(yīng) 模型 、 雙隨機效應(yīng) 模型 。 面板數(shù)據(jù)協(xié)積分析： Pedr oni 、 K a o 、 Fis her 協(xié)積檢驗 混合回歸模型 模型的檢驗方法： F 、 ?2檢驗 ， H ausm an 檢驗 。 模型的 估計 方法： 混合 O L S 估計，平均（ b e t w een ） O L S 估計 離差（ w i t hi n ） O L S 估計，一階差分 O L S 估計 可行 G L S （ f e asi bl e G L S ）估計法 。 面板數(shù)據(jù)示意圖 面板數(shù)據(jù)散點圖 01 00 02 00 03 00 04 00 05 00 00 4 00 0 8 00 0 1 20 00 1 60 00 2 00 00IN C O M EF O O D6． 面板數(shù)據(jù)模型 混合回歸模型（ Pooled model） 如果一個面板數(shù)據(jù)模型定義為 ， yit = ? + Xit 39。? +?it, i = 1, 2, …, N。 t = 1, 2, …, T 其中 yit為被回歸變量（標(biāo)量）， ?表示截距項， Xit為 k ?1階回歸變量列向量（包括 k個回歸量）， ?為 k ?1階回歸系數(shù)列向量， ?it為誤差項（標(biāo)量）。則稱此模型為混合回歸模型?；旌匣貧w模型的特點是無論對任何個體和截面，回歸系數(shù) ?和 ?都相同。 個體固定效應(yīng)回歸模型（ entity fixed effects model） 如果一個面板數(shù)據(jù)模型定義為， yit = ?i + Xit 39。? +?it, i = 1, 2, …, N。 t = 1, 2, …, T 其中 ?i是隨機變量，表示對于 i個個體有 i個不同的截距項，且其變化與 Xit有關(guān)系； yit為被回歸變量（標(biāo)量）， ?it為誤差項（標(biāo)量）， Xit為 k ?1階回歸變量列向量（包括 k個回歸量）， ?為 k ?1階回歸系數(shù)列向量，對于不同個體回歸系數(shù)相同，則稱此模型為個體固定效應(yīng)回歸模型。 個體隨機效應(yīng)回歸模型（ entity random effects model） 對于面板數(shù)據(jù)模型 yit = ?i + Xit39。? +?it, i = 1, 2, …, N。 t = 1, 2, …, T 如果 ?i為隨機變量，其分布與 Xit無關(guān)； yit為被回歸變量（標(biāo)量）， ?it為誤差項（標(biāo)量）， Xit為 k ?1階回歸變量列向量（包括 k個回歸量）， ?為 k ?1階回歸系數(shù)列向量，對于不同個體回歸系數(shù)相同，這種模型稱為個體隨機效應(yīng)回歸模型（隨機截距模型、隨機分量模型）。 面板數(shù)據(jù)模型估計方法 ? 混合最小二乘 （ Pooled OLS） 估計 （適用于混合模型） ? 平均數(shù) （ between） OLS估計 （適用于混合模型和個體隨機效應(yīng)模型） ? 離差變換 （ within） OLS估計 （適用于個體固定效應(yīng)回歸模型） ? 一階差分 （ first difference） OLS估計 （適用于個體固定效應(yīng)模型） ? 可行 GLS（ feasible GLS） 估計 （適用于隨機效應(yīng)模型） 面板數(shù)據(jù)模型的檢驗方法 F 檢驗 H0： ?i =?。模型中不同個體的截距相同 （真實模型為混合回歸模型）。 H1：模型中不同個體的截距項 ?i不同 （真實模型為個體固定效應(yīng)回歸模型）。 F 統(tǒng)計量定義為： F = ? F( m , T – k ) F 臨界值，推翻原假設(shè)， F 臨界值，接受原假設(shè)。 )/()/()(kNNTS S ENS S ES S Euur???? 1 Hausman檢驗 H0: 個體隨機效應(yīng)回歸模型 H1: 個體固定效應(yīng)回歸模型 H 臨界值，建立個體固定效應(yīng)； H 臨界值，建立個體隨機效應(yīng)回歸模型。 面板數(shù)據(jù)模型的檢驗方法 H = ( ?? ?~ ) 39。 ( )~(??V a r )?(??V a r ) 1 ( ?? ?~ ) 離差變換 O LS 估計 可行 G LS 估計 估計量 之差 個體隨機效應(yīng)回歸模型 估計量具有一致性 估計量具有一致性 小 個體固定效應(yīng)回歸模型 估計量具有一致性 估計量不具有一致性 大 01 00 02 00 03 00 04 00 05 00 00 4 00 0 8 00 0 1 20 00 1 60 00 2 00 00IN C O M EF O O D1985?2022年（ 21年）全國 28個省級地區(qū)（不包括西藏、新疆和重慶市）城鎮(zhèn)居民人均食品支出與收入 588組觀測值散點圖 案例：全國城鎮(zhèn)居民人均食品支出與收入面板數(shù)據(jù)研究 案例：全國城鎮(zhèn)居民人均食品支出與收入面板數(shù)據(jù)研究 20 00 10 0001 00 02 00 03 00 04 00 05 00 00 4 00 0 8 00 0 1 20 00 1 60 00 2 00 00I 1F1F 1 v s . I n v e r s e o f I 101 00 02 00 03 00 04 00 05 00 00 4 00 0 8 00 0 1 20 00 1 60 00 2 00 00I 1F1F 1 v s . P o l y n o m i a l ( d e g r e e = 2 ) o f I 1 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 . 