第11章 面板数据模型PPT.ppt

第11章 面板数据模型 11.1面板数据模型概述 11.1.1 面板数据的含义 ;图11.1.1 面板数据示意图 ; 例如1990-2000年30个省份的农业总产值数据。固定在某一年份上，它是由30个农业总产值数字组成的截面数据；固定在某一省份上，它是由11年农业总产值数据组成的一个时间序列。面板数据由30个个体组成。共有330个观测值。 对于面板数据yi t, i = 1, 2, …, N; t = 1, 2, …, T来说，如果从横截面上看，每个变量都有观测值，从纵剖面上看，每一期都有观测值，则称此面板数据为平衡面板数据（balanced panel data）。若在面板数据中丢失若干个观测值，则称此面板数据为非平衡面板数据（unbalanced panel data）。;表11.1.2 1996-2002年中国15个省级地区的居民家庭人均收入数据（不变价格）;图11.1.2 15个省市人均消费序列（纵剖面） ;图11.1.3 15个省市人均收入序列 ;图11.1.4 15个省市人均消费散点图 (每条连线表示同一年度15个地区的消费值) ;图11.1.5 15个省市人均收入散点图(7个横截面叠加) (每条连线表示同一年度15个地区的收入值) ; 15个地区7年人均消费对收入的面板数据散点图见图11.1.6和图11.1.7。图11.1.6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11.1.7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。;图11.1.7 用7个截面表示的人均消费对收入 的面板数据（7个截面叠加） ; 图11.1.8给出北京和内蒙古1996-2002年消费对收入散点图。图11.1.9给出15个省级地区1996和2002年的消费对收入散点图。;图11.1.9 1996和2002年地区消费对收入散点图 ;11.1.2 面板数据模型的基本类型 设yit为被解释变量在横截面i和时间t上的数值， xjit为第j个解释变量在横截面i和时间t上的数值，uit为横截面i和时间t上的随机误差项；bji为第i截面上的第j个解释变量的模型参数；ai为常数项或截距项，代表第i横截面(第i个体的影响)；解释变量数为j=l，2，…，k；截面数为i=1，2，…，N；时间长度为t=1，2，…，T。其中,N表示个体截面成员的个数，T表示每个截面成员的观测时期总数，k表示解释变量的个数。则单方程面板数据模型一般形式可写成：; 对于平衡的面板数据，即在每一个截面单元上具有相同个数的观测值，模型样本观测数据的总数等于NT。 当N=1且T很大时，就是所熟悉的时间序列数据；当T=1而N很大时，就只有截面数据。 面板数据模型划分为3种类型： (1)无个体影响的不变系数模型：ai=aj=a，bi=bj=b; 这种情形意味着模型在横截面上无个体影响、无结构变化，可将模型简单地视为是横截面数据堆积的模型。这种模型与一般的回归模型无本质区别，只要随机扰动项服从经典基本假设条件，就可以采用OLS法进行估计（共有k+1个参数需要估计），该模型也被称为联合回归模型(pooled regression model)。 (2)变截距模型：ai≠aj，bi=bj=b; (3)变系数模型：ai≠aj，bi≠bj ; 11.1.3 面板数据模型的优点 1．利用面板数据模型可以解决样本容量不足的问题 2．有助于正确地分析经济变量之间的关系 3．可以估计某些难以度量的因素对被解释变量的影响 11.2 模型形式设定检验; 建立面板数据模型首先要检验被解释变量yit的参数ai和bi是否对所有个体样本点和时间都是常数，即检验样本数据究竟属于上述3种情况的哪一种面板数据模型形式，从而避免模型设定的偏差，改进参数估计的有效性。主要检验如下两个假设：; 下面介绍假设检验的F统计量的计算方法。 首先计算变截距、变系数模型(11.1.6)的残差平方和S1。如果记;11.3 变截距模型 该模型允许个体成员上存在个体影响，并用截距项的差别来说明。模型的回归方程形式如下：;11.3.1 固定影响变截距模型 1．最小二乘虚拟变量模型(LSDV)及其参数估计 ;其中 ; 例11.3.1 利用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和人均收入数据(见表11.1和表11.2)，试