面板数据模型-

1、Lecture 22Baltagi白仲林著白仲林著Baltagi著著 白仲林主译白仲林主译因家庭调查得到的面板数据越来越多，面板数据的计量分析可以说是过去三十年社会应用研究领域所取得的最重要的进展。Fitzgerald, Gottschalk 和Moffitt（1998, P252）3数据类型“面板数据”一词指的是一部分家庭、国家或企业等在一段时期内的观测值所构成的集合。这样的数据可以通过在一段时期内对一些家庭或个体进行跟踪调查来获得。4面板数据的优势 与截面数据模型相比较，面板数据模型控制了不可观察经济变量所引致的OLS估计的偏差。 与时间序列模型相比较，面板数据模型扩大了样本信息，降低了经

2、济变量间的共线性，提高了估计量的有效性。 面板数据能更好地识别和度量时序或截面数据不可发觉的效应。 有助于建立和检验更复杂的行为模型。 更准确地反映经济变量的动态调整。 微观面板数据丰富了微观经济学的内容。 宏观面板数据使研究经济合作组织内各国经济的协同效应成为可能。5678面板数据用双下标变量表示。例如 yi t, i = 1, 2, , N; t = 1, 2, , TN表示面板数据中含有N个个体。T表示时间序列的最大长度。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

3、体）。N=7，T=50的面板数据示意图9102000300040005000600070008000900010000110001996199719981999200020012002CPAHCPBJCPFJCPHBCPHLJCPJLCPJSCPJXCPLNCPNMGCPSDCPSHCPSXCPTJCPZJ20004000600080001000012000140001996199719981999200020012002IPAHIPBJIPFJIPHBIPHLJIPJLIPJSIPJXIPLNIPNMGIPSDIPSHIPSXIPTJIPZJ1120004000600080001000012

4、000140002468101214CP1996CP1997CP1998CP1999CP2000CP2001CP200220004000600080001000012000140002468101214IP1996IP1997IP1998IP1999IP2000IP2001IP2002122000300040005000600070008000900010000110002000400060008000100001200014000IPCROSSCP1996CP1997CP1998CP1999CP2000CP2001CP2002IP2,0003,0004,0005,0006,0007,0008

5、,0009,00010,00011,0003,0005,0007,0009,00011,00013,000CP_IAHCP_IBJCP_IFJCP_IHBCP_IHLJCP_IJLCP_IJSCP_IJXCP_ILNCP_INMGCP_ISDCP_ISHCP_ISXCP_ITJCP_IZJIP132000300040005000600070008000900010000110002000400060008000100001200014000IPCROSSCP1996CP1997CP1998CP1999CP2000CP2001CP2002IP用原变量建模还是用对数变量建模用原变量建模还是用对数变

6、量建模? ?142000300040005000600070008000900010000110002000400060008000100001200014000CP_1996CP_2002IP_T 2,0003,0004,0005,0006,0007,0008,0009,00010,00011,0003,0005,0007,0009,00011,00013,000CP_INMGCP_IBJIP1516 EViwes估计方法：在打开工作文件窗口的基础上，点击主功能菜单中的Objects键，选New Object功能，从而打开New Object（新对象）选择窗。在Type of Object选

7、择区选择Pool（混合数据库），点击OK键，从而打开Pool（混合数据）窗口。在窗口中输入15个地区标识AH（安徽）、BJ（北京）、ZJ（浙江）。工具栏中点击Sheet键，从而打开Series List（列写序列名）窗口，定义变量CP?和IP?，点击OK键，Pool（混合或合并数据库）窗口显示面板数据。在Pool窗口的工具栏中点击Estimate键，打开Pooled Estimation（混合估计）窗口如下图。1718 在Dependent Variable（因变量）选择窗填入CP?；在Common coefficients（系数相同）选择窗填入IP?；Cross section specif

8、ic coefficients（截面系数不同）选择窗保持空白；在Intercept（截距项）选择窗点击Common；在Weighting（权数）选择窗点击No weighting。点击Pooled Estimation（混合估计）窗口中的OK键。19itCP20 如果从时间和截面上看模型截距都为零，就可以建立不含截距项的（ = 0）的混合估计模型。以二变量模型为例，建立混合估计模型如下， yit = 1 xit +it, i = 1, 2, , N; t = 1, 2, , T (2) 对于本例，因为上式中的截距项有显著性（t = 2.0 t0.05 (103) = 1.99），所以建立截距项

9、为零的混合估计模型是不合适的。 EViwes估计方法：在Pooled Estimation（混合估计）对话框中Intercept（截距项）选择窗中选None，其余选项同上。2122232425从结果看，北京、上海、浙江是自发消从结果看，北京、上海、浙江是自发消费（消费函数截距）最大的费（消费函数截距）最大的3个地区。个地区。2627 注意：（1 ）个体固定效应模型的EViwes输出结果中没有公共截距项。（2 ） EViwes输出结果中没有给出描述个体效应的截距项相应的标准差和t值。不认为截距项是模型中的重要参数。（3）当对个体固定效应模型选择加权估计时，输出结果将给出加权估计和非加权估计两种统

