面板数据模型设定检验方法.doc

1:(STATA的双固定效应)xi:,fe2:变系数模型(1)生成虚拟变量tabid,gen(id)genopen1=id1*opengenopen2=id2*open(2)变系数命令xtregyopen1open2。。。,。F统计量定义为其中RSSr表示施加约束条件后估计模型的残差平方和,RSSu表示未施加约束条件的估计模型的残差平方和,J表示约束条件个数,N表示样本容量,k表示未加约束的模型中被估参数的个数。在原假设“约束条件真实”条件下,F统计量渐近服从自由度为(J,N–k)的F分布。以检验个体固定效应回归模型为例,介绍F检验的应用。建立假设H0:ai=a。模型中不同个体的截距相同(真实模型为混合回归模型)。H1:模型中不同个体的截距项ai不同(真实模型为个体固定效应回归模型)。F统计量定义为:F==(31)其中SSEr表示约束模型,即混合估计模型的残差平方和,SSEu表示非约束模型,即个体固定效应回归模型的残差平方和。非约束模型比约束模型多了N-1个被估参数。以案例1为例,已知SSEr=,SSEu=,F====(32)(6,87)==>(14,89)=,推翻原假设,比较上述两种模型,建立个体固定效应回归模型更合理。,简称H检验。H检验由Hausman1978年提出,是在Durbin(1914)和Wu(1973)基础上发展起来的。所以H检验也称作Wu-Hausman检验,和Durbin-Wu-Hausman检验。先介绍Hausman检验原理例如在检验单一方程中某个回归变量(解释变量)的内生性问题时得到相应回归参数的两个估计量,一个是OLS估计量、一个是2SLS估计量。其中2SLS估计量用来克服回归变量可能存在的内生性。如果模型的解释变量中不存在内生性变量,那么OLS估计量和2SLS估计量都具有一致性,都有相同的概率极限分布。如果模型的解释变量中存在内生性变量,那么回归参数的OLS估计量是不一致的而2SLS估计量仍具有一致性,两个估计量将有不同的概率极限分布。更一般地,假定得到q个回归系数的两组估计量和,则H检验的零假设和被择假设是:H0:plim(-)=0H1:plim(-)¹0假定两个估计量的差作为统计量也具有一致性,在H0成立条件下,(-)N(0,VH)其中VH是(-)的极限分布方差矩阵。则H检验统计量定义为H=(-)'(N-1)-1(-)®c2(q)(33)其中(N-1)是(-)的估计的方差协方差矩阵。在H0成立条件下,H统计量渐近服从c2(q)分布。其中q表示零假设中约束条件个数。H检验原理很简单,但实际中VH的一致估计量并不容易。一般来说,N-1=Var(-)=Var()+Var()-2Cov(,)(34)Var(),Var()在一般软件计算中都能给出。但Cov(,)不能给出。致使H统计量(33)在实际中无法使用。实际中也常进行如下检验。H0:模型中所有解释变量都是外生的。H1:其中某些解释变量都是内生的。在原假设成立条件下,H=(-)'(-)-1(-)~c2(k)(36)其中和分别是对Var()和Var()的估计。与(3