【正文】
方差。 案例 2 美國(guó)公路交通事故死亡人數(shù)與啤酒稅的關(guān)系研究 按 個(gè)體固定效應(yīng) 回歸 模型估計(jì) ( f i l e: 5p anel 01 c h8 po ol 1 , pool 1 ) ?n u mb e r it = + … 0 .66 b eer t ax it ( ) ( 3 .5) R2 = 0 .91, SS E =10. 35 案例 3 : 全國(guó)省 級(jí)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 ) 。 建立個(gè)體時(shí)間雙 固定效應(yīng) 模型比混合 模型合理。 案例 2 美國(guó)公路交通事故死亡人數(shù)與啤酒稅的關(guān)系研究 按個(gè)體時(shí)間雙固定效應(yīng)模型估計(jì) itb e rmnu ?= + … 0. 646 b eer t ax it ( ) ( 3. 25) SSE = 用 F 檢驗(yàn)判斷應(yīng)該建立混合模型還是個(gè)體時(shí)間雙固定效應(yīng)模型。 H0: ?i = ? (混合模型) H1: ?i各不相同( 個(gè)體固定效應(yīng) 模型) F = )1/(/)(???NNTR SSNR SSR SSuur=)49336/()148/()(????? 因?yàn)?F = F0. 05 ( 47, 2 87) = 1. 4 , ( p 值小于 )。 從面板理論上說(shuō),不知 混合回歸 模型 是不是最優(yōu)的模型形式。 1 .01 .52 .02 .53 .03 .54 .04 .50 .0 0 .4 0 .8 1 .2 1 .6 2 .0 2 .4 2 .8B E E R 8 2VFR82V F R 8 2 v s . B E E R 8 2 1 . 21 . 62 . 02 . 42 . 83 . 23 . 60 . 0 0 . 4 0 . 8 1 . 2 1 . 6 2 . 0 2 . 4B E E R 8 8VFR88V F R 8 8 v s . B E E R 8 80 . 51 . 01 . 52 . 02 . 53 . 03 . 54 . 04 . 50 . 0 0 . 4 0 . 8 1 . 2 1 . 6 2 . 0 2 . 4 2 . 8B E E R T A XVFR 1982 年數(shù)據(jù)的 估計(jì)結(jié)果 ?n u mb e r 1982 = + 0. 15 b eer t ax1982 1988 年數(shù)據(jù)的估計(jì)結(jié)果 ?n u mb e r 1988 = + 0. 44 b eer t ax1988 1982 ? 19 88 年 混合數(shù)據(jù)估計(jì)結(jié)果?n u mb e r 1982 ? 1988 = + 6 beer t ax1982 ? 1988 ( 4 ) ( ) S SE = 5 顯然以上 三種估計(jì)結(jié)果都不可靠(回歸參數(shù)符號(hào)不對(duì))。飲酒司機(jī)出交通事故數(shù)是不飲酒司機(jī)的 13 倍。這個(gè)比率在飲酒高峰期會(huì)上升。 8 . 0 88 . 1 28 . 1 68 . 2 08 . 2 48 . 2 88 . 3 28 . 3 68 . 4 08 . 4 48 . 4 81 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2L N C P A HL N C P A H ( B a s e l i n e ) 8 . 58 . 68 . 78 . 88 . 99 . 09 . 19 . 29 . 31 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2L N C P B JL N C P B J ( B a s e l i n e ) 不帶 A R ( 1) 項(xiàng)的個(gè)體固定效應(yīng) 模型 樣本內(nèi)靜態(tài) 預(yù)測(cè)結(jié)果 8 . 0 88 . 1 28 . 1 68 . 2 08 . 2 48 . 2 88 . 3 28 . 3 68 . 4 08 . 4 48 . 4 81 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2L N C P A HL N C P A H ( B a s e l i n e ) 8 . 58 . 68 . 78 . 88 . 99 . 09 . 19 . 29 . 31 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2L N C P B JL N C P B J ( B a s e l i n e ) 帶 A R ( 1) 項(xiàng)的個(gè)體固定效應(yīng) 模型 樣本內(nèi)靜態(tài) 預(yù)測(cè)結(jié)果 案例 2 美國(guó)公路交通事故死亡人數(shù)與啤酒稅的關(guān)系研究 見(jiàn) S t ock J H and M W W at son, I ntr oducti on to E co n om et ri cs , A dd i son W es l ey , 2022 第 8 章。點(diǎn)擊 sol ve 鍵。 5 .面板數(shù)據(jù)建模案例分析 案例 1 : 個(gè)體固定效應(yīng)回歸模型的預(yù)測(cè) 。 