计量经济学第8章面板数据模型

《计量经济学第8章面板数据模型》由会员分享，可在线阅读，更多相关《计量经济学第8章面板数据模型（61页珍藏版）》请在文档大全上搜索。

1、第第8 8章章 面板数据模型面板数据模型经济中大量存在着融合了时间序列和横截面数据经济中大量存在着融合了时间序列和横截面数据的面板数据（的面板数据（panel datapanel data）集合）集合。有关。有关面板数据模面板数据模型的内容相当丰富，本章对面板数据模型作入门型的内容相当丰富，本章对面板数据模型作入门性的性的介绍介绍, ,期望为学生进一步深入学习打下基础期望为学生进一步深入学习打下基础。主要内容主要内容 主要内容包括面板数据模型的概念、特征主要内容包括面板数据模型的概念、特征及基本模型；固定效应、随机效应两类模及基本模型；固定效应、随机效应两类模型的基本估计方法；并给出了一个综合

2、案型的基本估计方法；并给出了一个综合案例例。 8.1 面板数据模型概述 8.2 面板数据模型的估计 8.3 案例分析8.1 面板数据模型概述 本节主要内容： 什么是面板数据 面板数据的优点 面板数据模型什么是面板数据什么是面板数据 在横截面数据里，每一观测单元代表的是某个个体（individual）在某一特定时点上的信息。 在经济学研究和实际应用中，我们经常需要同时分析和比较横截面观察值和时间序列观察值结合起来的数据，即：数据集中的变量同时含有横截面和时间序列的信息。这种数据被称为面板数据面板数据，它与我们以前分析过的纯粹的横截面数据和时间序列数据有着不同的特点。 表8-1是一个简单面板数据结

3、构的示意，它既有横截面的维度（n个个体），又有时间维度（T个时期，T3）。yx1x2x3Individual1:t=1 Individual1:t=2 Individual1:t=3 Individualn:t=1 Individualn:t=2 Individualn:t=3 表8-1 面板数据结构示意什么是面板数据什么是面板数据什么是面板数据什么是面板数据 简单地讲，面板数据因同时含有时间序列数据和截面数据，所以其统计性质既带有时间序列的性质，又包含一定的横截面特点。 以往采用的计量模型和估计方法就需要有所调整，需要建立面板数据模型面板数据模型。 在面板模型中，如果解释变量包含被解释变量的

4、滞后值，则称为“动态面板动态面板”（dynamic panel)；反之，则称为“静态面板静态面板”。 本章主要关注静态面板（static panel)。 如果在面板数据中，每个时期在样本中的个体完全一样，则称来“平衡面板数据平衡面板数据”（balanced panel）； 否则，则称为“非平衡面板数据”（unbalanced panel）。我们主要关注平衡面板数据。什么是面板数据什么是面板数据面面板数据的板数据的优点优点面板数据的主要优点如下： 1.样本容量更大，增加了自由度和估计的有效性样本容量更大，增加了自由度和估计的有效性 面板数据通常提供给研究者大量的观测数据，这就增加了自由度，从而减

5、少了解释变量之间的共线性，改进了计量经济模型估计的有效性。 如果抽取一个容量为n的样本，对样本中每一个个体观测了T个时间单位，就形成了一个样本容量为nT的面板数据。 例如，从中国统计年鉴找到1997-2014年我国31个省（市）、自治区国内生产总值数据，即得到n=31，T=18的面板数据。2.提供更多个体动态行为的信息提供更多个体动态行为的信息 由于面板数据同时有横截面与时间两个维度，有时可以解决单独的截面数据或时间序列数据所不能解决的问题。 比如，考虑如何区分规模经济与技术进步对企业生产效率的影响。如果选择同一截面上不同规模的企业数据作为样本观测值，由于没有时间维度，故无法观测到技术进步。

