面板数据模型及金融相关案例分析.ppt

案例2 :储蓄，案例4 :利用var模型验证中国货币政策的有效性。 案例5 :面板数据及其应用，案例1，货币供给量模型的构建与分析，案例3 :银行创新措施的效果分析，案例6 :中国税收增长分析，案例1，货币供给量模型的构建与分析，表现货币总量的指标为M0、M1、M2、M3等M0-现金M1-M0活期存款， 反映社会直接购买能力的狭义货币供给量M2-M1定期存款，非支票存款反映现实购买力，反映潜在购买力、广义货币供给量的M3-M2私有机构和公司的大宗定期存款，L-M3各种有价证券。 影响货币供给量的变动因素分为居民消费物价指数(1978=100)CPI、全国城乡人民币存款馀额(cky单位：亿元)、国内信用(Gsd，亿元)、国内生产总值(gdp，亿元)，选择了1990年至2003年。 数据文件al5.wf1。 另一方面，模型的选择，以下仅考察广义货币供应量M2与gdp、gsd、ckycpi的关系。 利用这4个变量和m-2的散布图，前者的3个是线性关系，最后不是。 因此，m2t=01 g DPT2 g SDT3 ckyt4 CPIC2ttgsd系数为负，不符合理论，t检验也不合格。 进一步验证了gsd和cky具有重大的多重共线性。 从下图可知，gsd的VIF值达到了500以上，因此除去cky而重新计算。 下列模式基本合理： GDP每增加一亿，M2就会增加到一亿347亿。 这是乘数的作用，对国内信用也有同样的解释。 也可以用广义差分进一步修正(参见下页)。 广义差分模型。 命令方式： ls m2-0. 106 * m2(-1 ) cgsd-0.106 * GSD (-1 ) GDP-0.106 * GDP (-1 ) CPI 2-0. 106 * CPI (-1 ) 2的结果不太好，AR(I )也可以处理。 异方差检查？ 改革开放以来，随着经济的发展，我国城乡居民收入迅速增加，城乡居民储蓄存款也迅速增加。 从经济学界的角度来看，20世纪90年代以后，随着经济体制、住房、医疗、养老等社会保障体制的变化，居民的储蓄行为发生了明显的变化。 为了考察改革开放以来中国居民储蓄存款与收入的关系是否发生变化，分析了城乡居民人民币存款年底盈馀表示居民储蓄(y )，国民总收入GNI表示城乡居民收入，居民收入对储蓄存款影响的数量关系。 案例2 :储蓄，数据包括： 1978年至2003年中国国民总收入GNI和城乡居民人民币储蓄存款年底盈馀y和增长YY的数据。 单位：亿元。 资料来源： 中国统计年鉴2004。 表中的“城乡居民人民币存款年增加额”是年鉴的数值，与年末剩馀额计算的数值不同。 数据文件al1.wf1为了研究1978年至2003年城乡居民储蓄存款在收入变化规律中是否存在变化，考证城乡居民储蓄存款、国民总收入的时间变化情况，如下图所示，居民储蓄行为明显变化的详细信息尚未获得取居民储蓄的增加量(YY )，制作时间图。 请看下一页。 居民储蓄增量图显示城乡居民储蓄行为具有明显的阶段性特征： 1996年和2000年有两个明显的转折点。 城乡居民储蓄存款增加与国民总收入关系的散布图也表现出相同的阶段性特征。 为了分析居民储蓄行为的1996年前后和2000年前后的3个阶段的数量关系，引入了虚拟变量D1和D2。 D1和D2的选择以1996年和2000年两个转折点为依据，设定了在加法和乘法两方面导入虚拟变量的模型：计算结果如下： 1，基于以下结果分析这表明居民储蓄增加额的回归方程式在三个时期在统计上不同1996年以前的收入每增加1亿元，居民储蓄存款增加0.14568亿元，1996年至2001年为-0.197523亿元，2001年以后为0.337256亿元。 发生了很大的变化。上述模式与城乡居民储蓄存款和国民总收入的散布图一致，符合当时我国的实际经济运行情况。 另外，在上述的建模过程中，主要从教育的目的出发运用虚拟变量的法则，不考虑通货膨胀因素。 实证分析表明，储蓄函数还应考虑通货膨胀因素。 2、其他形式的型号是？ 乘法和加法等？ 案例3 :银行创新措施效果分析，y为某银行采用创新技术的间隔月数，x为银行总资产，D1为定性(虚拟)变量，1为股份银行，0为农村信用社。 