面板數(shù)據(jù)模型與應(yīng)用PPT課件

1、面板數(shù)據(jù)面板數(shù)據(jù)（panel data）也稱作）也稱作時間序列與截面混合數(shù)據(jù)時間序列與截面混合數(shù)據(jù)（pooled time series and cross section data）。面板數(shù)據(jù)是截面上個體在不同時點(diǎn)的）。面板數(shù)據(jù)是截面上個體在不同時點(diǎn)的重復(fù)觀測數(shù)據(jù)。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，近年來原指對一組固定調(diào)查對象的多次觀測，近年來panel data已經(jīng)成已經(jīng)成為專業(yè)術(shù)語。為專業(yè)術(shù)語。 N=30，T=50的面板數(shù)據(jù)示意圖的面板數(shù)據(jù)示意圖 第1頁/共62頁面板數(shù)據(jù)分兩種特征面板數(shù)據(jù)分兩種特征：（：（1）個體數(shù)少，時間長。（）個體數(shù)少，時間長。（2）個體數(shù)

2、多，時間）個體數(shù)多，時間短。面板數(shù)據(jù)主要指后一種情形。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。面板數(shù)據(jù)用雙下標(biāo)變量表示。 yi t, i = 1, 2, , N; t = 1, 2, , Ti對應(yīng)面板數(shù)據(jù)中不同個體。對應(yīng)面板數(shù)據(jù)中不同個體。N表示面板數(shù)據(jù)中含有表示面板數(shù)據(jù)中含有N個個體。個個體。t對應(yīng)面板對應(yīng)面板數(shù)據(jù)中不同時點(diǎn)。數(shù)據(jù)中不同時點(diǎn)。T表示時間序列的最大長度。表示時間序列的最大長度。利用面板數(shù)據(jù)建立模型的好處利用面板數(shù)據(jù)建立模型的好處是：（是：（1）由于觀測值的增多，可以增加）由于觀測值的增多，可以增加估計量的抽樣精度。（估計量的抽樣精度。（2）對于固定效應(yīng)回歸模型能

3、得到參數(shù)的一致估）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。（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@）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。得更多的動態(tài)信息。第2頁/共62頁2面板數(shù)據(jù)模型分類用面板數(shù)據(jù)建立的模型通常有用面板數(shù)據(jù)建立的模型通常有3種，即種，即混合模型、固定效應(yīng)模型和隨機(jī)混合模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型。效應(yīng)模型。2.1 混合模型（混合模型（Pooled model）。）。如果一個如果一個面板數(shù)據(jù)面板數(shù)據(jù)模型定義為，模型定義為， yit = + Xit + it, i = 1, 2, , N; t = 1, 2, , T

4、其中其中yit為被回歸變量（標(biāo)量），為被回歸變量（標(biāo)量）， 表示截距項，表示截距項，Xit為為k 1階回歸變量列階回歸變量列向量（包括向量（包括k個回歸量），個回歸量）， 為為k 1階回歸系數(shù)列向量，階回歸系數(shù)列向量， it為誤差項（標(biāo)為誤差項（標(biāo)量）。則稱此模型為混合回歸模型?；旌匣貧w模型的特點(diǎn)是無論對任何量）。則稱此模型為混合回歸模型。混合回歸模型的特點(diǎn)是無論對任何個體和截面，回歸系數(shù)個體和截面，回歸系數(shù) 和和 都相同。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。那么無論是那么無論是N，還是，還是

5、T，模型參數(shù)的混合最小二乘估計量，模型參數(shù)的混合最小二乘估計量（Pooled OLS）都是一致估計量。）都是一致估計量。第3頁/共62頁2面板數(shù)據(jù)模型分類2.2 固定效應(yīng)模型（固定效應(yīng)模型（fixed effects model）。）。固定效應(yīng)模型分為固定效應(yīng)模型分為3種類型，即種類型，即個體固定效應(yīng)模型、時點(diǎn)固定效應(yīng)模型個體固定效應(yīng)模型、時點(diǎn)固定效應(yīng)模型和和個體時點(diǎn)雙固定效應(yīng)模型。個體時點(diǎn)雙固定效應(yīng)模型。下面分別介紹。下面分別介紹。2.2.1個體固定效應(yīng)模型個體固定效應(yīng)模型（entity fixed effects model）如果一個如果一個面板數(shù)據(jù)面板數(shù)據(jù)模型定義為，模型定義為， yit

6、 = i + Xit + it, i = 1, 2, , N; t = 1, 2, , T 其中其中 i是隨機(jī)變量，表示對于是隨機(jī)變量，表示對于i個個體有個個體有i個不同的截距項，且個不同的截距項，且其變化與其變化與Xit有關(guān)系有關(guān)系；Xit為為k 1階回歸變量列向量（包括階回歸變量列向量（包括k個回歸量），個回歸量）， 為為k 1階回歸階回歸系數(shù)列向量，對于不同個體回歸系數(shù)相同，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），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。為誤差項（標(biāo)量），則稱此模型為個體固定效應(yīng)模型。第4頁/共62頁第5頁/共

7、62頁第6頁/共62頁第7頁/共62頁第8頁/共62頁第9頁/共62頁第10頁/共62頁第11頁/共62頁3. 面板數(shù)據(jù)模型估計方面板數(shù)據(jù)模型估計方法法 混合最小二乘混合最小二乘（Pooled OLS）估計估計 （適用于混合模型）（適用于混合模型） 平均數(shù)平均數(shù)（between）OLS估計估計 （適用于混合模型和個體隨機(jī)效應(yīng)模（適用于混合模型和個體隨機(jī)效應(yīng)模型）型） 離差變換離差變換（within）OLS估計估計 （適用于個體固定效應(yīng)回歸模型）（適用于個體固定效應(yīng)回歸模型） 一階差分一階差分（first difference）OLS估計估計 （適用于個體固定效應(yīng)模型）（適用于個體固定效應(yīng)模型）

8、 可行可行GLS（feasible GLS）估計估計 （適用于隨機(jī)效應(yīng)模型）（適用于隨機(jī)效應(yīng)模型）第12頁/共62頁第13頁/共62頁第14頁/共62頁第15頁/共62頁第16頁/共62頁第17頁/共62頁第18頁/共62頁第19頁/共62頁第20頁/共62頁第21頁/共62頁第22頁/共62頁第23頁/共62頁 第24頁/共62頁第25頁/共62頁15個省級地區(qū)的人均消費(fèi)序列個省級地區(qū)的人均消費(fèi)序列第26頁/共62頁 第27頁/共62頁第28頁/共62頁第29頁/共62頁5面板數(shù)據(jù)建模案例分析面板數(shù)據(jù)建模案例分析個體隨機(jī)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。個體隨機(jī)效應(yīng)模

9、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。第30頁/共62頁第31頁/共62頁第32頁/共62頁第33頁/共62頁第34頁/共62頁第35頁/共62頁第36頁/共62頁第37頁/共62頁-1000010002000300040005000040008000120001600020000I1F1F1 vs. Log I1-2000-1000010002000300040005000040008000120001600020000I1F1F1 vs. Inverse of I1010002000300040005000040008000120001600020000I1F1F1 vs. Polynomial (degree=2) of I15.56.06.57.07.58.08.59.06.06.57.07.58.08.59.09.510.0LOG(CINCOME)LOG(Cfood) 第38頁/共62頁第39頁/共62頁第40頁/共62頁第41頁/共62頁第42頁/共62頁第43頁/共62頁第44頁/共62頁第45頁/共62頁第46頁/共62頁第47頁/共6