6、然而，对于单个企业的时间序列数据来说，无法区分生产效率的提高有多少是由于规模扩大，有多少是由于技术技术。 如果采取面板数据，就可能解决上述问题。面面板数据的板数据的优点优点 3.可以是控制不可观测的个体异质性可以是控制不可观测的个体异质性 在计量经济分析中，很多影响因素如制度、文化、性格等，由于不可观测、难以量化而不能包含在模型中，从而带来遗漏变量偏差。 面板数据模型有助于承认在模型里很可能存在不可观测的异质性。 例如，研究吸烟对癌症发病率的影响。可能还需要考虑一些相关的因素，如饮酒、饮食的选择，等等。还有还有许多个体特征是无法观测到的许多个体特征是无法观测到的，例如热情、承担风险的愿望等。面

7、面板数据的板数据的优点优点 这些影响因素被称为无法观测的异质性。通过们以前学到的知识，如果某些解释变量或与被解释变量相关的变量被忽视掉，OLS估计是有偏差的。 如果这种个体异质性“不随时间而改变”，面板数据模型则能够消除存在不可观测异质性时OLS估计的偏差。面面板数据的板数据的优点优点 当然，面板数据也会带来一些问题，比如，样本通常不满足独立同分布的假定，因为同一个体不同期的扰动项一般存在自相关。另外，面板的收集成本通常较高，不易获得。面板数据模型面板数据模型面板数据模型面板数据模型 把建立在面板数据基础上的计量经济模型称为面板数据模型。可以写出如下面板数据模型01 122 ( 8-1)iti

8、titkkitityxxxu 模型中，i=1,2,n代表不同个体，t=1,2,T代表不同时期。yit为因变量在横截面i和t上的数值；x1,x2,xk为解释变量，0, 1, k为待估计参数。面板数据模型面板数据模型 面板数据模型中的误差项（ uit）往往不满足经典的假设。 面板数据模型可以分为双向误差构成模型和单项误差构成模型两种情况。 双向模型假设误差项是三个组成部分的和，包括个体特征的影响因素（ ）、时间影响因素（ ）和额外的异质项（ ），即itit 2 (0,) ( 8.1.2)ititititxuN其中面板数据模型面板数据模型 在单向模型里，假设误差项是个体特征的影响因素（ ）和额外的异

9、质项（ ）两个组成部分的和，即 在本章中主要学习单向模型。将式（8-3）带入式（8-1），得到：iit2 (0,) ( 8-3)itiititxuN其 中01 122 (8-4)itiititkkitityxxx面板数据模型面板数据模型 最常见的两种面板数据模型是建立在 的不同假设基础之上的。 一种假设 是固定的常数，这种模型被称为固定效应模型（Fixed effect model）； 另一种假设 不是固定的，而是随机的，这种模型被称为随机效应模型（Random effect model）。i8.2 面板数据模型的估计 本节主要内容： 固定效应模型 随机效应模型 固定效应还是随机效应豪斯曼（H

10、ausman）检验固定效应模型固定效应模型 在固定效应模型里，对于第i个被观测的人，我们视 常数： 为常数项的一部分，却因人而异。 在固定效应模型中，假设个人的独特属性并不是随机变化的结果。 事实上，每个人的特性因人而异，而且对个人而言具有固定性和长期性。如果这一假设是正确的，就能够使用面板数据来估计模型变量的无偏斜率系数。i01 122() (8-5)itiititkkitityxxxi 为了消除不可观测的异质性所带来的潜在的偏差，对于样本里每个被观测的人而言，固定效应因素就像虚拟变量一样会导致截距上下移动变化。基于此特征，可以采用两种方法来估计固定效应模型。固定效应模型固定效应模型1. 一

11、阶差分法2. 平均偏差法1.一阶差分一阶差分法法 该方法使用来自每一个被观测的人在两个不同时期里的数据。对于每个时期，有两个不同的回归模型：固定效应模型固定效应模型101 1122111() itiititkkitityxxx01 122() itiititkkitityxxx 除了衡量个人特性的固定效应的变量外，在第一个和第二个方程里所有其他变量都包含时间下标。将第一个和第二个方程相减，得到 将两个不同时间段的变量进行一阶差分，可以解决不可观测的异质性问题。因为每个人在一段时间内的固定特性可以能过一阶差分被消除掉。当该模型的所假设条件成立时，所估计的斜率系数不会有遗漏变量导致的估计偏差问题。