【正文】
f f e c ts m od e l )。假定有面板數(shù)據(jù)模型 yi t = ?0 + ?1 xi t + ?2 zi + ?i t, i = 1, 2, … , N 。 上述模型可以被解釋為含有 N 個截距,即每個個體都對應一個不同截距的模型。 t = 1, 2 , … , T 以 家庭 消費性支出 與 可支配收入 關系 為 例,省家庭平均人口數(shù)就是這樣的一個變量 , 即 對于短期面板 ,這是一個基本不隨時間變化的量,但是對于不同的省份,這個變量的值是不同的。 時點固定效應 模型( tim e f ixed ef f e c ts m od e l ) 如果一個 面板數(shù)據(jù) 模型定義為, yi t = ?t + Xi t 39。 Xi t為 k ? 1 階回歸變量列向量(包括 k 個回歸變量), ? 為 k ? 1 階回歸系數(shù)列向量,則稱此模型為時點 固定效應 模型。 假定有面板數(shù)據(jù)模型 yi t = ?0 + ?1 xi t + ?2 zt + ?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 。對于每個截面,回歸函數(shù)的斜率相同(都是 ?1), ?t卻因截面(時點)不同而異。 ?t是一個隨機變量。 對于不同時點,這是一個變化的量,但是對于不同省份(個體),這是一個不變化的量。 ? + ?i t, i = 1, 2, … , N 。 如果模型形式是正確設定的,并且滿足模型通常的假定條件,對模型進行 混合 O L S 估計,全部參數(shù)估計量都是不一致的 。 隨機效應模型 對于面板數(shù)據(jù)模型 yi t = ?i + Xi t39。 t = 1 , 2, … , T 如果 ?i為隨機變量,其分布 與 Xi t無關; Xi t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, yi t為被回歸變量(標量), ?i t為誤差項(標量), 這種模型稱為個體隨機效應回歸模型(隨機截距模型、隨機分量模型)。 同理也可定義時點隨機效應回歸模型和個體時點隨機效應回歸模型 ,但個體隨機效應回歸模型最為常用。 ? ,對 yi t可以識別。 注意: 術語 “ 隨機 效應模型” 和“ 固定效應模型 ” 用得并不十分恰當 。 因為固定效應模型和隨機效應模型中的 ?i都是隨機變量。 混合最小二乘( P ool ed O L S )估計 混合 O L S 估計方法是在時間上和截面上把 NT 個觀測值混合在一起,然后用 O L S 法估計模型參數(shù)。 ? + ?i t, i = 1, 2, … , N 。那么無論是 N ? ? ,還是 T ? ? ,模型參數(shù)的混合最小二乘估計量都具有一致性。 NT 個相關觀測值要比 NT 個相互獨立的觀測值包含的信息少。 3 .面板數(shù)據(jù)模型估計方法 混合最小二乘( P ool ed O L S )估計 如果模型存在個體固定效應,即 ?i與 Xi t相關,那么對模型應用混合O L S 估計方法,估計量不再具有一致性。 ? + ?i t,但卻當作混合模型來估計參數(shù),則模型 寫為 yi t = ? + Xi t 39。 ? + ui t 其中 ui t = ( ?i ? + ?i t) 。 平均 數(shù) ( b e tw e e n ) OL S 估計 平均數(shù) O L S 估計法的步驟是 首先對面板數(shù)據(jù) 中的每個個體求平均數(shù),共得到N 個平均數(shù)(估計值)。以個體固定效應回歸模型 yi t = ?i + Xi t 39。? +i?, i = 1, 2, … , N 變換上式 :iy= ? +iX39。對上式應用 O L S 估計,則參數(shù)估計量稱作 平均數(shù) O L S 估計量。 如果iX與 ( ? i ? +i?) 相互獨立, ? 和 ? 的 平均數(shù) O L S 估計量是一致估計量。 對于個體固定效應模型來說,由于 ?i和 Xi t相關,也即 ?i和iX相關,所以,回歸參數(shù)的 平均數(shù) O L S 估計量是非一致估計量。 具體步驟是,對于個體固定效應回歸模型 yi t = ?i + Xi t39。 ? +i?上兩式相減,消去了 ?i,得 yi t iy= ( Xi t iX) 39。對上式應用 O L S 估計,所得 ? 的估計量稱作 離差變換 O L S 估計量。如果 ?i t還滿足獨立同分布條件, ? 的 離差變換 O L S 估計量不但具有一致性而且還具有有效性。?? 離差變換 O L S 估計法的 主要缺點 是不能估計非時變回歸變量構(gòu)成的面板數(shù)據(jù)模型。 