上财系列计量经济学5.ppt

前面的章节讨论了如何处理横截面计量模型和时间序列计量模型。在这一章中，将讨论如何处理将横截面数据与时间序列数据结合在一起的数据，通常将这类数据叫做“面板数据”。 本章首先将介绍什么是面板数据，以及面板数据在数据分析中具有哪些优势；然后再介绍几种最常用的面板数据模型——混合回归模型，固定效应模型和随机效应模型；最后对固定效应模型和随机效应模型加以比较。 第一节 面板数据 一、面板数据的定义 其他的名称: “纵列数据”，“平行数据”,“固定调查对象数据”，“时间序列和横截面数据的联合”等等。 按照比较权威的理解，面板数据用来描述一个总体中给定样本在一段时间的情况，并对样本中每一个样本单位都进行多重观察。这种多重观察包括对样本单位在某一个时期（时点）上多个特性进行观察，也包括对这些特性在一段时间的连续观察，通常观察将得到数据集称为面板数据。 在宏观经济领域，它被广泛应用于劳动经济学、国际金融、经济增长、产业结构、技术创新、金融、税收政策等领域;在微观经济领域，它被大量应用于就业、家庭消费、企业管理、市场营销等领域。 面板数据从横截面看，是由若干个体在某一时点构成的横截面观测值，从纵剖面看每个个体都是一个时间序列。面板数据用双下标变量表示。例如 Yit,， i = 1, 2, …, N; t = 1, 2, …, T i对应面板数据中的不同个体，N表示面板数据中含有N个个体；t对应面板数据中不同时点，T表示时间序列的最大长度。若固定t不变，Yi., ( i = 1, 2, …, N)是第t期横截面上的N个随机变量；若固定i不变，Y.t, (t = 1, 2, …, T)是第i个纵剖面上的一个时间序列（个体）。 1996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（不变价格）和人均收入（不变价格）数据见表14.1和表14.2。人均消费和人均收入两个面板数据都是平衡面板数据，各有15个地区。两个面板的数据都是7年的，每年都有15个数据，共105组观测值。 表14.1 1999-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费数据（不变价格） 表14.2 1999-2002年中国东北、华北、华东15个省级地区的居民家庭人均收入数据（不变价格） 二、面板数据模型的优点 （1）与截面数据模型比较，面板数据模型控制了不可观测经济变量所引起的OLS估计的偏差，使得模型设定更合理、模型参数的样本估计量更准确。 （2）与时间序列模型相比较，面板数据模型扩大了样本量，提供了更多有效信息、更多变化性、更少共线性、更多自由度，降低了经济变量间的多重共线性，提高了估计量的有效性。 （3）面板数据能更好地识别和度量时间序列数据或截面数据不可发觉的潜在因素对被解释变量的影响。 （4）相对于纯横截面和纯时间序列数据而言，面板数据有利于建立和检验更复杂的行为模型。 （5）有效样本容量不足一直是经济计量方法应用时面临的难题，而面板数据可以有效解决样本容量不足的问题。 （6）动态面板数据模型能够更准确地反映经济变量的动态调整；而且通过滞后期因变量能够间接反映潜在因素对当期自变量的影响。 （7）微观面板数据能够收集到更准确的微观单位（个体，企业，家庭，省市区）的数据，可以降低由此得到的宏观统计数据测量误差的影响。 （8）宏观面板数据可以用来研究经济合作组织内各成员单位的协同效应。 因此，面板数据的计量经济分析的研究具有重要的理论意义和应用价值。 三、面板数据模型类型 在面板数据建立过程中，不但可以建立线性模型，还可以建立非线性模型；不仅可以建立静态计量模型，还可以建立动态计量模型。 线性的静态模型的形式主要包括六大类： (1)截距项和解释变量的系数都不变的混合估计模型 (2)截距项变化但是解释变量的系数不变的固定效应模型和随机效应模型 (3)截距项和解释变量的系数都改变的确定系数面板数据模型和随机系数面板数据模型 (4)以及特别适用于微观面板数据的平均个体或平均时间的平均回归模型 (5)线性的动态面板数据模型通常包括含有因变量的滞后项的动态面板数据，以及将VAR推广到面板数据的Panel data VAR(P-VAR) (6)利用面板数据模型还可以建立联立方程模型和多种带测量误差形式的模型。 非线性的面板数据模型包括： （1）离散面板数据模型和非平衡面板数据模型 （2）受限因变量的模型（Logit和Probit模型） （3）生存模型以及点过程模型 时间跨度较长的时间序列的出现，为面板数据分析提供了两个重要的研究方向，面板数据序列的稳定性及数据序列的长期均衡性，即面板数据研究的热点领域面板单位根检验和面板协整检验。 混合回归模型的特点是对任何个体和截面，回归系数?