面板数据模型理论知识

l.PanelData模型简介PanelData即面板数据，是截面数据及时间序列数据综合起来一种数据类型，是截面上个体在不同时点重复观测数据。相对于一维截面数据和时间序列数据进行经济分析而言，面板数据有很多优点。(1)由于观测值增多，可以增加自由度并减少了解释变量间共线性，提高了估计量抽样精度。(2)面板数据建模比单截面数据建模可以获得更多动态信息，可以构建并检验更复杂行为模型。(3)面板数据可以识别、衡量单使用一维数据模型所不能观测和估计影响，可以从多方面对同一经济现象进行更加全面解释。PanelData模型一般形式为y„,+…Px+€ititk„1kitkitit其中y为被解释变量，x为解释变量，i=l,2,3……N,表示N个个体；titit=1,2，3……T,表示已知T个时点。参数,,表示模型截距项，k是解释变量个数,卩kit是相对应解释变量待估计系数。随机误差项1it相互独立，且满足零均值，等方差为§2假设。面板数据模型可以构建三种形式(以截面估计为例)：形式一：不变参数模型y„，+…Px+€，又叫混合回归模型，是指无论i k„1kkii从时间上还是截面上观察数据均不存在显著差异，故可以将面板数据混合在一起，采用普通最小二乘估计法OLS)估计参数即可。形式二：变截距模型y„，*+，+…Px+€，，*为每个个体方程共同截距项，iik„1kkii，是不同个体之间异质性差异。对于不同个体或时期而言，截距项不同而解释变i量斜率相同,说明存在不可观测个体异质影响但基本结构是相同，可以通过截距项不同而体现出来个体之间差异。当x及x相关时，那就说明模型为固定效应模ii型，当,及x不相关时，说明模型为随机效应模型。ii形式三：变参数模型y„，*+，+…Px+€，对于不同个体或时期而iik„1kikii言，截距项(，*+，)和每个解释变量斜率P都是不相同，表明不同个体之间既i ki存在个体异质影响也存在不同结构影响，即每个个体或时期都对应一个互不相同方程。同样分为固定效应模型和随机效应模型两种。注意：这里没有截距项相同而解释变量系数不相同模型。2.PanelData模型分析步骤2.1单位根检验无论利用PanelData模型进行截面估计还是时间估计分析时候，我们先要进行单位根检验，只有PanelData模型中数据是平稳才可以进行回归分析，否则容易产生“虚假回归”。李子奈曾指出，一些非平稳经济时间序列往往表现出共同变化趋势，而这些序列间本身不一定有直接关联，此时，对这些数据进行回归，尽管有较高R2,但其结果是没有任何实际意义。这种情况称为称为虚假回归或伪回归。面板单位根检验方法有5种：LLC检验、IPS检验、Breintung检验、ADF-Fisher检验和PP-Fisher检验，前两种是相同根情况下单位根检验方法，后三种是不同单位根情况下检验方法。

若PanelData为平稳，则进行回归分析；1.Huasman检验和F检验Huasman检验目为检验PanelData模型是随机效应模型还是固定效应模型。原假设：模型是存在随机效应。F检验目是判定需要拟合模型形式。F检验有两个原假设：1：回归斜率系数相同而截距项不相同€11：回归斜率系数相同而截距项不相同€12：回归斜率系数和截距项都相同€1构建F统计量S)/[(N—1)(k+1S)/[(N—1)(k+1)](s, , 3 :~1S(NT-N(k+1))1(s2—S])/[(N—1)k]S2(NT11S1为变参数模型得残差平方和，N(k+1))F[(N-1)(F[(Nk+1),N(T-k-1)]1)k,N(T1)]S2为变截距模型得残差平方和，S3为不变其中，参数模型得残差平方和，N是总个体数，T为总时期数，k为解释变量个数。判定规则为，首先利用F统计量对H检验，如果接受，则建立不变参数模型，检验结束。如果拒绝，贝则再利用F统计量对H检验，如果接受，则建立变截距模型；如果拒绝，则建立变系数模型1。 12.利用Eviews可以得出回归方程结果横截面异方差及序列自相关性是运用面板数据模型时可能遇到最为常见问题,此时运用OLS可能会产生结果失真，因此为了消除影响，对我国东、中、西部地区分析将采用不相关回归方法(SeeminglyUnrelatedRegression,SUR)来估计方程。而对于全国范围内估计来说，由于横截面个数大于时序个数，所以采用截面加权估计法(CrossSectionWeights,CSW)。若PanelData单位根检验是不平稳，采取两种办法。1•对序列进行差分或取对数使之变成同阶序列，若变换序列后均为平稳序列，可用变换后序列直接进行回归分析。2.若变换序列后均为同阶非平稳序列，则要进行协整检验。协整检验原假设：不存在协整面板数据协整检验方法可以分为两大类：一类是建立在Englea