面板数据模型与应用

《面板数据的计量经济分析》，白仲林著，张晓峒主审，file:5panel02file:5panel018．面板数据模型的协整检验第4章

面板数据模型与应用

1．面板数据定义

2．面板数据模型分类

3．面板数据模型估计方法

4．面板数据模型检验与设定方法

5．面板数据建模案例分析

6．面板数据的单位根检验

7．EViwes应用

2021/5/911．面板数据定义面板数据（paneldata）也称作时间序列与截面混合数据（pooledtimeseriesandcrosssectiondata）。面板数据是截面上个体在不同时点的重复观测数据。panel原指对一组固定调查对象的多次观测，近年来paneldata已经成为专业术语。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2021/5/92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。面板数据主要指后一种情形。面板数据用双下标变量表示。

yit,i=1,2,…,N;t=1,2,…,Ti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。1．面板数据定义2021/5/932．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（Pooledmodel）。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（PooledOLS）都是一致估计量。2021/5/942．面板数据模型分类2.2固定效应模型（fixedeffectsmodel）。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（entityfixedeffectsmodel）如果一个面板数据模型定义为，

yit=

i

+

Xit'

+

it,i=1,2,…,N;t=1,2,…,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。2021/5/952021/5/962021/5/972021/5/982021/5/992021/5/9102021/5/9112021/5/9123.面板数据模型估计方法混合最小二乘（PooledOLS）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（firstdifference）OLS估计（适用于个体固定效应模型）可行GLS（feasibleGLS）估计（适用于随机效应模型）2021/5/9132021/5/9142021/5/9152021/5/9162021/5/9172021/5/9182021/5/9192021/5/9202021/5/9212021/5/9222021/5/9232021/5/924

2021/5/9252021/5/92615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）2021/5/927

2021/5/9282021/5/9292021/5/9305．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。2021/5/9312021/5/9322021/5/9332021/5/9342021/5/9352021/5/9362021/5/9372021/5/938

2021/5/9392021/5/9402021/5/9412021/5/9422021/5/9432021/5/9442021/5/9452021/5/9462021/5/9472021/5/9482021/5/9492021/5/9502021/5/951202