111面板数据题目.docVIP

面板数据题目 阳 桦 Yang Hua 复旦大学中国经济研究中心 Email:yanghuamail@ 052015039@ FD和FE方法是处理面板数据的常用方法，因为他们在某些情况下能很好的降低遗漏变量带来的参数估计误差。那么应用FD和FE方法需要一些什么条件。 必须是对面板数据进行处理的时候能用这两种方法。 遗漏变量是不能随时间而发生变化的 要考察的解释变量必须有一定的variance 什么是异方差？异方差的出现会对OLS估计量的无偏性、一致性和方差会产生什么样的影响。请分别介绍一种检验和消除异方差的方法。 （1）异方差是指回归方程中的干扰项的方差不再是常数。 （2）异方差性不会导致估计产生偏误或不一致性。但是估计量的方差在存在异方差的情况下是有偏的。因此在出现异方差的情况下普通最OLS下的t统计量就不服从t分布，F统计量也不服从F分布，我们也就没有办法用这两个统计量进行假设检验。 （3）WHITE检验可以用来进行异方差检验。在同方差情况下，方差与解释变量是没有相关性的，White方法就是针对这一情形提出的一种检验方法。它将所有原方程的解释变量、解释变量的平方以及所有解释变量的交叉乘积对残差进行OLS回归，检验他们之间是否存在显著相关性。 （4）GLS（广义最小二乘法）是一种常见的消除异方差的方法。它的主要思想是为解释变量加上一个权重，从而使得加上权重后的回归方程方差是相同的。因此在GLS方法下我们可以得到估计量的无偏和一致估计，并可以对其进行OLS下的t检验和F检验。 4. 当一个回归方程因缺乏数据而排除了一个关键变量时，就会导致遗漏变量偏误。当该遗漏变量数据无法获得时，我们通常应该如何消除或减少偏误，并简单阐述这些方法为何能得到无偏估计。 解决遗漏变量偏误的方法主要有： 固定效应或一阶差分法。使用该方法的条件是遗漏变量必须是不随时间而发生变化。 代理变量。为未观测到的变量找一个代理变量。代理变量必须是与该未观测到的变量相关的。例如对回归方程： 如果是遗漏变量，我们找到另外一个变量。与存在如下的相关性：。将此方程代入原来的回归方程可以得到： 。 因此如果能满足与 和不相关，且与也不相关的话，我们就可以通过OLS回归得到无偏估计。不过的估计我们是无法得到。 郭陈孜 052015028 请说明处理面板数据时，固定效应和随机效应回归方法的异同。 请结合”Do Institutions Cause Growth?”这篇文章谈一谈工具变量的使用。 徐鸣 0520150311 哪些情况下要加log？如何解读这些情况下的参数估计量？2 如何解决面板数据中出现的时间序列问题？ 其中z为外生变量，y为内生变量，u为残差项。 2 . 简述Hausman检验的主要内容及其应用。 刘敦 管理学院数量经济学专业05级硕士研究生 139-1754-7531 请问在多元线性回归模型中，主要有哪些假设？当某些假设不满足，会产生什么问题，如何解决或减轻这些问题？当其中一些假设同时成立时，会有什么结论？ 答：在多元线性回归模型中，有以下假设： 回归方程对参数而言是线性的，即： 当该条件不满足时，说明回归方程设定存在偏误。此时可依据经济理论或实际研究背景，对回归变量进行一定改变，如对变量取对数，增加平方项，增加交互项等。 样本是通过随机抽样获得的。 当该条件不满足时，如果非随机抽样的原因是外生的，即外生样本选择（exogenous sample selection）,这样对回归结果并没有影响。如果原因是内生的，则需要用到样本选择纠正（sample selection correction）的一些方法予以解决。 误差项条件均值为0。 当该条件不满足时，说明被解释变量存在内生性。内生性的问题主要可能是由于方程设定偏误，遗漏重要变量，测量误差，解释变量与被解释变量的联立性引起的。要减轻内生性问题，应尽量采用明显的外生变量，或者采用一些工具变量的方法。 解释变量间不存在完全共线性。 只要样本量比解释变量个数大很多，即，且不要在解释变量中同时出现如Year, Month的变量，基本上不会存在完全共线性的问题。但是如果解释变量高度相关的话，还是可能对统计推倒的显著性产生一定影响。因此可以考虑对高度相关的解释变量进行一定的取舍。 当以上4个假设满足时，OLS估计量将具有无偏性和一致性： 误差项同方差： 当该条件不满足时，并不影响估计量的无偏性和一致性，但是影响估计量的有效性。当存在异方差的时候，可以采用Heteroskedasticity-Robust的方法进行统计推断，或者用WLS进行估计。 当以上5个假设满足时，OLS估计量将是最优线性无偏估计量（BLUE）。 6. 误差项服从正态分布： 当该