面板数据模型与应用

《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:5panel02file:5panel01

8．面板数据模型的协整检查第4章

面板数据模型与应用

1．面板数据定义

2．面板数据模型分类

3．面板数据模型估计方法

4．面板数据模型检验与设定方法

5．面板数据建模案例分析

6．面板数据的单位根检验

7．EViwes应用

1．面板数据定义面板数据（paneldata）也称作时间序列与截面混合数据（pooledtimeseriesandcrosssectiondata）。面板数据是截面上个体在不同时点的重复观察数据。panel原指对一组固定调核对象的多次观察，近年来paneldata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面板数据分两种特性：（1）个体数少，时间长。（2）个体数多，时间短。面板数据重要指后一种情形。面板数据用双下标变量表达。yit,i=1,2,…,N;t=1,2,…,Ti对应面板数据中不同个体。N表达面板数据中含有N个个体。t对应面板数据中不同时点。T表达时间序列的最大长度。运用面板数据建立模型的好处是：（1）由于观察值的增多，能够增加预计量的抽样精度。（2）对于固定效应回归模型能得到参数的一致预计量，甚至有效预计量。（3）面板数据建模比单截面数据建模能够获得更多的动态信息。1．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普通有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（Pooledmodel）。如果一种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），表达截距项，Xit为k1阶回归变量列向量（涉及k个回归量），为k1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，回归系数和都相似。如果模型是对的设定的，解释变量与误差项不有关，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预计量（PooledOLS）都是一致预计量。2．面板数据模型分类2.2固定效应模型（fixedeffectsmodel）。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（entityfixedeffectsmodel）如果一种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，表达对于i个个体有i个不同的截距项，且其变化与Xit有关系；Xit为k1阶回归变量列向量（涉及k个回归量），为k1阶回归系数列向量，对于不同个体回归系数相似，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.面板数据模型预计办法混合最小二乘（PooledOLS）预计（合用于混合模型）平均数（between）OLS预计（合用于混合模型和个体随机效应模型）离差变换（within）OLS预计（合用于个体固定效应回归模型）一阶差分（firstdifference）OLS预计（合用于个体固定效应模型）可行GLS（feasibleGLS）预计（合用于随机效应模型）

15个省级地区的人均消费序列15个省级