章面板數(shù)據(jù)模型PPT資料

第九章面板(miànbǎn)數(shù)據(jù)模型第一頁，共49頁。第一節(jié)面板數(shù)據(jù)第二節(jié)面板數(shù)據(jù)回歸模型第三節(jié)混合(hùnhé)回歸模型第四節(jié)變截距回歸模型第五節(jié)變系數(shù)回歸模型第六節(jié)效應(yīng)檢驗(yàn)與模型形式設(shè)定檢驗(yàn)第七節(jié)面板數(shù)據(jù)的單位根檢驗(yàn)和協(xié)整檢驗(yàn)第八節(jié)案例分析第二頁，共49頁。面板數(shù)據(jù)（PanelData）：也叫平行數(shù)據(jù)，指某一變量關(guān)于時(shí)間(shíjiān)和橫截面兩個(gè)維度的數(shù)據(jù)，記為xit，其中，表示N個(gè)不同的對(duì)象（如國家、省、縣、行業(yè)、企業(yè)、個(gè)人）,，表示T個(gè)觀測期。第一節(jié)面板(miànbǎn)數(shù)據(jù)第三頁，共49頁。平衡(pínghéng)面板數(shù)據(jù)第四頁，共49頁。非平衡面板(miànbǎn)數(shù)據(jù)第五頁，共49頁。擴(kuò)展的面板(miànbǎn)模型1.偽面板(miànbǎn)模型：如果按照某種屬性(例如，年齡、職業(yè)和身份等)將各期調(diào)查對(duì)象分成不同的群；對(duì)于各個(gè)觀測期，選擇各群內(nèi)觀測數(shù)據(jù)(shùjù)的均值(中位數(shù)或分位數(shù))，即可構(gòu)造以群為‘個(gè)體’單位的面板數(shù)據(jù)(shùjù)。我們把這種以群為個(gè)體而構(gòu)造的人工面板數(shù)據(jù)(shùjù)為偽面板數(shù)據(jù)(shùjù)(PseudoPanelData)。第六頁，共49頁。2.輪換(lúnhuàn)面板模型:同一個(gè)個(gè)體可能不愿被一次又一次的被回訪，為了保持調(diào)查中個(gè)體數(shù)目相同，在第二期調(diào)查中退出的部分個(gè)體，被相同數(shù)目的新的個(gè)體所替代，這種允許研究者檢驗(yàn)“抽樣時(shí)間”偏倚效應(yīng)(xiàoyìng)（初次采訪和隨后的采訪之間的回答有顯著的改變）的存在性叫輪換面板。對(duì)于輪換面板，每批加到面板的新個(gè)體組提供了檢驗(yàn)抽樣時(shí)間偏倚效應(yīng)(xiàoyìng)的方法。第七頁，共49頁。3.空間(kōngjiān)面板模型:當(dāng)考慮國家、地區(qū)、州、縣等相關(guān)截面數(shù)據(jù)時(shí)，這些(zhèxiē)總量個(gè)體可能表現(xiàn)出必須處理的截面相關(guān)性?，F(xiàn)在有大量運(yùn)用空間數(shù)據(jù)的文獻(xiàn)處理這種相關(guān)性。這種空間相依模型在區(qū)域科學(xué)和城市經(jīng)濟(jì)學(xué)中比較普遍。具體來說，這些(zhèxiē)模型使用經(jīng)濟(jì)距離測度設(shè)定了面板數(shù)據(jù)的空間自相關(guān)性和空間結(jié)構(gòu)（空間異質(zhì)性）。第八頁，共49頁。4.計(jì)數(shù)面板(miànbǎn)模型:被解釋變量是計(jì)數(shù)面板數(shù)據(jù)的例子很多。例如，一段時(shí)間內(nèi)一家公司的竟標(biāo)次數(shù)、一個(gè)人去看醫(yī)生(yīshēng)的次數(shù)、每天吸煙者的數(shù)量及一個(gè)研發(fā)機(jī)構(gòu)登記專利的數(shù)目。雖然可以運(yùn)用傳統(tǒng)面板回歸模型對(duì)計(jì)數(shù)面板數(shù)據(jù)建模，但鑒于被解釋變量具有0及非負(fù)離散取值的特征，運(yùn)用泊松面板回歸模型建模更為合適。第九頁，共49頁。