数据如下表所示。 研究某银行采取创新措施的速度y与银行规模x和银行类型的关系。 数据文件al6.wf1。 要求虚拟变量模型的建立，三种形式都要找到比较好的模型，分析系数的含义。 加算模型表明，银行类型采用创新技术的平均时间差异用D1系数表示，其值为8.055，信用社采用创新技术平均比股份银行少8个月以上。 乘法模型表明，银行总资产与采用创新技术的时间成反比。 资产规模越大，采用创新技术措施的时间越长，股份银行总资产系数为-0.082285，农村信用社为-0.119044，表明农村信用社总资产对采用创新技术时间的影响大于股份银行(负面影响大)。 混合模型的效果不好。 案例4 :利用var模型验证中国货币政策的有效性。 1、资料来源：取中国狭义货币供应量M1、商品零售物价指数CPI(1994年1季度为100 )以及国内生产总值GDP的季度数据，时间为1994年第1季度至2004年第2季度。 文件al3. wf 1，2，建模。 在选择滞后项目时，应用信息标准，根据金融理论，货币效应的时滞为1年左右，因此我们选择了最多4个阶段。 根据AIC信息规范，我们将滞后项设为4，根据SC信息规范，将滞后项设为2或3，结合3层后的AIC值的下降缓慢的情况、模型的R2和determinalesidualcovariance的值，最后将滞后项设为3。 或者从Eviews5.1可以得到(在VAR模型推测结果窗口的中点view选择lagstructure、laglengthCriteria ) :5个评价指标中的4个滞后为3 (参照系统自动显示的结果，即*标记)。 本例的选择结果如下：设定滞后，必定出现一对。 例如，1258是各方程式中包含的变量的滞后为yt-1、yt-2、yt-5、yt-6、yt-7yt-8，是否需要常数项。 没有必要去除c。 变量下的第一和第二个括号的值分别是标准偏差和t统计量，相同的变量有不同的滞后项，有的不明显，有的相反，我们验证了称为VAR模型没有理论依据。 首先，对于物价CPI，前期货币供给量对其影响显着，系数为正，与理论一致，货币供给量的增加使物价水平上升，第二季度M1对CPI的影响为负，且更为显着，正负交叉的影响表现出M1与CPI的相互关系特征。 其次，对于货币供给量，前期的GDP影响不显着，货币供给量虽然不是前期的生产，但是物价水平的影响显着。 但第二季度的GDP对m-1影响很大。 再次，关于GDP，前期货币供应量有显着影响。 这从某些方面验证了几年前我国实施的稳健货币政策的效果，但前期物价水平对生产没有显着影响。 注意：为了确保序列的稳定性，可以处理所有数据并创建VAR模型。 例如，获取它们的自然对数。 使用genr功能。 Lgdp=log(gdp )、Lcpi=log(cpi )、Lm1=log(m1 )。 然后，对Lgdp、Lcpi、Lm1个变量分别制作VAR模型。 或者，直接使用log(gdp )、log(cpi )、log(m1 )制作VAR模型。 2、预测，这是Eviews3.1的弹出形式，点击这里求出拟合值。另外，Eviews5.1形式在点makemodel之后得到：点Solve得到下面的对话框，基本选择为5项：模拟的种类有2项，第1项是确定性，第2项是随机性。 的双曲馀弦值。 在静态条件下，滞后是实际值，但在动态情况下滞后是拟合值，在Solutionscenarios中，如果固定I不变，则为yit(t=1， (1)，i=j，ij(2)，ij，i=j，Yit=i Xiti it，(I=1，2，n，t=1， 对于2，T)(1)、i=j、i=j(2)、ij、i=j(3)、Ijj (1)，如果横截面没有个体差异且结构没有变化(例如，认为所有部分均完全相同)，则通常的最小二乘法估计给出了、一致的有效估计。 此时，相当于多个时期的剖面数据归纳起来作为样本数据。 式(2)为变截距模型，个体对横截面的影响不同，个体的影响表现为模型中缺少或难以观测的其他影响变量，可分为固定影响(进一步分为个体固定和时间固定)和随机影响两个模型。 式(3)的变系数模型除了因个体的影响而在横截面上表现不同之外。 