eviews面板数据模型分析——面板数据模型与应用.ppt

面板数据的计量经济分析，白仲林著，张晓峒主审， 南开大学出版社，2008，书号ISBN978-7-310-02915-0 。 file:5panel02 file:5panel01 8面板数据模型的协整检验 1 1面板数据定义面板数据定义 面板数据（panel data）也称作时间序列与截面混合数据（pooled time series and cross section data）。面板数据是截面上个体在不同时点的 重复观测数据。 panel 原指对一组固定调查对象的多次观测，近年来panel data已经成 为专业术语。 N=30，T=50的面板数据示意图 中国各省级地区消费性支出占可支配收入比例走势图中国各省级地区消费性支出占可支配收入比例走势图 面板数据分两种特征：（1）个体数少，时间长。（2）个体数多，时间 短。面板数据主要指后一种情形。 面板数据用双下标变量表示。 yi t, i = 1, 2, , N; t = 1, 2, , T i对应面板数据中不同个体。N表示面板数据中含有N个个体。t对应面板 数据中不同时点。T表示时间序列的最大长度。 利用面板数据建立模型的好处是：（1）由于观测值的增多，可以增加估 计量的抽样精度。（2）对于固定效应回归模型能得到参数的一致估计量 ，甚至有效估计量。（3）面板数据建模比单截面数据建模可以获得更多 的动态信息。 1 1面板数据定义面板数据定义 2面板数据模型分类 用面板数据建立的模型通常有3种，即混合模型、固定效应模型和随机 效应模型。 2.1 混合模型（Pooled model）。 如果一个面板数据模型定义为， yit = + Xit +it, i = 1, 2, , N; t = 1, 2, , T 其中yit为被回归变量（标量），表示截距项，Xit为k 1阶回归变量列向 量（包括k个回归量），为k 1阶回归系数列向量，it为误差项（标量 ）。则称此模型为混合回归模型。混合回归模型的特点是无论对任何个 体和截面，回归系数和都相同。 如果模型是正确设定的，解释变量与误差项不相关，即Cov(Xit,it) = 0。 那么无论是N，还是T，模型参数的混合最小二乘估计量（ Pooled OLS）都是一致估计量。 2面板数据模型分类 2.2 固定效应模型（fixed effects model）。 固定效应模型分为3种类型，即个体固定效应模型、时点固定效应模型和 个体时点双固定效应模型。下面分别介绍。 2.2.1个体固定效应模型（entity fixed effects model） 如果一个面板数据模型定义为， yit = i + Xit +it, i = 1, 2, , N; t = 1, 2, , T 其中i是随机变量，表示对于i个个体有i个不同的截距项，且其变化与Xit 有关系；Xit为k 1阶回归变量列向量（包括k个回归量），为k 1阶回归 系数列向量，对于不同个体回归系数相同，yit为被回归变量（标量），it 为误差项（标量），则称此模型为个体固定效应模型。 3. 面板数据模型估计方法 混合最小二乘（Pooled OLS）估计 （适用于混合模型） 平均数（between）OLS估计 （适用于混合模型和个体随机效应模型） 离差变换（within）OLS估计 （适用于个体固定效应回归模型） 一阶差分（first difference）OLS估计 （适用于个体固定效应模型） 可行GLS（feasible GLS）估计 （适用于随机效应模型） 15个省级地区的人均消费序列 1515个