5 .面板數(shù)據(jù)建模案例分析 最后 確定 的 模型 形式是 個(gè)體固定效應(yīng)模型 。 2 00 03 00 04 00 05 00 06 00 07 00 08 00 09 00 01 00 001 10 002 00 0 4 00 0 6 00 0 8 00 0 1 00 00 1 20 00 1 40 00I P C R O S SC P 1 9 9 6C P 1 9 9 7C P 1 9 9 8C P 1 9 9 9C P 2 0 0 0C P 2 0 0 1C P 2 0 0 2I P7 . 88 . 08 . 28 . 48 . 68 . 89 . 09 . 29 . 48 . 0 8 . 2 8 . 4 8 . 6 8 . 8 9 . 0 9 . 2 9 . 4 9 . 6L O G ( I P C R O S S )L O G ( C P 1 9 9 6 )L O G ( C P 1 9 9 7 )L O G ( C P 1 9 9 8 )L O G ( C P 1 9 9 9 )L O G ( C P 2 0 0 0 )L O G ( C P 2 0 0 1 )L O G ( C P 2 0 0 2 ) 人均消費(fèi)對(duì)收入的面板數(shù)據(jù)散點(diǎn)圖 對(duì)數(shù)的 人均消費(fèi)對(duì)收入的面板數(shù)據(jù)散點(diǎn)圖 5 .面板數(shù)據(jù)建模案例分析 個(gè)體固定效應(yīng)模型估計(jì)結(jié)果如下: Ln CPi t = + 0. 8925 Ln IPi t + ?i t ( 5 .4) ( 6 ) R2 = 9, D W = 1. 5 5 .面板數(shù)據(jù)建模案例分析 混合模型與個(gè)體固定效應(yīng)模型比較,應(yīng)該建立個(gè)體固定效應(yīng)模型。 圖 中每一種符號(hào)代表一個(gè)年度的截面散點(diǎn)圖(共 7 個(gè)截面)。數(shù)據(jù)是 7年的,每一年都有 15 個(gè)數(shù)據(jù),共 105 組觀測(cè)值。 判別規(guī)則是, 若 F F? ( m , N ? T k ) ,約束條件成立,若 F ? F? ( m , N ? T k ) ,約束條件不成立。 ? 下面介紹兩種檢驗(yàn)方法, F 檢驗(yàn)和 H a usm an 檢驗(yàn)。以個(gè)體隨機(jī)效應(yīng)模型 yi t = ?i + Xi t 39。 判別規(guī)則是, 若 F ? ?? ( m ) ,約束條件成立,若 F ? ? ?? ( m ) ,約束條件不成立。 判別規(guī)則是, 若 F F? ( m , N ? T k ) ,約束條件成立,若 F ? F? ( m , N ? T k ) ,約束條件不成立。)()()(?)?()?(?)?())?((mkkkkm ??????????????????????????????fV a rffV a r。)1( )?())?(()?(?????mmmmW ??? ffV arf ? ? ?? m ) 其中 f ( ? ) 表示由約束條件組成的列向量。采用 G MM 方法還可以得到更有效的估計(jì)量。 為了得到正確的統(tǒng)計(jì)推斷,需要克服這兩個(gè)因素。 3 .面板數(shù)據(jù)模型估計(jì)方法 面板數(shù)據(jù)模型估計(jì)量的穩(wěn)健統(tǒng)計(jì)推斷。 對(duì)于隨機(jī)效應(yīng)模型,可行 G L S 估計(jì)量不但是一致估計(jì)量,而且是有效估計(jì)量 , E V i w es 中對(duì)隨機(jī)效應(yīng) 模型 采用的就是可行( f ea si bl e ) G L S 估計(jì)法 。 ? + vi t 其中 vi t = ( 1 ??) ?i + ( ?i t ??i?) 漸近服從獨(dú)立同分布, ? = 1 22??????T?,應(yīng)用 O L S 估計(jì),則所得估計(jì)量稱(chēng)為 隨機(jī)效應(yīng)估計(jì)量或可行 G L S 估計(jì)量。 ? + ?i中 ?i, ?i t服從獨(dú)立同分布。 在 T 2 , ?i t獨(dú)立 同分布條件下得到的 ? 的一階差分 O L S 估計(jì)量不如離差變換 O L S 估計(jì)量有效 。 t = 1, 2, … , T 對(duì)上式應(yīng)用 O L S 估計(jì)得到的 ? 的估計(jì)量稱(chēng)作 一階差分 O L S 估計(jì)量 。 ? + ?i t 1 上兩式相減,得一階差分模型( ?i被消去) yi t yi t 1 = ( Xi t Xi t 1) 39。具體 步驟是,對(duì)個(gè)體固定效應(yīng)回歸模型 yi t = ?i + Xi t 39。 時(shí)點(diǎn) 固定效應(yīng) 模型 不能 采用 離差變換 ( w i t hi n ) O L S 估計(jì)法。比如 Xi t = Xi(非時(shí)變變量),那么有iX= Xi,計(jì)算離差時(shí)有 Xi iX= 0 。 離差 變換 ( w ithi n ) OL S 估計(jì) 如果對(duì)固定效應(yīng) ?i感興趣,也可按下式估計(jì) ?i: i??=iyiX39。 對(duì)于個(gè)體固定效應(yīng)回歸模型, ? 的 離差變換 O L S 估計(jì)量是一 致估