《anelData模型》.ppt

《anelData模型》
一、Panel Data 模型概述
1、关于Panel Data Model
独立的计量经济学分支
比较多地用于宏观经济分析——统计数据
也可以用于微观经济分析——调查数据
几种翻译
面板数据模型
综《anelData模型》
一、Panel Data 模型概述
1、关于Panel Data Model
独立的计量经济学分支
比较多地用于宏观经济分析——统计数据
也可以用于微观经济分析——调查数据
几种翻译
面板数据模型
综列数据模型
平行数据模型
时空数据模型
常用Panel Data 模型
变截矩模型(Variable-Intercept Models)
固定影响(Fixed-Effects)
随机影响(Random-Effects)
变系数模型(Variable-Coefficient Models)
固定影响
随机影响
动态变截矩模型(Dynamic Models with Variable Intercepts)
固定影响
随机影响
其它Panel Data 模型
联立方程Panel Data模型
离散数据Panel Data模型
选择性样本Panel Data模型
Panel Data单位根检验和协整检验
2、计量经济分析中的Panel Data问题
研究目的的需要
通过建立计量经济学模型进行经济分析，经常发现，只利用截面数据或者只利用时间序列数据不能满足分析目的的需要。
例如，如果分析生产成本问题。
例如，分析目前我国的结构性失业问题。
数据信息的充分利用
在计量经济分析中，利用信息越多越有效。
利用Panel Data比仅利用截面数据或者时间序列数据更有效。
二、Panel Data 模型的设定——F检验
⒈单方程Panel Data模型常见的三种情形
情形1：变系数模型。在横截面上有个体影响，有结构变化。即除了存在个体影响外,在横截面上还存在变化的经济结构，因而结构参数在不同横截面单位上是不同的。
情形2：变截距模型。在横截面上有个体影响，无结构变化。即个体影响表现为模型中被忽略的反映个体差异的变量的影响，又分为固定影响和随机影响两种情况。
情形3：在横截面上无个体影响，无结构变化。则普通最小二乘估计给出了一致有效估计。相当于将多个时期的截面数据放在一起作为样本数据。
情形4：不讨论。 Because it is seldom meaningful to ask if the intercepts are the same when the slopes are unequal, we shall ignore the type of restrictions.
情形5：在时间序列上有个体影响，有结构变化。在理论方法方面与情形1相同，不讨论。
情形6：有实践，无理论。
⒉F检验
F检验的思路是：将情形2、3分别视为对情形1施加了参数约束。
经典模型中的约束检验：
假设1：斜率在不同的横截面样本点上和时间上都相同，但截距不相同。（情形2）
假设2：截距和斜率在不同的横截面样本点和时间上都相同。（情形3）
如果接收了假设2，则没有必要进行进一步的检验。如果拒绝了假设2，就应该检验假设1，判断是否斜率都相等。如果假设1被拒绝，就应该采用情形1的模型。
主要工作是计算3种情形的残差平方和。下面列出了计算过程，可以忽略。因为在实际应用中，分别对3种情形的的模型进行估计，以得到残差平方和。
F统计量的计算方法
第i群的残差平方和
的残差平方和
的残差平方和
的残差平方和
检验假设2的F统计量
从直观上看，如S3－S1很小，F2则很小，低于临界值，接受H2。 S3为截距、系数都不变的模型的残差平方和，S1为截距、系数都变化的模型的残差平方和。
检验假设1的F统计量
从直观上看，如S2－S1很小，F1则很小，低于临界值，接受H1。 S2为截距变化、系数不变的模型的残差平方和，S1为截距、系数都变化的模型的残差平方和。
Eviews 不能自动进行F检验，需要单独进行检验。
从理论上讲，模型设定检验是不可缺少的。
在实际应用中，最容易被忽视。
二、固定影响变截距模型
1. LSDV模型及其参数估计
T阶向量
(T×n)阶向量
该模型通常被称为最小二乘虚拟变量(LSDV)模型，有时也称之为协方差分析模型(解释变量既有定量的，也有定性的)。
如果n充分小，此模型可以当作具有（n+K)个参数的多元回归,参数可由普通最小二乘进行估计。
当n很大，甚至成千上万，OLS计算可能超过任何计算机的存储