面板数据模型经典_PPT

整理文档很辛苦,赏杯茶钱您下走!

免费阅读已结束,点击下载阅读编辑剩下 ...

阅读已结束,您可以下载文档离线阅读编辑

资源描述

第11章面板数据模型11.1面板数据模型概述11.1.1面板数据的含义面板数据(paneldata)也称也称平行数据,或时间序列截面数据(timeseriesandcrosssectiondata)或混合数据(pooldata),是指在时间序列上取多个截面,在这些截面上同时选取样本观测值所构成的样本数据。面板数据从横截面上看,是由若干个体在某一时刻构成的截面观测值,从纵剖面上看是一个时间序列。面板数据用双下标变量表示。例如yiti=1,2,…,N;t=1,2,…,TN表示面板数据中含有N个个体。T表示时间序列的最大长度。若固定t不变,yi.(i=1,2,…,N)是横截面上的N个随机变量;若固定i不变,y.t(t=1,2,…,T)是纵剖面上的一个时间序列(个体),如图11.1.1所示。图11.1.1面板数据示意图例如1990-2000年30个省份的农业总产值数据。固定在某一年份上,它是由30个农业总产值数字组成的截面数据;固定在某一省份上,它是由11年农业总产值数据组成的一个时间序列。面板数据由30个个体组成。共有330个观测值。对于面板数据yit,i=1,2,…,N;t=1,2,…,T来说,如果从横截面上看,每个变量都有观测值,从纵剖面上看,每一期都有观测值,则称此面板数据为平衡面板数据(balancedpaneldata)。若在面板数据中丢失若干个观测值,则称此面板数据为非平衡面板数据(unbalancedpaneldata)。例11.1.11996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费和人均收入(不变价格)数据见表11.1.1和表11.1.2。数据是7年的,每一年都有15个数据,共105组观测值。表11.1.11996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费数据(不变价格)表11.1.21996-2002年中国15个省级地区的居民家庭人均收入数据(不变价格)人均消费和收入的面板数据从纵剖面观察分别见图11.1.2和图11.1.3。从横截面观察分别见图11.1.4和图11.1.5。用CP表示消费,IP表示收入。AH,BJ,FJ,HB,HLJ,JL,JS,JX,LN,NMG,SD,SH,SX,TJ,ZJ分别表示安徽省、北京市、福建省、河北省、黑龙江省、吉林省、江苏省、江西省、辽宁省、内蒙古自治区、山东省、上海市、山西省、天津市、浙江省。2000300040005000600070008000900010000110001996199719981999200020012002CPAHCPBJCPFJCPHBCPHLJCPJLCPJSCPJXCPLNCPNMGCPSDCPSHCPSXCPTJCPZJ图11.1.215个省市人均消费序列(纵剖面)图11.1.315个省市人均收入序列20004000600080001000012000140001996199719981999200020012002IPAHIPBJIPFJIPHBIPHLJIPJLIPJSIPJXIPLNIPNMGIPSDIPSHIPSXIPTJIPZJ图11.1.415个省市人均消费散点图(每条连线表示同一年度15个地区的消费值)图11.1.515个省市人均收入散点图(7个横截面叠加)(每条连线表示同一年度15个地区的收入值)15个地区7年人均消费对收入的面板数据散点图见图11.1.6和图11.1.7。图11.1.6中每一种符号代表一个省级地区的7个观测点组成的时间序列。相当于观察15个时间序列。图11.1.7中每一种符号代表一个年度的截面散点图(共7个截面)。相当于观察7个截面散点图的叠加。2000300040005000600070008000900010000110000400080001200016000IP(1996-2002)CPAHCPBJCPFJCPHBCPHLJCPJLCPJSCPJXCPLNCPNMGCPSDCPSHCPSXCPTJCPZJ图11.1.6用15个时间序列表示的人均消费对收入的面板数据图11.1.7用7个截面表示的人均消费对收入的面板数据(7个截面叠加)图11.1.8给出北京和内蒙古1996-2002年消费对收入散点图。图11.1.9给出15个省级地区1996和2002年的消费对收入散点图。图11.1.8北京和内蒙古1996-2002年消费对收入时序图图11.1.91996和2002年地区消费对收入散点图11.1.2面板数据模型的基本类型设yit为被解释变量在横截面i和时间t上的数值,xjit为第j个解释变量在横截面i和时间t上的数值,uit为横截面i和时间t上的随机误差项;bji为第i截面上的第j个解释变量的模型参数;ai为常数项或截距项,代表第i横截面(第i个体的影响);解释变量数为j=l,2,…,k;截面数为i=1,2,…,N;时间长度为t=1,2,…,T。其中,N表示个体截面成员的个数,T表示每个截面成员的观测时期总数,k表示解释变量的个数。则单方程面板数据模型一般形式可写成:对于平衡的面板数据,即在每一个截面单元上具有相同个数的观测值,模型样本观测数据的总数等于NT。当N=1且T很大时,就是所熟悉的时间序列数据;当T=1而N很大时,就只有截面数据。面板数据模型划分为3种类型:(1)无个体影响的不变系数模型:ai=aj=a,bi=bj=b这种情形意味着模型在横截面上无个体影响、无结构变化,可将模型简单地视为是横截面数据堆积的模型。这种模型与一般的回归模型无本质区别,只要随机扰动项服从经典基本假设条件,就可以采用OLS法进行估计(共有k+1个参数需要估计),该模型也被称为联合回归模型(pooledregressionmodel)。(2)变截距模型:ai≠aj,bi=bj=b这种情形意味着模型在横截面上存在个体影响,不存在结构性的变化,即解释变量的结构参数在不同横截面上是相同的,不同的只是截距项,个体影响可以用截距项ai(i=1,2,…,N)的差别来说明,故通常把它称为变截距模型。