面板数据模型与应用（东财）
面板数据的计量经济分析，白仲林著，张晓峒主审， 南开大学出版社，2008，书号ISBN978-7-310-02915-0。,Wooldridge,Baltagi,15个省级地区的人均收入序列,File panel02c,从结果看，北京、上海、浙江是自发消费（消费函数截距）最大的3个地区。,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）,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，NT= 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，NT= 2821 = 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系数随着人均收入的提高而递减。,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,5面板数据建模案例分析,例2: 加入人力资本的生产函数研究,人均产出 y 对人均资本 K 的面板数据散点图,对数形式人均产出 Lny 对人均资本 LnK 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,例2: 加入人力资本的生产函数研究,人均产出 Lny 对人均受教育时间 edu 的面板数据散点图,对数形式人均产出Lny 对人均受教育时间 edu 的面板数据散点图,结合图形分析，建立如下计量模型:,5面板数据建模案例分析,例3: 城镇恩格尔系数cratio与人均收入cincome的关系研究,尽管线性回归结果有显著性，但对于这个问题应该建立倒数或指数模型。,1Quah检验（1990） 2LL（Levin-Lin）检验（1992） 3LLC（Levin-Lin-Chu）检验（2002） 4Breitung检验（2002） 5Hadri检验 6Abuaf-Jorion检验（1990），Jorion-Sweeney检验（1996） 7Bai-Ng检验（2001），Moon-Perron检验（2002） 8IPS（Im-Pesaran-Shin）检验（1997,2002）,6面板数据的单位根检验,6面板数据的单位根检验,LLC检验是左单端检验，因为LLC = 9.7 -1.65，所以存在单位根。,6面板数据的单位根检验,6.3 IPS（Im-Pesaran-Shin）检验（1997, 2002） （适用于不同根（common root）情形）,IPS检验是左单端检验，因为IPS= 6.5 -1.65，所以存在单位根。,6面板数据的单位根检验,6.4 MW（Maddala-Wu）检验（1997），又称Fisher-ADF检验。（适用于不同根情形） IPS检验和LL检验的缺陷是只适用于平衡面板数据，为解决此问题，Maddala-Wu（1997）提出了组合pi值检验。其中pi表示ADF检验的显著性水平。,6面板数据的单位根检验,6面板数据的单位根检验,6.6 Hadri检验（适用于相同根（common root）情形） Hadri检验与KPSS检验相类似。原假设是面板中的所有序列都不含有单位根。计算步骤是用原面板数据的退势序列（残差）建立LM统计量。,6.7 Quah检验（1990）（适用于相同根（common root）情形） 6.8 LL（Levin-Lin）检验（1992）（适用于相同根（common root）情形） 6.9 Abuaf-Jorion检验（1990），Jorion-Sweeney检验（1996）（适用于相同根（common root）情形）,Pedroni 协积检验：以Engle-Granger协积检验方法为基础构造检验统计量，标准化以后渐近服从标准正态分布。（1999, 2004） Kao协积检验：以Engle-Granger协积检验方法为基础构造检验统计量，标准化以后渐近服从标准正态分布。（1999） Fisher 个体联合协积检验（combined individual test）：用个体的协积检验值构造一个服从2分布的累加统计量检验面板数据的协积性。(Maddala and Wu 1999),7面板数据模型的协整检验,7面板数据模型的协整检验,（1）Pedroni检验。包括4个统计量，11种检验方法。,（2）Kao检验,7面板数据模型的协整检验,（3）Fisher（combined Johanson）检验,7面板数据模型的协整检验,谢谢.,
