面板数据模型课件

1、面板数据模型,1,面板数据Panel Data,面板数据模型,2,8面板数据模型的协整检验,面板数据模型,3,1.面板数据模型简介,面板数据（panel data）也称作时间序列与截面混合数据（pooled time series and cross section data）。面板数据是截面上个体在不同时点的重复观测数据。,N=30，T=50的面板数据示意图 中国各省级地区消费性支出占可支配收入比例走势图,面板数据模型,4,面板数据分两种特征：（1）个体数少，时间长。（2）个体数多，时间短。面板数据用双下标变量表示。 yi t, i = 1, 2, , N; t = 1, 2, , T i

2、对应面板数据中不同个体。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。 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）对于固定效应回归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。,面板数据模型,5,yi t, i = 1, 2, , N; t = 1, 2, , T 若固定t不变，yi ., ( i = 1, 2, , N)是横截面上的N个随机变量； 若固定i不变，y. t, (t = 1, 2, , T)是纵剖面上的一个时间序列（个体）。,面板数据模型,6,

3、面板数据是不同个体和不同时期被观察的数据（Longitudinal or Panel Data）,横截面数据,时间序列数据,面板数据,面板数据模型,7,2面板数据模型分类,用面板数据建立的模型通常有3种，即混合模型、固定效应模型和随机效应模型。 2.1 混合模型（Pooled model）。 如果一个面板数据模型定义为， yit = + Xit +it, i = 1, 2, , N; t = 1, 2, , T 其中yit为被回归变量（标量）， 表示截距项，Xit为k 1阶回归变量列向量（包括k个回归量），为k 1阶回归系数列向量，it为误差项（标量）。则称此模型为混合回归模型。混合回归模型的

4、特点是无论对任何个体和截面，回归系数和都相同。 如果模型是正确设定的，解释变量与误差项不相关，即Cov(Xit,it) = 0。那么无论是N，还是T，模型参数的混合最小二乘估计量（Pooled OLS）都是一致估计量。,面板数据模型,8,2.2 固定效应模型（fixed effects model）。 固定效应模型分为3种类型，即个体固定效应模型、时点固定效应模型和个体时点双固定效应模型。下面分别介绍。 2.2.1个体固定效应模型（entity fixed effects model） 如果一个面板数据模型定义为， yit = i + Xit +it, i = 1, 2, , N; t = 1

5、, 2, , T 其中i是随机变量，表示对于i个个体有i个不同的截距项，且其变化与Xit有关系；Xit为k 1阶回归变量列向量（包括k个回归量），为k 1阶回归系数列向量，对于不同个体回归系数相同，yit为被回归变量（标量），it为误差项（标量），则称此模型为个体固定效应模型。,面板数据模型,9,面板数据模型,10,面板数据模型,11,面板数据模型,12,面板数据模型,13,面板数据模型,14,面板数据模型,15,面板数据模型,16,3. 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）

6、 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）,面板数据模型,17,面板数据模型,18,面板数据模型,19,面板数据模型,20,面板数据模型,21,面板数据模型,22,面板数据模型,23,面板数据模型,24,面板数据模型,25,面板数据模型,26,面板数据模型,27,面板数据模型,28,面板数据模型,29,面板数据模型,30,15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）,面板数据模型,31,面板数据模

7、型,32,面板数据模型,33,面板数据模型,34,5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。,面板数据模型,35,面板数据模型,36,面板数据模型,37,面板数据模型,38,面板数据模型,39,面板数据模型,40,面板数据模型,41,面板数据模型,42,面板数据模型,43,面板数据模型,44,面板数据模型,45,面板数据模型,46,面板数据模型,47,面板数据模型,48,面板数据模型,49,面板数据模型,50,面板数据模型,51,面板数据模型,52,面板数据模型,53,面板数据模型,54,面板数据模型,55,面板数据模型,56,面板数据模型,57,面板