(3)变系数模型:ai≠aj,bi≠bj这种情形意味着模型在横截面上存在个体影响,又存在结构变化,即在允许个体影响由变化的截距项ai(i=1,2,…,N)来说明的同时还允许系数向量bi(i=1,2,…,N)依个体成员的不同而变化,用以说明个体成员之间的结构变化。我们称该模型为变系数模型。11.1.3面板数据模型的优点1.利用面板数据模型可以解决样本容量不足的问题2.有助于正确地分析经济变量之间的关系3.可以估计某些难以度量的因素对被解释变量的影响11.2模型形式设定检验建立面板数据模型首先要检验被解释变量yit的参数ai和bi是否对所有个体样本点和时间都是常数,即检验样本数据究竟属于上述3种情况的哪一种面板数据模型形式,从而避免模型设定的偏差,改进参数估计的有效性。主要检验如下两个假设:如果接受假设H2,则可以认为样本数据符合不变截距、不变系数模型。如果拒绝假设H2,则需检验假设H1。如果接受H1,则认为样本数据符合变截距、不变系数模型;反之,则认为样本数据符合变系数模型。下面介绍假设检验的F统计量的计算方法。首先计算变截距、变系数模型(11.1.6)的残差平方和S1。如果记11.3变截距模型该模型允许个体成员上存在个体影响,并用截距项的差别来说明。模型的回归方程形式如下:11.3.1固定影响变截距模型1.最小二乘虚拟变量模型(LSDV)及其参数估计其中例11.3.1利用1996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费和人均收入数据(见表11.1和表11.2),试研究这些地区的居民家庭消费行为。(1)建立合成数据库(pool)对象或混合数据库对象;(2)定义序列名并输入数据;(3)估计无个体影响的不变系数模型;(4)估计变截距模型。(1)建立合成数据库(pool)对象在打开工作文件窗口的基础上,点击主功能菜单中的Objects键,选NewObject功能,从而打开NewObject(新对象)选择窗(见图11.3.1)。图11.3.1Pool对象定义对话框在TypeofObject选择区选择Pool(混合数据库),在NameofObject选择区命名CS(初始显示为Untitled),点击OK,从而打开Pool对象说明窗口。在窗口中输入15个地区标识AH(安徽)、BJ(北京)、…、ZJ(浙江)。如图11.3.2所示。图11.3.2Pool对象说明窗口(2)定义序列名并输入数据在新建立的Pool(混合数据)窗口的工具栏中点击Sheet键,从而打开SeriesList(列出序列名)窗口,定义时间序列变量CP?和IP?,如图11.3.3。点击OK键,从而打开Pool(混合数据库)窗口,输入数据,输入完成后的情形见图11.3.4。图11.3.3序列列表对话框图11.3.4序列的堆栈形式数据表(3)估计无个体影响的不变系数模型模型形式为其中:a为15个省市的平均自发消费倾向,b为边际消费倾向。在Pool窗口的工具栏中点击Estimate键,打开PooledEstimation(混合估计)窗口如图11.3.5。图11.3.5合成数据模型定义对话框在对话框左上部的DependentVariable选择窗填入被解释变量CP?;在中部的Commoncoefficients(系数相同)选择窗填入解释变量IP?;Crosssectionspecificcoefficients(截面系数不同)选择窗保持空白;Intercept选项代表截距的处理方式。None代表模型不包含截距,Common指所有截面单元具有相同截距,Fixedeffects与Randomeffects分别表示截距变动的固定效应和随机效应。本例选择窗点击Common。对话框Weighting(权数)选项是模型的估计方法。本例选择不加权,点击Noweighting。完成合成数据模型定义对话框后,点击OK键,得输出结果如表11.3.1。表11.3.1无个体影响的不变系数模型估计结果表11.3.1结果表明,回归系数显著不为0,调整后的样本决定系数达0.98,说明模型的拟合优度较高。从结果看,平均消费倾向为0.76,表明15个省级地区的人均消费支出平均占收入的76%。(4)变截距模型模型形式为其中:ai为15个省市的自发消费倾向,用来反映省市间的消费结构差异,b为边际消费倾向。EViews估计方法:在EViews的PooledEstimation对话框中Intercept选项中选Fixedeffects。其余选项同上。得输出结果如表11.3.2。表11.3.2变截距模型估计结果表11.3.2中给出了变截距模型估计结果,表中的系数0.697561为边际消费倾向,后面三项是估计标准误、检验统计量值和相伴概率。表中下半部是各地区截距估计值。输出结果的方程形式是安徽:CP_AH=479.3076014+0.6975614547*IP_AH北京:CP_BJ=1053.179629+0.6975614547*IP_BJ福建:CP_FJ=467.9678362+0.6975614547*IP_FJ河北:CP_HB=361.3764747+0.6975614547*IP_HB黑龙江:CP_HLJ=345.9120278+0.6975614547*IP_HLJ吉林:CP_JL=540.1174754+0.6975614547*IP_JL江苏:CP_JS=480.417445+0.6975614547*IP_JS江西:CP_JX=195.9175812+0.6975614547*IP_JX辽宁:CP_LN=622.0405359+0.6975614547*IP_LN内蒙古:CP_NMG=306.0650134+0.6975614547*IP_NMG山东:CP_SD=381.4986769+0.6975614547*IP_SD上海:CP_SH=782.5988793+0.6975614547*IP_SH陕西:CP_SX=440.7243659+0.69

1 / 159
下载文档,编辑使用

©2015-2020 m.777doc.com 三七文档.

备案号:鲁ICP备2024069028号-1 客服联系 QQ:2149211541

×
保存成功