第二節(jié)面板數(shù)據(jù)回歸(huíguī)模型一、面板數(shù)據(jù)回歸(huíguī)模型的一般形式：其中，i=1,2,…,N表示個(gè)N個(gè)體；t=1,2,…,T表示T個(gè)時(shí)期；yit為被解釋變量,表示第i個(gè)個(gè)體在t時(shí)期的觀測值；xkit是解釋變量,表示第k個(gè)解釋變量對(duì)于個(gè)體i在時(shí)期t的觀測值；是待估參數(shù)；uit是隨機(jī)干擾項(xiàng)。第十頁，共49頁。稱為個(gè)體效應(yīng)。反映(fǎnyìng)個(gè)體不隨時(shí)間變化的差異性。稱為(chēnɡwéi)時(shí)間效應(yīng)。反映不隨個(gè)體變化的時(shí)間上的差異性。第十一頁，共49頁。在上式模型中，樣本容量（NT）遠(yuǎn)遠(yuǎn)小于參數(shù)個(gè)數(shù)，這使得模型無法(wúfǎ)估計(jì)。為了實(shí)現(xiàn)模型的估計(jì)，可以分別建立以下兩類模型：從個(gè)體(gètǐ)成員角度考慮，建立含有N個(gè)個(gè)體(gètǐ)成員方程的PanelData模型；在時(shí)間點(diǎn)上截面，建立含有T個(gè)時(shí)間點(diǎn)截面方程的PanelData模型。第十二頁，共49頁。1．含有N個(gè)個(gè)體(gètǐ)成員方程的PanelData模型PanelData模型簡化為如下形式：2．含有(hányǒu)T個(gè)時(shí)間截面方程的PanelData模型PanelData模型簡化為如下形式：第十三頁，共49頁。二、面板(miànbǎn)數(shù)據(jù)回歸模型的分類由于含有N個(gè)個(gè)體成員方程(fāngchéng)的式和含有T個(gè)時(shí)間截面方程(fāngchéng)的式兩種形式的模型在估計(jì)方法上類似，因此本章主要討論含有N個(gè)個(gè)體成員方程(fāngchéng)的PanelData模型的估計(jì)方法。第十四頁，共49頁。根據(jù)對(duì)截距項(xiàng)和解釋變量系數(shù)的不同假設(shè)，可將面板數(shù)據(jù)回歸(huíguī)模型分為：混合回歸(huíguī)模型、變截距回歸(huíguī)模型和變系數(shù)回歸(huíguī)模型3種類型。第十五頁，共49頁。混合回歸模型:假設(shè)截距項(xiàng)和解釋變量系數(shù)對(duì)于所有的截面(jiémiàn)個(gè)體成員都是相同的，即假設(shè)在個(gè)體成員上既無個(gè)體效應(yīng)，也無結(jié)構(gòu)變化?；旌匣貧w模型(móxíng)的模型(móxíng)形式為:第十六頁，共49頁。變截距回歸模型:假定在截面?zhèn)€體成員上截距項(xiàng)不同(bùtónɡ)，而模型的解釋變量系數(shù)是相同的變截距回歸(huíguī)模型的模型形式為:第十七頁，共49頁。變系數(shù)(xìshù)回歸模型:假定在截面?zhèn)€體成員上截距項(xiàng)和模型的解釋變量系數(shù)(xìshù)都不同。第十八頁，共49頁。根據(jù)(gēnjù)和與模型解釋變量是否相關(guān)，面板數(shù)據(jù)的個(gè)體效應(yīng)和時(shí)間效應(yīng)又分兩種情形：固定效應(yīng)和隨機(jī)效應(yīng)。如果個(gè)體效應(yīng)與模型中的解釋(jiěshì)變量是相關(guān)的,我們就稱這種個(gè)體效應(yīng)是固定效應(yīng)。反之，如果個(gè)體效應(yīng)與模型中的解釋(jiěshì)變量是不相關(guān)的，我們稱之為隨機(jī)效應(yīng)。如果時(shí)間效應(yīng)(xiàoyìng)與模型中的解釋變量是相關(guān)的,我們就稱這種時(shí)間效應(yīng)(xiàoyìng)是固定效應(yīng)(xiàoyìng)。反之，如果時(shí)間效應(yīng)(xiàoyìng)與模型中的解釋變量是不相關(guān)的，我們稱之為隨機(jī)效應(yīng)(xiàoyìng)。第十九頁，共49頁。