个体的影响使说明变量的系数发生变化，表现为不同个体(或者根据时间或随机的影响)j不同。 使用面板数据创建模型通常有三种：混合模型、固定效果模型和随机效果模型。 固定效应模型还可分为个体固定效应模型、时间固定效应模型、个体时间固定效应模型3种。 (1)混合模型在时间上看，不同时间之间没有显着差异，剖面上看，不同截面之间没有显着差异时，可直接混合面板数据用普通最小二乘法(OLS )估计参数。 当将一个面板数据定义为Yit= Xit it时，(I=1，2，n，t=1，2，t )称为混合模型，其特征在于，对于任何个体与截面，回归系数与相同。 (2)固定效果模型、固定效果模型还可分为三部分：个体固定效果模型、时间固定效果模型、个体时间固定效果模型.1.个体固定效果模型，当面板数据模型被定义为Yit=i Xit it时，(I=1，2，n，t=1， 2，t)i是随机变量，表示对于不同个体的I个不同的切片项，其变化与Xit有关系，Yit是被解释变量，Xit是解释变量矢量，是回归系数矢量，对于不同个体，回归系数相同被称为个体固定效果模型个体固定效应模型也可以以Yit=0 1Xit 1Zi it本例为例，以考察不同省份与不同时间消费与收入的关系的形式表示。 y和x分别表示消费和收入，z是难以忽视和观测的其他影响变量，该变量表示省市之间的差异，但没有时间变化，例如第I个省的消费特征、消费习惯、消费文化等要素不同。 但是，我们假设这些因素不随时间变化。 这可以用个体固定效应模型来描述，其中线性模型表示时间： Yit=0 1Xit 1Zi iti=1，n为n省市(个体)，t=1，2，t，t。 Zi只与个体有关，与时间无关，Zi的取法是二元变量：为了区别不同的个体，需要导入N-1个Zi。 YIT=01 Xi t1 z 12 z 2n-1 Zn-1it上式是线性形式的个体固定效果模型。 其个体差异表现在切片的差异上。第I个个体的切片项为i=0 i，如果具有k个解释变量，则个体固定效果模型为Yit=0 1X1、it kXk、it 1Z1 2Z2 N-1ZN-1 it，将这些模型设为Yit=i Xit it， 2 .将时间静态效应模型面板数据模型定义为Yit=i Xit it，其中i是随机变量，具有对于时间不同的截面，对于t -时间截面有t个不同的截面项，其变化与Xit有关系，Yit是被解释变量，Xit是解释变量，是回归系数，不同的假设错过、难以观测的影响变量随时间变化，但省市间(个体断面)不变化。 消费税、存款利率变化等因素的影响。 引入时间二元变量d表示。 即，时间固定效应模型也可以表现为Yit=0 1X1、it kXk、it 2D2t TDTt it，在i=0 i中，Di只有T-1个，否则出现多重共线性。 3 .个体时间固定效应模型.模型格式是Yit=i i Xit it，其中(I=1，2，n，t=1，2，t )I是随机变量，表示对于每个个体不同的I个不同的截距项，i是随机变量，对于每个时间截面不同的t 也就是说，如果表现模型遗漏或者难以观测的2种变量，那么1种会随个体变化，但不随时间变化的另一种不会随个体变化，但会随时间变化。 个人时间固定效应模型： Yit=0 1X1、it kXk、it1 z 12 z 2n-1 Zn-12 d2ttdttit、(三)，需要构建随机效应模型。 如果面板的数据模型是Yit=i Xit it，则(I=1，2，n，t=1，2，t)yit是解释变量，Xit是解释变量向量，是回归系数向量，并且i是随机变量，并且分布与Xit无关，即，模型中的随机干扰项是解释变量随机效应模型是随机干扰项是真随机干扰项和未观测效应(个体效应或时间效应)的组成部分。 因此可以理解，固定效应模型的截距项差异出现在截面上(i上)，而随机效应模型的截距项差异出现在随机干涉项中，即随机干涉项包括个体效应(个体和时间的差异)。 当随机噪声项包含不同的个体效应时，该模型被称为个体随机效应模型。 如果随机噪声项包含不同的时间效应，则此模型称为时间随机效应模型。 另外，由于固定效果模型需要很大的自由度，所以随机效果模型适合截面数多的面板