面板数据的计量方法.docx

面板数据的计量方法-CAL-FENGHAI.-(YICAI)-Company Onel面板数据的计量方法1.什么是面板数据面板数据(panel data)也称时间序列截面数据(time series and cross section data)或混合数据(pool data)面板数据是截面数据与时间序列综合起来的 一种数据资源，是同时在时间和截面空间上取得的二维数据如：城市名：北京、上海、重庆、天津的 GDP 分别为 10、11、9、8(单位亿 元)这就是截面数据，在一个时间点处切开，看各个城市的不同就是截面数 据如：2000、2001、2002、2003、2004 各年的北京市 GDP 分别为 8、9、10、11、 12(单位亿元)这就是时间序列，选一个城市，看各个样本时间点的不 同就是时间序列如： 2000、 2001、 2002、 2003、 2004 各年中国所有直辖市的 GDP 分别为：北京市分别为 8、 9、 10、 11、 12；上海市分别为 9、 10、 11、 12、 13；天津市分别为 5、 6、 7、 8、 9；重庆市分别为 7、 8、 9、 10、 11(单位亿元)。

这就是面板数据2.面板数据的计量方法利用面板数据建立模型的好处是：(1)由于观测值的增 多，可以增加估计量的抽样精度2)对于固定效应模型能得到参数的一致估 计量，甚至有效估计量 3)面板数据建模比单截面数据建模可以获得更多的 动态信息例如 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 个观测值面板数据模型的选择通常有三种形式：混合估计模型、固定效应模型和随机效 应模型第一种是混合估计模型（Pooled Regression Model）如果从时间上看，不同个 体之间不存在显着性差异；从截面上看，不同截面之间也不存在显着性差异， 那么就可以直接把面板数据混合在一起用普通最小二乘法（OLS）估计参数第 二种是固定效应模型（Fixed Effects Regression Model）在面板数据散点图 中，如果对于不同的截面或不同的时间序列，模型的截距是不同的，则可以采 用在模型中加虚拟变量的方法估计回归参数，称此种模型为固定效应模型（fixed effects regression model）。

固定效应模型分为3种类型，即个体固定效 应模型（entity fixed effects regression model）、时刻固定效应模型（time fixed effects regressio n model）和时刻个体固定效应模型（ti me and en tity fixed effects regression model）1）个体固定效应模型个体固定效应模型就是对于不同 的个体有不同截距的模型如果对于不同的时间序列（个体）截距是不同的， 但是对于不同的横截面，模型的截距没有显着性变化，那么就应该建立个体固 定效应模型注意：个体固定效应模型的EViwes输出结果中没有公共截距项2）时刻固定效应模型时刻固定效应模型就是对于不同的截面（时刻点）有 不同截距的模型如果确知对于不同的截面，模型的截距显着不同，但是对于 不同的时间序列（个体）截距是相同的，那么应该建立时刻固定效应模型，相 对于混合估计模型来说，是否有必要建立时刻固定效应模型可以通过 F 检验来 完成H0：对于不同横截面模型截距项相同（建立混合估计模型）H1 :对于 不同横截面模型的截距项不同（建立时刻固定效应模型）。

3）时刻个体固定 效应模型时刻个体固定效应模型就是对于不同的截面（时刻点）、不同的时 间序列（个体）都有不同截距的模型如果确知对于不同的截面、不同的时间 序列（个体）模型的截距都显着地不相同，那么应该建立时刻个体效应模型 相对于混合估计模型来说，是否有必要建立时刻个体固定效应模型可以通过 F 检验来完成H0：对于不同横截面，不同序列，模型截距项都相同（建立混合 估计模型）H1 :不同横截面，不同序列，模型截距项各不相同（建立时刻个 体固定效应模型）第三种是随机效应模型在固定效应模型中采用虚拟变量的原因是解释被解释 变量的信息不够完整也可以通过对误差项的分解来描述这种信息的缺失 yit = a + b1 xit + eit其中误差项在时间上和截面上都是相关的，用 3个分量表示如下 eit = ui + vt + wit?其中ui ~N（0, su2）表示截面随机误差分量；vt ~N（0, sv2）表示时间随机误差分量； wit ~N（0, sw2）表示混和随机误差分量同时还假定ui，vt，wit之间互不相关， 各自分别不存在截面自相关、时间自相关和混和自相关上述模型称为随机效 应模型随机效应模型和固定效应模型比较，相当于把固定效应模型中的截距 项看成两个随机变量。

一个是截面随机误差项（ui）, —个是时间随机误差项 （vt）如果这两个随机误差项都服从正态分布，对模型估计时就能够节省自 由度，因为此条件下只需要估计两个随机误差项的均值和方差假定固定效应 模型中的截距项包括了截面随机误差项和时间随机误差项的平均效应，而且对 均值的离差分别是ui和vt,固定效应模型就变成了随机效应模型注意：随机 效应模型 EViwes 输出结果中含有公共截距项随机效应模型和固定效应模型哪一个更好些实际是各有优缺点随机效应模型 的好处是节省自由度对于从时间序列和截面两方面上看都存在较大变化的数 据，随机效应模型能明确地描述出误差来源的特征固定效应模型的好处是很 容易分析任意截面数据所对应的因变量与全部截面数据对应的因变量均值的差 异程度此外，固定效应模型不要求误差项中的个体效应分量与模型中的解释 变量不相关当然，这一假定不成立时，可能会引起模型参数估计的不一致 性用 EViwes 可以估计固定效应模型（包括个体固定效应模型、时刻固定效应 模型和时刻个体固定效应模型3种）、随机效应模型、带有AR（1）参数的模型、 截面不同回归系数也不同的面板数据模型用EViwes可以选择普通最小二乘 法、加权最小二乘法（以截面模型的方差为权）、似不相关回归法估计模型参 数。