第三節(jié)混合(hùnhé)回歸模型從時(shí)間上看，不同年份之間不存在顯著性差異；從截面上看，不同個(gè)體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(相當(dāng)于將多個(gè)時(shí)期(shíqī)的截面數(shù)據(jù)放在一起作為樣本數(shù)據(jù))，用普通最小二乘法（OLS）估計(jì)參數(shù)，且估計(jì)量是線性、無偏、有效和一致的。一、混合(hùnhé)回歸模型第二十頁，共49頁。二、混合回歸模型的估計(jì)(gūjì)（Eviews操作）第二十一頁，共49頁。第四節(jié)變截距回歸(huíguī)模型一、變截距模型(móxíng)的分類討論三種類型，即個(gè)體(gètǐ)固定效應(yīng)變截距模型、時(shí)點(diǎn)固定效應(yīng)變截距模型、時(shí)點(diǎn)個(gè)體(gètǐ)固定效應(yīng)變截距模型。變截距模型（一）固定效應(yīng)變截距模型第二十二頁，共49頁。1.個(gè)體固定(gùdìng)效應(yīng)變截距模型一般形式：其中，表示(biǎoshì)不同個(gè)體之間的差異化效應(yīng)。2.時(shí)點(diǎn)(shídiǎn)固定效應(yīng)變截距模型一般形式：其中，表示不同截面（時(shí)點(diǎn)）之間的差異化效應(yīng)。3.時(shí)點(diǎn)個(gè)體固定效應(yīng)變截距模型一般形式：第二十三頁，共49頁。（二）隨機(jī)效應(yīng)(xiàoyìng)變截距模型討論(tǎolùn)三種類型，即個(gè)體隨機(jī)效應(yīng)變截距模型、時(shí)點(diǎn)隨機(jī)效應(yīng)變截距模型、時(shí)點(diǎn)個(gè)體隨機(jī)效應(yīng)變截距模型。第二十四頁，共49頁。面板數(shù)據(jù)模型中的參數(shù)估計(jì)量既不同于截面數(shù)據(jù)估計(jì)量，也不同于時(shí)間(shíjiān)序列估計(jì)量，其估計(jì)方法隨著模型形式變化而變化。（一）固定效應(yīng)(xiàoyìng)變截距模型的估計(jì)1.最小二乘虛擬變量(biànliàng)（LSDV）估計(jì)二、變截距模型的估計(jì)第二十五頁，共49頁。（1）個(gè)體固定效應(yīng)(xiàoyìng)變截距模型一般形式：第二十六頁，共49頁。（2）時(shí)點(diǎn)固定效應(yīng)(xiàoyìng)變截距模型一般形式：第二十七頁，共49頁。（3）時(shí)點(diǎn)個(gè)體固定效應(yīng)變截距模型(móxíng)一般形式：第二十八頁，共49頁。(1)截面(jiémiàn)加權(quán)(個(gè)體截面(jiémiàn)異方差情形的GLS估計(jì))2.廣義(guǎngyì)最小二乘估計(jì)個(gè)體截面異方差(fānɡchà)是指各個(gè)個(gè)體方程的隨機(jī)干擾項(xiàng)之間存在異方差(fānɡchà)，但個(gè)體和時(shí)期之間協(xié)方差(fānɡchà)為零。第二十九頁，共49頁。當(dāng)殘差具有個(gè)體截面異方差(fānɡchà)時(shí)最好進(jìn)行截面加權(quán)回歸：第三十頁，共49頁。(2)同期相關(guān)協(xié)方差情形的SUR估計(jì)(gūjì)同期相關(guān)協(xié)方差是指不同的個(gè)體成員同一時(shí)期的隨機(jī)干擾項(xiàng)是相關(guān)的，但其在不同時(shí)期之間是不相關(guān)的。當(dāng)殘差具有同期(tóngqī)相關(guān)協(xié)方差情形時(shí)，SUR加權(quán)最小二乘是可行的GLS估計(jì)量：第三十一頁，共49頁。此時(shí)(cǐshí)的SUR估計(jì)為：第三十二頁，共49頁。（二）隨機(jī)效應(yīng)變截距模型(móxíng)的估計(jì)EViews按下列(xiàliè)步驟估計(jì)隨機(jī)影響模型：第三十三頁，共49頁。第五節(jié)變系數(shù)(xìshù)回歸模型前面所介紹的變截距模型中，橫截面成員的個(gè)體影響是用變化的截距來反映的，即用變化的截距來反映模型中忽略的反映個(gè)體差異的變量的影響。