面板數(shù)據(jù)模型與應(yīng)用.ppt

《面板數(shù)據(jù)模型與應(yīng)用.ppt》由會員分享，可在線閱讀，更多相關(guān)《面板數(shù)據(jù)模型與應(yīng)用.ppt（62頁珍藏版）》請在裝配圖網(wǎng)上搜索。

面板數(shù)據(jù)的計量經(jīng)濟分析 白仲林著 張曉峒主審 南開大學(xué)出版社 2008 書號ISBN978 7 310 02915 0 file 5panel02file 5panel01 8 面板數(shù)據(jù)模型的協(xié)整檢驗 1 面板數(shù)據(jù)定義 面板數(shù)據(jù) paneldata 也稱作時間序列與截面混合數(shù)據(jù) pooledtimeseriesandcrosssectiondata 面板數(shù)據(jù)是截面上個體在不同時點的重復(fù)觀測數(shù)據(jù) panel原指對一組固定調(diào)查對象的多次觀測 近年來paneldata已經(jīng)成為專業(yè)術(shù)語 N 30 T 50的面板數(shù)據(jù)示意圖中國各省級地區(qū)消費性支出占可支配收入比例走勢圖 面板數(shù)據(jù)分兩種特征 1 個體數(shù)少 時間長 2 個體數(shù)多 時間短 面板數(shù)據(jù)主要指后一種情形 面板數(shù)據(jù)用雙下標(biāo)變量表示 yit i 1 2 N t 1 2 Ti對應(yīng)面板數(shù)據(jù)中不同個體 N表示面板數(shù)據(jù)中含有N個個體 t對應(yīng)面板數(shù)據(jù)中不同時點 T表示時間序列的最大長度 利用面板數(shù)據(jù)建立模型的好處是 1 由于觀測值的增多 可以增加估計量的抽樣精度 2 對于固定效應(yīng)回歸模型能得到參數(shù)的一致估計量 甚至有效估計量 3 面板數(shù)據(jù)建模比單截面數(shù)據(jù)建?？梢垣@得更多的動態(tài)信息 1 面板數(shù)據(jù)定義 2 面板數(shù)據(jù)模型分類 用面板數(shù)據(jù)建立的模型通常有3種 即混合模型 固定效應(yīng)模型和隨機效應(yīng)模型 2 1混合模型 Pooledmodel 如果一個面板數(shù)據(jù)模型定義為 yit Xit 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 混合回歸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 如果模型是正確設(shè)定的 解釋變量與誤差項不相關(guān) 即Cov Xit it 0 那么無論是N 還是T 模型參數(shù)的混合最小二乘估計量 PooledOLS 都是一致估計量 2 面板數(shù)據(jù)模型分類 2 2固定效應(yīng)模型 fixedeffectsmodel 固定效應(yīng)模型分為3種類型 即個體固定效應(yīng)模型 時點固定效應(yīng)模型和個體時點雙固定效應(yīng)模型 下面分別介紹 2 2 1個體固定效應(yīng)模型 entityfixedeffectsmodel 如果一個面板數(shù)據(jù)模型定義為 yit i Xit 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 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 yit為被回歸變量 標(biāo)量 it為誤差項 標(biāo)量 則稱此模型為個體固定效應(yīng)模型 3 面板數(shù)據(jù)模型估計方法 混合最小二乘 PooledOLS 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 firstdifference OLS估計 適用于個體固定效應(yīng)模型 可行GLS feasibleGLS 估計 適用于隨機效應(yīng)模型 15個省級地區(qū)的人均消費序列15個省級地區(qū)的人均收入序列 個體 5 面板數(shù)據(jù)建模案例分析 個體隨機效應(yīng)模型與個體固定效應(yīng)模型比較 應(yīng)該建立個體固定效應(yīng)模型 謝謝