面板數(shù)據(jù)相關(guān)資料-在線瀏覽
2024-07-29 02:25本頁面
【正文】 CPNMG（內(nèi)蒙古） CPSD（山東） CPSH（上海） CPSX（山西） CPTJ（天津） CPZJ（浙江） 資料來源：《中國統(tǒng)計年鑒》19972003。 圖2 15個省級地區(qū)的人均消費序列（縱剖面） 圖3 15個省級地區(qū)的人均收入序列圖4 15個地區(qū)的人均消費散點圖（7個時期） 圖5 15個地區(qū)的人均收入散點圖（7個時期）(每條連線表示同一年度15個地區(qū)的消費值) (每條連線表示同一年度15個地區(qū)的收入值)用CP表示消費，IP表示收入。15個地區(qū)7年人均消費對收入的面板數(shù)據(jù)散點圖見圖6和圖7。圖7中每一種符號代表一個年度的截面散點圖（共7個時期），相當(dāng)于觀察7個時期上兩個變量的截面數(shù)據(jù)的散點圖。從圖中可以看出，無論是從收入還是從消費看內(nèi)蒙古的水平都低于北京市。圖9給出該15個省級地區(qū)1996和2002年的消費對收入散點圖。 圖8 北京和內(nèi)蒙古19962002年消費對收入時序圖 圖9 1996和2002年15個地區(qū)的消費對收入散點圖EViews文件說明（dataeviews）ine_* ：名義收入；consume_* ：名義消費；ip_*：實際收入；cp_*：實際消費；p_*：價格指數(shù)。可以采用第二種方法。所謂混合估計模型是指斜率和截距雙固定的模型。從截面上看，不同截面之間也不存在顯著性差異，那么就可以直接把面板數(shù)據(jù)混合在一起用普通最小二乘法（OLS）估計參數(shù)。在這種情況下，就可以使用混合估計模型。 t = 1, 2, …, T m和β不隨i，t變化。對混合估計模型可以通過三種OLS方法進行估計。模型的離差形式為： 2OLS估計量為：稱為組內(nèi)估計量（Within group estimator）。又被稱為LSDV估計量（Least squares dummy variables）或協(xié)方差估計量（covariance estimator）。因此，OLS估計量又可以寫作因此，OLS估計量為組內(nèi)估計量與組間估計量的加權(quán)和。 固定效應(yīng)模型 個體固定效應(yīng)模型在面板數(shù)據(jù)中，如果不同的截面或不同的時期對應(yīng)的截距項不同，那么稱之為變截距模型。首先來看固定效應(yīng)模型。 t = 1, 2, …, T 其中，ai為不隨時間變化的不可觀測的隨機變量，用于反映個體之間的差異。即： ，t = 1, 2, …, T 3將（2）式中每個方程寫成矩陣形式， 4其中， i=1,2,…N 5將（4）式進一步表示為： 6即： 72． 個體固定效應(yīng)模型組內(nèi)估計假定：，由于ai與X相關(guān)，因此不能直接用LS方法估計，LS估計量不具有一致性。模型兩邊取均值，可得： 其離差形式為：離差形式將ai消除掉了，不存在誤差項與X相關(guān)導(dǎo)致的不一致問題。因此，組內(nèi)估計量是無偏的、一致的。因此，組內(nèi)估計無法估計這種變量的影響。可以得到： 9應(yīng)用OLS方法得到的OLS估計量： 10是無偏的，當(dāng)N?181。時，是一致的。3． 個體固定效應(yīng)模型LSDV估計在固定效應(yīng)中，傳統(tǒng)的觀點將ai視作與β一樣的未知參數(shù)，用于反映不同方程的不同截距項。這可以通過重新表述如下矩陣來體現(xiàn)。因此其估計量稱為LSDV（Least Squares Dummy Variables）估計量。因此，這種方法適用于當(dāng)N較小的情況。LSDV還可以估計出ai。是無偏的，當(dāng)N?181。時，是一致的。時，才具有一致性。165。因為，每增加一個截面，ai也增加一個未知參數(shù)。原假設(shè)H0：不同個體的模型截距項相同（建立混合估計模型）。F統(tǒng)計量定義為： 11其中k表示解釋變量的個數(shù)（不包括常數(shù)項），SSEr，SSEu分別表示約束模型（混合估計模型）和非約束模型（個體固定效應(yīng)模型）的殘差平方和。（混合估計模型給出公共截距項。結(jié)論是應(yīng)該建立個體固定效應(yīng)模型。 t = 1, 2, …, T 其中，γt為不隨個體變化的不可觀測的隨機變量，用于反映不同時期的差異。即： ，i = 1, 2, …, N 12將上式中每個方程寫成矩陣形式， 13或者表示為其中， 14將上式進一步表示為： 15即： 161． 時期固定效應(yīng)模型的組內(nèi)估計由于γt與X相關(guān)，因此不能直接用LS方法估計，LS估計量不具有一致性。模型兩邊取均值，可得： 其離差形式為：離差形式將γt消除掉了，不存在誤差項與X相關(guān)導(dǎo)致的不一致問題。因此，組內(nèi)估計量是無偏的、一致的。因此，組內(nèi)估計無法估計這種變量的影響。兩邊同時乘以Q可以得到： 18應(yīng)用OLS方法得到的OLS估計量： 19是無偏的，當(dāng)N?181。時，是一致的；其協(xié)方差矩陣為： 20也是無偏的，但僅當(dāng)N?181。3． 時期固定效應(yīng)的LSDV估計如果將 γt 視作與β一樣的未知參數(shù)，用于反映不同方程的不同截距項。這可以通過重新表述如下矩陣來體現(xiàn)。因此其估計量稱為LSDV（Least Squares Dummy Variables）估計量。因此，這種方法適用于當(dāng)T較小的情況。LSDV還可以估計出γt。是無偏的，當(dāng)N?181。時，都是一致的。時，才具有一致性。165。因為，每增加一個時期，γt也增加一個未知參數(shù)。H0：對于不同橫截面模型截距項相同（建立混合估計模型）。F統(tǒng)計量定義為：F== 21其中SSEr，SSEu分別表示約束模型（混合估計模型的）和非約束模型（時期固定效應(yīng)模型的）的殘差平方和。用上例計算，已知SSEr= 4824588，SSEu= 4028843，F(xiàn)==== (6, 87) = 因為F= (14, 89) = ，拒絕原假設(shè)，結(jié)論是應(yīng)該建立時期固定效應(yīng)模型。 t = 1, 2, …, T 其中，ai為不隨時間變化的不可觀測的隨機變量，用于反映個體之間的差異；γt為不隨個體變化的不可觀測的隨機變量，用于反映不同時期的差異。矩陣表示為1． 雙因素固定效應(yīng)的組內(nèi)估計由于ai、γt與X相關(guān)，因此不能直接用LS方法估計，LS估計量不具有一致性。對模型在不同時期和不同個體上分別求均值，得到離差形式，組內(nèi)轉(zhuǎn)換后的方程已經(jīng)不包含ai、γt，可以直接利用OLS方法進行估計。令其中，I表示單位矩陣，e表示所有元素為1的列向量，J表示所有元素為1的(NTNT)矩陣。兩邊同時乘以Q，可得：3． 雙因素固定效應(yīng)的LSDV估計可以采用加入虛擬變量的方法來估計。這會喪失大量自由度，并容易引起多重共線性問題。a、l的估計量分別為：如果滿足上述模型假定條件，對模型（12）進行OLS估計，全部參數(shù)估計量都是無偏的和一致
試題試卷相關(guān)推薦
鄂ICP備17016276號-1