面板数据整体介绍

1、一、面板数据定义时间序列：按时间得到的数据。 截面数据：固定时点上的一组数据。面板数据：时间和截面上取得的二维数据，也称为时间序列与截面混合数据；从横截面看，从纵剖面看；短面板（T比较短）我们一般用，长面板（T比较长）；面板数据的表示；平衡 面板数据和非平衡面板数据；好处。二、面板数据模型分类通常有3种，即混合估计模型、固定效应模型和随机效应模型。1. 混合模型（PA）:如果从时间上看，不同个体之间不存在显著性差异；从截面上看，不同截面之间也不存在显著性差异，那么就可以直接把面板数据混合在一起用最小二乘法（OLS）估计参数。ytt=建十血0十 i= 1,厶T特点：和不随i, t变化，是常数。2

2、. 固定效应模型（FE :对于不同的截面或不同的时间序列，模型的截距是不同的。 有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。（1）个体固定效应模型：对于不同的个体有不同截距，但是对于不同的横截面，模型的截 距没有显著性变化的模型。两种表示：特点：一:订是与xit相关的随机变量，不同个体有不同的:-o加虚拟变量州=011*1 + 016 +“斗划Qw +益方+砌 Z= 1,2, TL 如果属于第匸个个休，i = L（2 ）时点固定效应模型：对于不同的截面（时点），截距显著不同，但是对于不同的时间序列（个体）截距是相同的。两种表示： 丘=托十如0+龟1, 2,特点：r

3、 t是与xit相关的随机变量，不同时点有不同的r。 加虚拟变量=1+?* 吧十+ 力晤”屁岁+ 屜,= 1,2,1,2,，丁其中卩，如果属于第个截面* / = L 2, 厂0,其他（不属于第介截面卜（3）个体时点固定效应模型：对于不同的截面（时点）、不同的时间序列（个体），模型的截距都显著地不相同。两种表示： “=股十童+菸+扯尸+缶i = lf2N; 21,人，T特点：r t和i都是与xit相关的随机变量，不同时点有不同的r,不同个体有不同的:-o 加虚拟变量yit=Pi+a&D：+.亠为 “1+并五亠丰打眄4XitP1鬲（12）J1,如果属于第个个体，1如果属于第n談面,r = u_r；

4、其申k其他“0崩也（不属干衞个截酎杞上述三狎固定效应模型中，个冰固定效应模型最为常用。3.随机效应模型（RE）ya =化 戸4% i= 1, 2? *5Ar; t- 1, 2,T特点：_：订是与Xit不相关的随机变量，不同个体有不同的。假定条件：斶iid（久：）玲-iid（O, of）都披假定为独立同分布t但并未限定何种分布以上是个体随机效应模型。类似，还有时点随机效应模型和个体时点随机效应模型，个体随机效应模型比较常用。4其他：动态面板数据模型、变系数面板数据模型、面板数据的向量自回归模型、非均衡面 板数据模型、离散面板数据模型。三、模型估计方法1. 混合模型混合最小二乘（Pooled OL

5、S估计：在时间和截面上把 NT个观测值混合在一起，用 OLS估 计。平均数（between，组间）OLS估计：对面板数据中的每个个体求平均数，共得到N个平均数，然后利用N组观测值估计参数。平均数（between，组间）OLS估计，压缩成截面数据，损失信息，所以通常用混合最小二 乘（Pooled OLS 估计。2. 个体固定效应模型离差变换（within，组内）OLS估计：先用每个变量减其组内均值（消去 J,然后用 OLS 法估计回归参数（不包括截距项，即固定效应）。也可以算回归模型截距项，即固定效应参数 r。r = Y；- X/ ?一阶差分（first differenee ） OLS估计：先

6、用每个变量减去其滞后一期（消去 :-i），然后OLS 离差用的多。3. 个体随机效应模型平均数（between，组间）OLS估计：方法如上。压缩成截面数据，损失信息。随机效应（random effects）估计法（可行GLS（ feasible GLS估计法）：先对模型进行变换，然后OLS四、面板数据模型选择1.PPT介绍了三个统计量，进行参数的约束检验。F检验、Wald检验、LR检验。原假设是:约束条件成立（比如某几个系数为0,或者相等）备择假设是：约束条件不成立。2识别面板数据模型类别：根据例题，看出来先（1），后（2）。（1）F检验：判别混合模型和个体固定效应模型（或者双固定效应）（P0

7、.05）Ifc：模零申不同个体的截距相同（真宴慎型为混合模型人模型中不同个体的報距项闵不同（真实模型为个体固建沁模羽LEX ieivs中称作多余的定效应检验，使用F和LR两个统计1I U三（2）Hausman检验：个体随机效应模型还是个体固定效应模型（p0.05）H0;个体沁与回归变量无关今体随机效应模型）琢 个体效应与回归变量相关个体固定效应模型）（3）LM检验：检验个体随机效应，混合 &随机效应H。：；晋=0。（混合估计模型）H1： Gu2鼻0。（个体随机效应模型）五、stata处理面板数据1面板数据定义xtset或tsset截面变量时间变量2描述性统计xtsum xttab xtli n

8、e3模型估计（1）混合估计模型:reg cp ip（2）个体固定效应模型:xtreg cp ip, fe 或者 xtreg cp ip, fe i(id)F检验自动生成（混合&固定）时刻固定效应模型:gen d1997=1 if year=1997 replace d1997=0 if year!=1997 gen d1998=1 if year=1998 replace d1998=0 if year!=1998 gen d1999=1 if year=1999 replace d1999=0 if year!=1999 gen d2000=1 if year=2000 replace d2000=0 if year!=2000 gen d2001=1 if year=2001 replace d2001=0 if year!=2001 gen d2002=1 if year=2002replace d2002=0 if year!=2002reg cp ip d1997 d1998 d1999 d2000 d2001 d2002或者 xi: reg cp ip i.year(4) 时刻个体固定效应模型.xtreg cp ip d1997 d1998 d1999 d2000 d2001 d2002, fe 或者 xi: xtreg cp ip i.year, fe(5) 随机