《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
《anelData模型》 来自淘豆网www.taodocs.com转载请标明出处.