10、计量评价结果。（4）输出结果的联立方程组形式可以通过点击View选Representations功能获得。（5）点击View选Wald Coefficient Tests功能可以对模型的斜率进行Wald检验。（6）点击View选Residuals/Table, Graphs, Covariance Matrix, Correlation Matrix功能可以分别得到按个体计算的残差序列表，残差序列图，残差序列的方差协方差矩阵，残差序列的相关系数矩阵。（7）点击Procs选Make Model功能，将会出现估计结果的联立方程形式，进一步点击Solve键，在随后出现的对话框中可以进行动态和静态预测

11、。2829303132333435363. 面板数据模型估计方法37383940414243444546474849 50 2,0003,0004,0005,0006,0007,0008,0009,00010,00011,0002,0004,0006,0008,00010,00012,00014,000IPCPpooled regression7.88.08.28.48.68.89.09.29.48.08.28.48.68.89.09.29.49.6LOG(IP)LOG(CP) 人均消费对收入的面板数据散点图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对数的人均消费对收

12、入的面板数据散点图5面板数据建模案例分析面板数据建模案例分析案例案例1（file:5panel02）：）：1996-2002年中国东北、华北、华东年中国东北、华北、华东15个省级地区的居个省级地区的居民家庭固定价格的人均消费（民家庭固定价格的人均消费（CP）和人均收入（）和人均收入（IP）数据见）数据见file:panel02。数据。数据是是7年的，每一年都有年的，每一年都有15个数据，共个数据，共105组观测值。组观测值。515面板数据建模案例分析面板数据建模案例分析个体固定效应模型估计结果如下：个体固定效应模型估计结果如下： LnCPit = 0.6878 + 0.8925 LnIPit

13、+ it (5.4) (60.6) R2 = 0.99, DW = 1.5525面板数据建模案例分析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。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。535面板数据建模案例分析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。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。54552,0003,0004,0005,0006,0007,0008,0009,00010,00011,0002,0004,0006,0008,00010,00012,00014,00

14、0CPAHCPAHFCPBJCPBJFCPFJCPFJFCPHBCPHBFCPHLJCPHLJFCPJLCPJLFCPJSCPJSFCPJXCPJXFCPLNCPLNFIPTIME2,0003,0004,0005,0006,0007,0008,0009,00010,00011,0002,0004,0006,0008,00010,00012,00014,000CPNMGCPNMGFCPSDCPSDFCPSHCPSHFCPSXCPSXFCPTJCPTJFCPZJCPZJFIPTIME（file：6panel02c，graph06） （file：6panel02c，graph07） 56570.51

15、.01.52.02.53.03.54.04.50.00.40.81.21.62.02.42.8BEERTAXVFR585960616263例例3: 加入人力资本的生产函数研究加入人力资本的生产函数研究05,00010,00015,00020,00025,00030,00035,00040,00002,5005,0007,50010,00012,50015,000YBJYTJYHEBYSXCYNMGYLNYJLYHLJYSHYJSYZJYAHYFJYJXYSDYHENYHUBYHUNYGDYGXYHNYSCYGZYYNYSXYGSYQHYNXYXJK678910115.05.56.06.57.0

16、7.58.08.59.09.510.0LNYAH01LNYBJ01LNYGD01LNYGS01LNYGX01LNYGZ01LNYHEB01LNYHEN01LNYHLJ01LNYHN01LNYHUB01LNYHUN01LNYJL01LNYJS01LNYJX01LNYLN01LNYNMG01LNYNX01LNYQH01LNYSC01LNYSD01LNYSH01LNYSXC01LNYTJ01LNYXJ01LNYYN01LNYZJ01LOG(K)人均产出人均产出 y 对人均资对人均资本本 K 的面板数据散点的面板数据散点图图对数形式人均产对数形式人均产出出 Lny 对人均资对人均资本本 LnK 的面板

17、的面板数据散点图数据散点图5面板数据建模案例分析面板数据建模案例分析645面板数据建模案例分析面板数据建模案例分析例例3: 加入人力资本的生产函数研究加入人力资本的生产函数研究05,00010,00015,00020,00025,00030,00035,00040,0004567891011YAHYBJYFJYGDYGSYGXYGZYHEBYHENYHLJYHNYHUBYHUNYJLYJSYJXYLNYNMGYNXYQHYSCYSDYSHYSXYSXCYTJYXJYYNYZJEDU678910114567891011LNYAH01LNYBJ01LNYGD01LNYGS01LNYGX01LNYG

18、Z01LNYHEB01LNYHEN01LNYHLJ01LNYHN01LNYHUB01LNYHUN01LNYJL01LNYJS01LNYJX01LNYLN01LNYNMG01LNYNX01LNYQH01LNYSC01LNYSD01LNYSH01LNYSXC01LNYTJ01LNYXJ01LNYYN01LNYZJ01EDU人均产出人均产出 Lny 对人均对人均受教育时间受教育时间 edu 的面的面板数据散点图板数据散点图对数形式人均产出对数形式人均产出Lny 对人均受教育时对人均受教育时间间 edu 的面板数据的面板数据散点图散点图结合图形分析，建立如下计量模型结合图形分析，建立如下计量模型:it

19、ititititu+edu+lnk+c=lny656667686970717273747576040000080000012000001600000200000024000000100002000030000400005000060000RGDPSO2_95SO2_96SO2_97SO2_98SO2_99SO2_00SO2_01SO2_02SO2_03SO2_04SO2_05SO2_067778791000002000003000004000005000006000007000008000000100002000030000400005000060000so2rgdp80818283848501234567-0.4-0.20.00.20.40.60.8