panel data模型与应用课件.ppt

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） 1．Quah检验（1990） 2．LL（Levin-Lin）检验（1992） 3．LLC（Levin-Lin-Chu）检验（2002） 4．Breitung检验（2002） 5．Hadri检验 6．Abuaf-Jorion检验（1990），Jorion-Sweeney检验（1996） 7．Bai-Ng检验（2001），Moon-Perron检验（2002） 8．IPS（Im-Pesaran-Shin）检验（1997,2002） 谢谢. 4．面板数据模型检验与设定方法 4．面板数据模型检验与设定方法 4.2 Hausman检验 原假设与备择假设是 H0: 个体效应与回归变量无关（个体随机效应回归模型） H1: 个体效应与回归变量相关（个体固定效应回归模型） 5．面板数据建模案例分析 案例1（file:5panel02）：1996-2002年中国东北、华北、华东15个省级地区的居民家庭固定价格的人均消费（CP）和人均收入（IP）数据见file:panel02。数据是7年的，每一年都有15个数据，共105组观测值。 15个省级地区的人均消费序列 15个省级地区的人均收入序列（个体） 15个地区7年人均消费对收入的面板数据散点图见图6和图7。图6中每一种符号代表一个省级地区的7个观测点组成的时间序列。相当于观察15个时间序列。图7中每一种符号代表一个年度的截面散点图（共7个截面）。相当于观察7个截面散点图的叠加。 人均消费对收入的面板数据散点图 对数的人均消费对收入的面板数据散点图 5．面板数据建模案例分析 5．面板数据建模案例分析 个体固定效应模型估计结果如下： LnCPit = 0.6878 + 0.8925 LnIPit +?it (5.4) (60.6) R2 = 0.99, DW = 1.5 5．面板数据建模案例分析 混合模型与个体固定效应模型比较，应该建立个体固定效应模型。 5．面板数据建模案例分析 个体随机效应模型与个体固定效应模型比较，应该建立个体固定效应模型。 注意：通过观察散点图确定模型形式 5．面板数据建模案例分析 例1: 分省城镇居民人均食品支出（food）与城镇居民人均收入（income）的关系 Food和income的混合数据散点图 Food和log(income)的混合数据散点图 5．面板数据建模案例分析 应该建立关于 log(Food) 和 log(log(income) ) 的面板数据模型。 例1: 分省城镇居民人均食品支出（food）与城镇居民人均收入（income）的关系 个体随机效应回归模型估计结果如下： logfood = - 5.5321 + 6.0727 log(logincome) （-88.6） （206.9） R2 = 0.986，DW= 0.39，N?T= 588 因为H =15.8 ?20.05 (1) = 3.8，所以模型存在个体固定效应。应该建立个体固定效应回归模型。 例1: 分省城镇居民人均食品支出（food）与城镇居民人均收入（income）的关系 用个体固定效应回归模型的估计结果如下： logfood = - 5.5151 + 6.0645 log(logincome) （-90.1） （206.3） R2 = 0.989，DW= 0.43，N?T= 28?21 = 588 上式的导函数是 导函数不是常量，说明（1）式中人均食品支出对人均收入的弹性系数是随着城镇人均收入的增加而减小。当城镇人均收入为2000元时，人均食品支出对人均收入的弹性系数是0.80.。当城镇人均收入增长到12000元时，弹性系数下降到0.65。城镇人均食品支出对人均收入的弹性