4个组内统计量

别是4个组内统计量（within-dimension）：Panelv统计量、Panel rho统计量、Panel PP统计量还有Palel ADF统计量。这些检验方法包括了各个变量的自回归系数残差的单位根检验。第 二类是分别基于3个是组间统计量（between-dimension）Group rho统计量、Group PP统计量、Group ADF统计量。这些统计量是截面时间序列各个向量估计系数和协整检验统计量的 平均。在这种检验过程中允许各自的面板单位有各自不同固定效应和短期动态 效应以及各自不同的长期协整系数，这种检验方法不是建立在对整体的统计量 进行平均，而是通过把分子分母分开来进行平均。Pedroni应用Brownian运动泛 函收敛性发现这7个统计量的渐进极限分布是标准正态分布。Pedroni在Monte Carlo模型试验的得出结论。当样本的个数大于一百时，这七个统计量都具有很 好的稳定性和检验效率。但是当样本的个数小于二十是这种情况就会发生变化 ，这时Group ADF统计检验量变成最是最优的。当回归统计量存在内生性时，如果直接用OLS 来估计参数是有偏的。因此需要提出修正，Pedroni提出用用完全修正普通最小 二乘估计法（Group Mean Panel FMOLS）能修正（来解决）这个问题。后来KAO和Chiang（2000）也指出完全修 正普通最小二乘估计法（Group Mean Panel FMOLS）能有效的修正有偏性和自相关性。 2.1.3 Granger因果检验 Granger在1969年提出关于时间序列的预测性的因果关系（Granger因果关 系），它大体上的意思是如果一个变量的变化会引起另一个变量的变化，则这 个变量的变化因该在另一个变量发生变化之前发生变化。早起Granger因果关系 检验主要是针对时间序列，后来Hurlin和Venet（2001、2004）提出了一系列面 板数据的Granger因果检验 45。他们还支出由于加入了截面数据（提高样本数） ，能够减少变量的共线性和提高Granger因果检验（Wald统计量）的自由度。 假设两个平稳量x和y，它们都是有T个时间取值点，每个截面都有N个单元 的面板数据，分别记为 。它们的Granger 因果检验方程如； ,itityx 和 ()(), , ,11ppkkitiititityyx 其中 是各个截面的截距项， 是滞后k期的y的影响系数， 是滞后k期x的影ii i 响系数。如果变量x是变量y的原因，那么应该是x先变化了才导致y的变化。即 在y的回归模型中加入x的滞后期作为独立变量能够明显的提高对y值预测的有效 性，我们称x就是y的Granger原因。即在Granger因果关系检验的零假设是 （i=1,2N;k=1,2,p），只要检验的结果中 不全为零，则x()0:kiH ()ki 就是y的Granger原因。当x、y替换之后也有这样结果的话我们则称y是x的Grang er原因。如果两种情况同时存在则称x和y有双向因果关系。Granger因果检验依 据各自变量的滞后期在相互解释对方变量时的显著程度，来检验是否有因果关 系和Granger因果关系的方向性。在进行检验时滞后期的选择十分重要，不同的 滞后期可能会导致出完全相反结论。但是对于如何选择滞后期现在的文献还没 有给出一个具体的判断标准。本文在分析问题时选择了进行多个滞后期进行检 验分析，这样的做的目的是为了增加结论的稳健性。 2.2实证分析 2.2.1数据来源与处理 本文用El来表示福建省农业用电量，用In来表示福建省农民收入，数据来 源都取自福建经济与社会统计年鉴农村篇(福州：福建人民出版社)。选 取04- 10年的面板数据。由于福建省地域辽阔且地形复杂多变的特点，导致各地经济 发展方向、速度和重点也大不相同。福建省农民收入和福建省农业用电量也不 例外。这符合我省的基本省情，不同区域之间的发展差异性是客观存在的。本 文希望通过面板模型能很好的揭示福建省的这种情况。本文按照福建省各个区 域地形特点、语言特点、历史性等尝试着把福建67个县市划分成闽南、闽北、 闽东、闽西四个区域进行分析。其中闽北：包括南平（武夷山、浦城、建阳、 建瓯、光泽、松溪、顺昌、政和、邵武）。闽西：包括龙岩（漳平、永定、上 杭、武平、连城、长汀），三明 （沙县、明溪、清流、宁化、建宁、泰宁、将乐、永安、尤溪、大田）。闽东 ：包括福州（闽侯、长乐、连江、闽清、永泰、福清、平潭、罗源）、莆田（ 仙游）、宁德（福安、福鼎、古田、霞浦、周宁、寿宁、屏南、柘荣）。闽南 ：包括泉州（晋江、石狮、南安、惠安、安溪、永春、德化）、厦门、漳州（ 华安、南靖、长泰、平和、东山、诏安、云霄、漳浦、龙海）。 2.2.2模型的建立 第一步：单位根检验。在分析经济数据进行协整检验时，首先需要对经济 数据的平稳性检验，而单位根检验是常用的方法。本文采用的面板单位根检验 是在时间序列单位根检验的基础上发展的。它把截面数据的特性和时间序列的 特性结合起来，因此能多的获取数据的信息，这样也能够更加准确的对单位根 的存在性进行判断。它是在面板模型的AR（1）的基础上进行检验的。模型如下 ： 1itititityyx 上式中，i表示在面板数据中取不同的横截面；t表示在面板数据中取不同时期 ；x表示模型的外生变量； 表示是回归系数；当 1时则称y是平稳过程，当i i =1时则称y存在单位根是不平稳的。i 第二步：面板协整检验协整模型能够刻画两个或多个变量之间是否存在长 期的均衡关系。但是在面板数据中由于个体存在异值性、空间相关性、非平衡 面板等问题使得面板数据的协整检验比时间序列的协整检验更为复杂。对于检 验结果是经济变量间存在协整关系，才可以进一步建立相关的计量经济模型。 第三步：Granger因果检验。在协整检验通过的基础上我们进行Granger因 果检验。可以对经济变量之间做出更为明确的因果关系判断。Granger因果检验 是根据各个变量之间通过各自过去值（比当期时间段更早）的数据在相互解释 对方变量时显著性是否存在的检验。它的检验结果对滞后期的选择十分的敏感 ，滞后期的选择往往会导致结论的不同，目前的文献也没有能对其选择和判断 进行给出一个标准。对于这个现在本文选择多取几个滞后期进行比较分析。 2.2.3 模型分析 1福建省农民收入与农业用电量面板数据的单位根检验 在对面板数据进行协整分析前需要对面板数据进行单位根的检验，判断面板数 据的平稳性，这样才能避免伪回