然而現(xiàn)實(shí)中變化的經(jīng)濟(jì)結(jié)構(gòu)或不同的社會(huì)經(jīng)濟(jì)背景等因素有時(shí)會(huì)導(dǎo)致反映經(jīng)濟(jì)結(jié)構(gòu)的參數(shù)隨著橫截面?zhèn)€體的變化而變化。因此，當(dāng)現(xiàn)實(shí)數(shù)據(jù)不支持(zhīchí)變截距模型時(shí)，便需要考慮這種系數(shù)隨橫截面?zhèn)€體的變化而改變的變系數(shù)模型。第三十四頁，共49頁。變系數(shù)模型(móxíng)的一般形式如下：為變系數(shù)(xìshù)，反映模型結(jié)構(gòu)隨截面的變化而變化。類似于變截距模型，變系數(shù)模型也分為(fēnwéi)固定影響變系數(shù)模型和隨機(jī)影響變系數(shù)模型兩種類型。第三十五頁，共49頁。EViews按下列步驟估計(jì)變系數(shù)(xìshù)模型：第三十六頁，共49頁。第六節(jié)效應(yīng)(xiàoyìng)檢驗(yàn)與模型形式設(shè)定檢驗(yàn)一、Hausman檢驗(yàn)(jiǎnyàn)建立面板數(shù)據(jù)模型(móxíng)前的首要任務(wù)是確定被解釋變量與截距項(xiàng)和系數(shù)的關(guān)系，截距項(xiàng)是否相同、系數(shù)是否一致，是固定效應(yīng)還是隨機(jī)效應(yīng)模型(móxíng)，從而避免模型(móxíng)設(shè)定的偏差，改進(jìn)參數(shù)估計(jì)的有效性。對(duì)于如何檢驗(yàn)?zāi)Ｐ椭袀€(gè)體效應(yīng)或時(shí)間效應(yīng)與解釋變量之間是否相關(guān)，Hausman（1978）提出了一種嚴(yán)格的統(tǒng)計(jì)檢驗(yàn)方法——Hausman檢驗(yàn)。第三十七頁，共49頁。固定效應(yīng)模型：LSDV估計(jì)量無偏；GLS估計(jì)量有偏。隨機(jī)(suíjī)效應(yīng)模型：LSDV和GLS估計(jì)量都無偏，但LSDV估計(jì)量有較大方差；。固定效應(yīng)模型：LSDV估計(jì)量和GLS估計(jì)量的估計(jì)結(jié)果有較大的差異。隨機(jī)(suíjī)效應(yīng)模型：LSDV估計(jì)量和GLS估計(jì)量的估計(jì)結(jié)果就比較接近。Hausman檢驗(yàn)(jiǎnyàn)的原理第三十八頁，共49頁。Hausman證明在原假設(shè)下，統(tǒng)計(jì)量W服從(fúcóng)自由度為k（模型中解釋變量的個(gè)數(shù)）的分布，即Step1：設(shè)定原假設(shè)(jiǎshè)H0:模型的個(gè)體效應(yīng)或時(shí)間效應(yīng)與解釋變量無關(guān)；Step2：構(gòu)造(gòuzào)Hausman檢驗(yàn)的W統(tǒng)計(jì)量Hausman檢驗(yàn)其中b，分別為回歸系數(shù)的LSDV估計(jì)向量，GLS估計(jì)向量；為之差的方差，即第三十九頁，共49頁。Hausman檢驗(yàn)的操作EViews中可以實(shí)現(xiàn)檢驗(yàn)?zāi)Ｐ椭袀€(gè)體影響(yǐngxiǎng)與解釋變量之間是否相關(guān)的Hausman檢驗(yàn)。為了實(shí)現(xiàn)Hausman檢驗(yàn)，必須首先估計(jì)一個(gè)隨機(jī)效應(yīng)模型。然后，選擇View/Fixed/RandomEffectsTesting/CorrelatedRandomEffects-HausmanTest，EViews將自動(dòng)估計(jì)相應(yīng)的固定效應(yīng)模型，計(jì)算檢驗(yàn)統(tǒng)計(jì)量，顯示檢驗(yàn)結(jié)果和輔助回歸結(jié)果。第四十頁，共49頁。隨機(jī)(suíjī)效應(yīng)模型：LSDV和GLS估計(jì)量都無偏，但LSDV個(gè)體截面異方差(fānɡchà)是指各個(gè)個(gè)體方程的隨機(jī)干擾項(xiàng)之間存在異方差(fānɡchà)，但個(gè)體和時(shí)期之間協(xié)方差(fānɡchà)為零。