80 1 . 85 1 . 90 1 . 95 2 . 00 2 . 05 2 . 10 2 . 15 2 . 20 2 . 25 2 . 30L O G ( L O G ( I N C O M E ) )L O G ( F O O D ) 倒數(shù)函數(shù)擬合 2次多項式函數(shù)擬合 log(Food) 對 log(ine) 散點圖 log(Food) 對 log(log(ine) ) 散點圖 用 個體固定效應(yīng)回歸模型 的估計結(jié)果如下： logfood = + log(logine) （ ） （ ） R2 = ， DW= ， N?T= 28?21 = 588 案例：全國城鎮(zhèn)居民人均食品支出與收入面板數(shù)據(jù)研究 F 檢驗結(jié)果 顯示混合模型與個體固定效應(yīng)模型相比較， 應(yīng)該建立個體固定效應(yīng)模型 。 案例：全國城鎮(zhèn)居民人均食品支出與收入面板數(shù)據(jù)研究 Hausman 檢驗結(jié)果 顯示個體隨機效應(yīng)模型與個體固定效應(yīng)模型相比較，應(yīng)該建立個體固定效應(yīng)模型 。 建立帶有兩個誤差自回歸項的個體固定效應(yīng)模型如下： l ogf ood = 4 .978 4 + … + 5. 8147 l og ( l ogi n co m e ) +1. 009 3 A R ( 1) 349 A R ( 2) （ ） （ 86. 4 ） （ ） （ ） R2 = 95 ， D W =2. 2, N ? T= 5 32 上式 兩側(cè)求 導(dǎo) ，ttttti n c o m ed f i n c o m ei n c o m el o gf o o dd f o o d 1? 得彈性函數(shù)， ttttti n c o m elogi n c o m ed f i n c o m ef o o dd f o o d 18 1 4 ? 上式說明 人均食品支出對人均收入 的彈性系數(shù)是隨著 城鎮(zhèn)人均收入 的增加而減小。 當(dāng)城鎮(zhèn)人均收入為 10 00 元時， )1000(1 ??l o gi n c o m ed f i n c o m ef o o dd f o o dtttt 人均食品支出對人均收入 的 彈性 系數(shù) 是 0. 84 。當(dāng)城鎮(zhèn)人均收入增長到 1 50 00 元時， )1 5 0 0 0(18 1 4 ??l o gi n co m ed f i n co m ef o o dd f o o dtttt 人均食品支出對人均收入 的 彈性 系數(shù) 下降到 0. 6 0 。城鎮(zhèn) 人均 食品 支出對 人均收入的 彈性 系數(shù)隨著人均收入的提高而遞減。 05 0 01 0 0 01 5 0 02 0 0 02 5 0 03 0 0 086 88 90 92 94 96 98 00 02 04F O O D A N H F O O D A N H F01 0 0 02 0 0 03 0 0 04 0 0 05 0 0 086 88 90 92 94 96 98 00 02 04F O O D B E J F O O D B E J F 安徽省城鎮(zhèn)人均食品支出的樣本內(nèi)靜態(tài)預(yù)測結(jié)果 北京市人均食品支出的樣本內(nèi)靜態(tài)預(yù)測結(jié)果 案例：全國城鎮(zhèn)居民人均食品支出與 收入面板數(shù)據(jù)研究 面板數(shù)據(jù)的單位根檢驗（相同根情形） 1． Quah檢驗（ 1990） 2． LL（ LevinLin）檢驗（ 1992） 3． LLC（ LevinLinChu）檢驗（ 2022） 4． Breitung檢驗（ 2022） 5． Hadri檢驗 6． AbuafJorion檢驗（ 1990）， JorionSweeney檢驗（ 1996） 7． BaiNg檢驗（ 2022）， MoonPerron檢驗（ 2022） 8． IPS（ ImPesaranShin）檢驗（ 1997,2022） 面板數(shù)據(jù)的單位根檢驗（不同根情形） 9． MW（ MaddalaWu）檢驗（ 1997） 10．崔仁（ In Choi）檢驗（ 2022） 11． Vanessa（ Vanessa et al.）檢驗（ 2022） 12． TaylorSarno檢驗（ 1998） 面板數(shù)據(jù)的協(xié)積（協(xié)整）檢驗 Pedroni 協(xié)積檢驗： 以 EngleGranger協(xié)積檢驗方法為基礎(chǔ)構(gòu)造檢驗統(tǒng)計量，標(biāo)準(zhǔn)化以后漸近服從標(biāo)準(zhǔn)正態(tài)分布。（ 1999, 2022） Kao協(xié)積檢驗： 以 EngleGranger協(xié)積檢驗方法為基礎(chǔ)構(gòu)造檢驗統(tǒng)計量，標(biāo)準(zhǔn)化以后漸近服從標(biāo)準(zhǔn)正態(tài)分布。（ 1999） Fisher 個體聯(lián)合協(xié)積檢驗 （ bined individual test）：用個體的協(xié)積檢驗值構(gòu)造一個服從 ?2分布的累加統(tǒng)計量檢驗面板數(shù)據(jù)的協(xié)積性。(Maddala and Wu 1999) 謝謝 .