第八讲PanelData模型.docVIP

第八讲 Panel Data模型 Panel Data（面板数据）是指对不同时刻的截面个体进行连续观测所得到的多维时间序列数据。由于这类数据可以整合更多的信息，所以面板数据模型目前在计量经济学、社会学等领域有较为广泛的应用。 模型的基本类型 一般的线性合成数据模型可表示为： （） （1） 式中，为常数项；为外生变量向量；为参数向量；K是外生变量个数；N为截面单位总数；T是时期总数。随机扰动项相互独立，且满足零均值、同方差。而这里的，包含了时间和截面效应，可以进一步再分成总体效应与个体效应之和，即： （2） 式中，表示总体效应；表示截面效应；表示时期效应。截面效应和时期效应一起构成个体效应。 如果参数值不随时间的不同而变化，模型（1）可写为： （变系数模型） （3） 式中，参数与的取值只受到截面单元不同的影响。 在参数不随时间变化的情况下，截距和斜率参数可以有如下两种假设： ：回归斜率系数相同但截距不同，即有。 此时模型变为： （变截距模型） （4） ：回归斜率系数联和截距都相同，即有；。 此时模型变为： （5） 注意：这里没有斜率系数不同而截距相同的假设，因为当斜率不同的时候，考虑截距相同没有实际意义。 判断样本数据究竟符合哪种模型形式，可用以下统计量检验： 式中，、、分别表示（3）、（4）、（5）式的残差平方和。 在零假设和下，统计量和服从特定自由度的F分布。如果大（等）于临界值时，拒绝，应继续检验，如果大（等）于临界值时，则拒绝，应该用模型（3）。 对参数随时间变动而变动，不随截面单元的不同而变化的线性合成数据模型的形式设定和以上的分析类似。 变系数模型和变截距模型都有固定效应模型和随机效应模型之分，并分别对应不同的参数估计方法。 模型的建立与估计 合成数据对象 数据各截面单元的观测期可以不同，如研究东亚各国的GDP序列，中国取1980—2000年，日本取1975—1997年等等，建立合成数据对象时应保证工作文件的起止期包括所有个体的样本期。 合成数据对象的创建方法是在工作文件窗口选择Object/New Object/Pool，单击OK，屏幕出现截面单元标志定义对话框。对话框中输入截面单元的标识符，在输入自定义的标志前用下划线“_”作为标志提示符（也可以不用），最好输入一个标志换一行，显得一目了然。 值得注意的是，该对象本身并未包含任何时间序列及数据，只是提供了数据结构的一种描述。 合成数据序列的建立 利用合成数据建模时，所有数据都存储在序列对象中，为使数据对象能够调用相应的序列，序列名称必须由一个基础名与截面单元标识符组成。建立数据序列要首先打开数据对象，在工具栏中选择View/spreadsheet，我们在屏幕出现的对话框中输入建立或打开的序列名称，如键入INC？，点OK后即将以INC为基础名的所有序列列在电子表格中，工作文件同时产生相应的序列对象。 合成数据的读入 （1）非堆栈数据 在非堆栈数据格式中，一个数据对象的给定截面单元观测值被纵向地组织在一起，每一列是同一截面单元不同时期的数据，每一列都是一个时间序列。 （2）堆栈数据 堆栈数据中堆栈的方式分为截面单元堆栈和时期堆栈。前者截面单元数据按时间顺序被集中依次排列；后者同一时期的不同截面单元数据被集中依次排列。 生成新序列 打开一个合成数据对象后选择Pool Genr按钮可以建立或修改合成数据序列，如CONS1?=CONS?(-1) 模型参数估计 Eviews提供了估计固定效应或随机效应的变截距模型、截面单元变系数模型、截面单元具有不同AR(p)误差结构系数模型以及对每个截面单元建立一个独立模型。下面通过一个例子具体说明建模过程。 例：建立我国市场经济体制确立以来的城镇居民消费函数Panel Data模型。样本数据为1994—1999年，包含我国各地区城镇居民年人均可支配收入（INC）和消费性支出（CONS），二者都经过对应地区的居民消费价格指数（P）平减（以1999年为基期）。样本不包括西藏自治区和重庆市，数据在时间方向上有6个取值点，每个截面有29个单元，总样本量为174。根据消费经济理论，居民消费支出不仅受到即期收入的影响，还应考虑前期消费支出的大小，这种消费习惯的继承性，被称为“棘轮效应”。考虑各省市基本消费存在差异，选择固定效应模型：。 _BJ _TJ _HEB _SXI _NMG _LN _JL _HLJ _SH _JS _ZJ _AH _FJ _JX _SD