混合回歸模型的殘差平方和記為S3。變截距回歸模型的殘差平方和記為S2；第二節(jié)面板數(shù)據(jù)回歸(huíguī)模型第五節(jié)變系數(shù)(xìshù)回歸模型為了實(shí)現(xiàn)模型的估計(jì)，可以分別建立以下兩類模型：從個(gè)體(gètǐ)成員角度考慮，建立含有N個(gè)個(gè)體(gètǐ)成員方程的PanelData模型；（二）隨機(jī)效應(yīng)(xiàoyìng)變截距模型數(shù)據(jù)的個(gè)體效應(yīng)和時(shí)間效應(yīng)又分兩種情形：固其中，表示(biǎoshì)不同個(gè)體之間的差異化效應(yīng)。第二十四頁，共49頁。Pedroni提出了基于EngleandGranger二步法的面板數(shù)據(jù)(shùjù)協(xié)整檢驗(yàn)方法，該方法以協(xié)整方程的回歸殘差為基礎(chǔ)構(gòu)造7個(gè)統(tǒng)計(jì)量來檢驗(yàn)面板變量之間的協(xié)整關(guān)系。時(shí)點(diǎn)(shídiǎn)固定效應(yīng)變截距模型一般形式：面板數(shù)據(jù)的協(xié)整檢驗(yàn)方法可以分為兩大類，一類(yīlèi)是建立在EngleandGranger二步法檢驗(yàn)基礎(chǔ)上的面板協(xié)整檢驗(yàn)，具體方法主要有Pedroni檢驗(yàn)和Kao檢驗(yàn)；然后，選擇View/Fixed/RandomEffectsTesting/CorrelatedRandomEffects-HausmanTest，EViews將自動(dòng)估計(jì)相應(yīng)的固定效應(yīng)模型，計(jì)算檢驗(yàn)統(tǒng)計(jì)量，顯示檢驗(yàn)結(jié)果和輔助回歸結(jié)果。第二十六頁，共49頁。二、模型形式設(shè)定(shèdìnɡ)檢驗(yàn)為了檢驗(yàn)面板數(shù)據(jù)模型的類型：混合回歸模型、變截距回歸模型還是變系數(shù)回歸模型，經(jīng)常使用的檢驗(yàn)是協(xié)方差分析檢驗(yàn)(F檢驗(yàn))，主要檢驗(yàn)如下兩個(gè)(liǎnɡɡè)假設(shè)：H1：變截距回歸(huíguī)模型H2：混合回歸(huíguī)模型可見如果接受假設(shè)H2

則可以認(rèn)為模型為混合回歸模型，無需進(jìn)行進(jìn)一步的檢驗(yàn)。如果拒絕假設(shè)H2，則需檢驗(yàn)假設(shè)H1。如果接受H1，則認(rèn)為模型為變截距回歸模型，反之拒絕H1

，則認(rèn)為模型為變系數(shù)回歸模型。第四十一頁，共49頁。下面介紹(jièshào)假設(shè)檢驗(yàn)的F統(tǒng)計(jì)量的計(jì)算方法。首先計(jì)算變系數(shù)回歸模型的殘差平方和，記為S1；變截距回歸模型的殘差平方和記為S2；混合回歸模型的殘差平方和記為S3。構(gòu)造(gòuzào)并計(jì)算統(tǒng)計(jì)量第四十二頁，共49頁。例9-3第四十三頁，共49頁。第七節(jié)面板(miànbǎn)數(shù)據(jù)的單位根檢驗(yàn)和協(xié)整檢驗(yàn)一、面板(miànbǎn)數(shù)據(jù)的單位根檢驗(yàn)（一）面板(miànbǎn)數(shù)據(jù)的單位根檢驗(yàn)分類（二）面板(miànbǎn)數(shù)據(jù)的單位根檢驗(yàn)應(yīng)用舉例二、面板(miànbǎn)數(shù)據(jù)的協(xié)整檢驗(yàn)（一）檢驗(yàn)方法分類（二）面板(miànbǎn)數(shù)據(jù)協(xié)整檢驗(yàn)的應(yīng)用舉例第四十四頁，共49頁。一般情況下可以(kěyǐ)將面板數(shù)據(jù)的單位根檢驗(yàn)劃分為兩大類：一類為相同根情形下的單位根檢驗(yàn)，檢驗(yàn)方法包括LLC（Levin-Lin-Chu）檢驗(yàn)、Breitung檢驗(yàn)；