面板數(shù)據(jù)模型理論知識.doc

《面板數(shù)據(jù)模型理論知識.doc》由會員分享，可在線閱讀，更多相關(guān)《面板數(shù)據(jù)模型理論知識.doc（2頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1.Panel Data模型簡介 Panel Data即面板數(shù)據(jù)，是截面數(shù)據(jù)與時間序列數(shù)據(jù)綜合起來的一種數(shù)據(jù)類型，是截面上個體在不同時點的重復(fù)觀測數(shù)據(jù)。 相對于一維的截面數(shù)據(jù)和時間序列數(shù)據(jù)進行經(jīng)濟分析而言，面板數(shù)據(jù)有很多優(yōu)點。(1)由于觀測值的增多，可以增加自由度并減少了解釋變量間的共線性，提高了估計量的抽樣精度。(2)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，可以構(gòu)建并檢驗更復(fù)雜的行為模型。(3)面板數(shù)據(jù)可以識別、衡量單使用一維數(shù)據(jù)模型所不能觀測和估計的影響，可以從多方面對同一經(jīng)濟現(xiàn)象進行更加全面解釋。 Panel Data模型的一般形式為 其中為被解釋變量，為解釋變量， i＝1，2，3……N，表示N個個體；t＝1，2，3……T，表示已知T個時點。參數(shù)表示模型的截距項，k是解釋變量的個數(shù)，是相對應(yīng)解釋變量的待估計系數(shù)。隨機誤差項相互獨立，且滿足零均值，等方差為的假設(shè)。 面板數(shù)據(jù)模型可以構(gòu)建三種形式（以截面估計為例）： 形式一： 不變參數(shù)模型 ，又叫混合回歸模型，是指無論從時間上還是截面上觀察數(shù)據(jù)均不存在顯著差異，故可以將面板數(shù)據(jù)混合在一起，采用普通最小二乘估計法（OLS）估計參數(shù)即可。 形式二：變截距模型，為每個個體方程共同的截距項，是不同個體之間的異質(zhì)性差異。對于不同個體或時期而言，截距項不同而解釋變量的斜率相同,說明存在不可觀測個體異質(zhì)影響但基本結(jié)構(gòu)是相同的，可以通過截距項的不同而體現(xiàn)出來個體之間的差異。當與相關(guān)時，那就說明模型為固定效應(yīng)模型，當與不相關(guān)時，說明模型為隨機效應(yīng)模型。 形式三：變參數(shù)模型 ，對于不同個體或時期而言，截距項（）和每個解釋變量的斜率都是不相同的，表明不同個體之間既存在個體異質(zhì)影響也存在不同的結(jié)構(gòu)影響，即每個個體或時期都對應(yīng)一個互不相同的方程。同樣分為固定效應(yīng)模型和隨機效應(yīng)模型兩種。 注意：這里沒有截距項相同而解釋變量的系數(shù)不相同的模型。 2.Panel Data模型分析步驟 2.1 單位根檢驗 無論利用Panel Data模型進行截面估計還是時間估計分析的時候，我們先要進行單位根檢驗，只有Panel Data模型中的數(shù)據(jù)是平穩(wěn)的才可以進行回歸分析，否則容易產(chǎn)生“虛假回歸”。李子奈曾指出，一些非平穩(wěn)的經(jīng)濟時間序列往往表現(xiàn)出共同的變化趨勢，而這些序列間本身不一定有直接的關(guān)聯(lián)，此時，對這些數(shù)據(jù)進行回歸，盡管有較高的，但其結(jié)果是沒有任何實際意義的。這種情況稱為稱為虛假回歸或偽回歸。面板單位根檢驗方法有5種：LLC檢驗、IPS檢驗、Breintung檢驗、ADF-Fisher檢驗和PP-Fisher檢驗，前兩種是相同根情況下的單位根檢驗方法, 后三種是不同單位根情況下的檢驗方法。 若Panel Data為平穩(wěn)的，則進行回歸分析； 1. Huasman檢驗和F檢驗 Huasman檢驗的目的為檢驗Panel Data模型是隨機效應(yīng)模型還是固定效應(yīng)模型。原假設(shè)：模型是存在隨機效應(yīng)的。 F檢驗的目的是判定需要擬合的模型形式。 F檢驗有兩個原假設(shè)： ：回歸斜率系數(shù)相同而截距項不相同 ：回歸斜率系數(shù)和截距項都相同 構(gòu)建F統(tǒng)計量 其中，為變參數(shù)模型得殘差平方和，為變截距模型得殘差平方和，為不變參數(shù)模型得殘差平方和，N是總個體數(shù)，T為總時期數(shù)，k為解釋變量的個數(shù)。 判定規(guī)則為，首先利用統(tǒng)計量對檢驗，如果接受，則建立不變參數(shù)模型，檢驗結(jié)束。如果拒絕，則再利用統(tǒng)計量對檢驗，如果接受，則建立變截距模型；如果拒絕，則建立變系數(shù)模型。 2.利用Eviews可以得出回歸方程結(jié)果 橫截面的異方差與序列的自相關(guān)性是運用面板數(shù)據(jù)模型時可能遇到的最為常見的問題,此時運用OLS可能會產(chǎn)生結(jié)果失真,因此為了消除影響,對我國東、中、西部地區(qū)的分析將采用不相關(guān)回歸方法( SeeminglyUnrelated Regression, SUR)來估計方程。而對于全國范圍內(nèi)的估計來說,由于橫截面?zhèn)€數(shù)大于時序個數(shù),所以采用截面加權(quán)估計法(Cross SectionWeights, CSW) 。 若Panel Data的單位根檢驗是不平穩(wěn)的，采取兩種辦法。 1. 對序列進行差分或取對數(shù)使之變成同階序列，若變換序列后均為平穩(wěn)序列，可用變換后的序列直接進行回歸分析。 2. 若變換序列后均為同階非平穩(wěn)序列，則要進行協(xié)整檢驗。 協(xié)整檢驗的原假設(shè)：不存在協(xié)整 面板數(shù)據(jù)的協(xié)整檢驗方法可以分為兩大類： 一類是建立在Engle and Granger二步法檢驗基礎(chǔ)上的面板協(xié)整檢驗，具體方法主要有Pedroni檢驗和Kao檢驗； 另一類是建立在Johansen協(xié)整檢驗基礎(chǔ)上的面板協(xié)整檢驗。 面板數(shù)據(jù)模型的理論知識遠不止這么簡單，我也只是學習到其的最簡單最系統(tǒng)的思路。