個體固定效應 模型的估計通常采用的就是 離差變換 ( w i t hi n ) O L S估計法。 一階差分( fir st di ff e r e n c e ) OL S 估計 在短期面板條件下,一階差分 O L S 估計就是 對個體固定效應模型中的回歸量與被回歸量的差分變量構(gòu)成的模型的參數(shù)進行 O L S 估計 。 ? + ?i t 取其滯后一期關系式 yi t 1 = ?i + Xi t 139。 ? + ( ?i t ?i t 1) , i = 1, 2, … , N 。盡管 ?i不能被估計, ? 的估計量 是一致估計量 。 隨機效應 估計法(可行 G L S ( f e asi b le G L S )估計法) 若 個體固定效應模型 yi t = ?i + Xi t 39。對其作如下變換 yi t iy??= (1 ??) ? + ( Xi t ??iX) 39。 當??= 0 時, 上 式等同于混合 O L S 估計;當??=1 時, 上 式等同于 離差變換O L S 估計 。但對于個體固定效應模型,可行 G L S 估計量不是一致估計量。在實際的經(jīng)濟面板數(shù)據(jù)中,N 個個體之間相互獨立的假定通常是成立的,但是每個個體本身卻常常是序列自相關的,且存在異方差。 對于第 i 個個體,當 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。 4 .面板數(shù)據(jù)模型 檢驗與設定 方法 ( 1 ) 面板數(shù)據(jù) 模型中 參數(shù)約束是否成立的 W al d 檢驗 )1(1)(39。 m 表示被檢驗的約束條件的個數(shù), ? ?39。 4 .面板數(shù)據(jù)模型檢驗與設定方法 ( 2 ) 面板數(shù)據(jù) 模型中丟失變量或存在多余變量的 F 和 LR 檢驗 F =)1/(/)(???kTSSEmSSESSEuur? F ? m , N ? T k ) 其中 SS Er 表示 約束模型的殘差平方和; SSEu 表示 非 約束模型的殘差平方和; m表示約束條件個數(shù); N ? T 表示面板數(shù)據(jù)樣本容量 ; k 表示非約束面板數(shù)據(jù)模型中被估參數(shù)的個數(shù)。 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)模型中約束條件個數(shù)。 4 .面板數(shù)據(jù)模型檢驗與設定方法 面板數(shù)據(jù)建模的一項重要任務就是判別模型中是否存在個體固定效應。 ? + ?i t, 為例,無論是固定效應還是隨機效應模型, ?i都被看作是隨機變量,并都有假定條件 E( yi t ? ?i, Xi t) = ?i + Xi t 39。 F 檢驗 ( 判別 固定 效應 模型 或 混合 模型 ) F 統(tǒng)計量定義為 : F = )/(/)(kTSSEmSSESSEuur??? F ? m , N ? T k ) 其中 SS Er 表示 混合 模型 的殘差平方和, S SEu 表示 固定 效應 模型 的殘差平方和,m 表示約束條件個數(shù), N ? T 表示面板數(shù)據(jù)樣本容量 ; k 表示 固定 效應 模型中被估參數(shù)的個數(shù)。 4 .面板數(shù)據(jù)模型檢驗與設定方法 H ausm an 檢驗 H ausm an 檢驗 原理 : H0: pl i m (???~ ) = 0 , H1: pl i m (???~ ) ? 0 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 個體固定效應回歸模型 估計量具有一致性 估計量不具有一致性 大 面板數(shù)據(jù)模型 的 H a usm an 檢驗 原假設與備擇假設是 H0: 個體隨機效應回歸模型 H1: 個體固定效應回歸模型 4 .面板數(shù)據(jù)模型檢驗與設定方法 H ausm an 檢驗 H ausm an 檢驗 原理 : H0: pl i m (???~ ) = 0 , H1: pl i m (???~ ) ? 0 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 個體固定效應回歸模型 估計量具有一致性 估計量不具有一致性 大 面板數(shù)據(jù)模型 的 H a usm an 檢驗 原假設與備擇假設是 H0: 個體隨機效應回歸模型 H1: 個體固定效應回歸模型 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