面板數據模型-文庫吧

【正文】 工作文件窗口的基礎上，點擊主功能菜單中的Objects鍵，選New Object功能，從而打開New Object（新對象）選擇窗。在Type of Object選擇區選擇Pool（混合數據庫），點擊OK鍵，從而打開Pool（混合數據）窗口。在窗口中輸入15個地區標識AH（安徽）、BJ（北京）、…、ZJ（浙江）。工具欄中點擊Sheet鍵，從而打開Series List（列寫序列名）窗口，定義變量CP?和IP?，點擊OK鍵，Pool（混合或合并數據庫）窗口顯示面板數據。在Pool窗口的工具欄中點擊Estimate鍵，打開Pooled Estimation（混合估計）窗口如下圖。圖11在Dependent Variable（相依變量）選擇窗填入CP?；在Common coefficients（系數相同）選擇窗填入IP?；Cross section specific coefficients（截面系數不同）選擇窗保持空白；在Intercept（截距項）選擇窗點擊Common；在Weighting（權數）選擇窗點擊No weighting。點擊Pooled Estimation（混合估計）窗口中的OK鍵。得輸出結果如圖10。相應表達式是= + IPit () () R2 = , SSEr = 4824588, (103) = 15個省級地區的人均支出平均占收入的76%。如果從時間和截面上看模型截距都為零，就可以建立不含截距項的（a = 0）的混合估計模型。以二變量模型為例，建立混合估計模型如下， yit = b1 xit +eit, i = 1, 2, …, N。 t = 1, 2, …, T (2)對于本例，因為上式中的截距項有顯著性（t = (103) = ），所以建立截距項為零的混合估計模型是不合適的。EViwes估計方法：在Pooled Estimation（混合估計）對話框中Intercept（截距項）選擇窗中選None，其余選項同上。 固定效應模型。在面板數據散點圖中，如果對于不同的截面或不同的時間序列，模型的截距是不同的，則可以采用在模型中加虛擬變量的方法估計回歸參數，稱此種模型為固定效應模型（fixed effects regression model）。固定效應模型分為3種類型，即個體固定效應模型（entity fixed effects regression model）、時刻固定效應模型（time fixed effects regression model）和時刻個體固定效應模型（time and entity fixed effects regression model）。下面分別介紹。（1）個體固定效應模型。個體固定效應模型就是對于不同的個體有不同截距的模型。如果對于不同的時間序列（個體）截距是不同的，但是對于不同的橫截面，模型的截距沒有顯著性變化，那么就應該建立個體固定效應模型，表示如下， yit = b1 xit +g1 W1 + g2 W2 + … +gN WN +eit, t = 1, 2, …, T (3)其中Wi =eit, i = 1, 2, …, N。 t = 1, 2, …, T，表示隨機誤差項。yit, xit, i = 1, 2, …, N。 t = 1, 2, …, T分別表示被解釋變量和解釋變量。模型（3）或者表示為 y1t = g1 +b1 x1t +e1t, i = 1（對于第1個個體，或時間序列），t = 1, 2, …, T y2t = g2 +b1 x2t +e2 t, i = 2（對于第2個個體，或時間序列），t = 1, 2, …, T … yN t = gN +b1 xN t +e N t, i = N（對于第N個個體，或時間序列），t = 1, 2, …, T寫成矩陣形式，y1 = (1 x1)+e1 = g1 + x1 b +e1…yN = (1 xN)+eN = gN + xN b +eN上式中yi，gi，ei，xi都是N180。1階列向量。b為標量。當模型中含有k個解釋變量時，b為k180。1階列向量。進一步寫成矩陣形式，= +b + 上式中的元素1，0都是T180。1階列向量。 面板數據模型用OLS方法估計時應滿足如下5個假定條件：（1）E(eit|xi1, xi2, …, xiT, ai) = 0。以xi1, xi2, …, xiT, ai為條件的eit的期望等于零。（2）(xi1, xi2, …, xiT), ( yi1, yi2, …, yiT), i = 1, 2, …, N分別來自于同一個聯合分布總體，并相互獨立。（3）(xit, eit)具有非零的有限值4階矩。（4）解釋變量之間不存在完全共線性。（5）Cov(eit eis|xit,xis, ai) = 0, t 185。 s。在固定效應模型中隨機誤差項eit在時間上是非自相關的。其中xit代表一個或多個解釋變量。對模型（1）進行OLS估計，全部參數估計量都是無偏的和一致的。模型的自由度是N T –1–N。 當模型含有k個解釋變量，且N很大，相對較小時，因為模型中含有k + N個被估參數，一般軟件執行OLS運算很困難。在計量經濟學軟件中是采用一種特殊處理方式進行OLS估計。估計原理是，先用每個變量減其組內均值，把數據中心化（entitydemeaned），然后用變換的數據先估計個體固定效應模型的回歸系數（不包括截距項），然后利用組內均值等式計算截距項。這種方法計算起來速度快。具體分3步如下。（1）首先把變量中心化（entitydemeaned）。仍以單解釋變量模型（3）為例，則有 = gi + b1+, i = 1, 2, …, N (4)其中=，=，=, i = 1, 2, …, N。公式(1)、(4)相減得， (yit ) = b1(xit ) + (eit ) (5)令(yit ) =，(xit ) =，(eit ) =，上式寫為 = b1+ (6)用OLS法估計（1）、（6）式中的b1，結果是一樣的，但是用（6）式估計，可以減少被估參數個數。（2）用OLS法估計回歸參數（不包括截距項，即固定效應）。 在k個解釋變量條件下，把用向量形式表示，則利用中心化數據，按OLS法估計公式計算個體固定效應模型中回歸參數估計量的方差協方差矩陣估計式如下，() = (39。)1 (7)其中=，是相對于的殘差向量。（3）計算回歸模型截距項，即固定效應參數gi。= (8)以例1（file:panel02）為例得到的個體固定效應模型估計結果如下：注意：個體固定效應模型的EViwes輸出結果中沒有公共截距項。圖12EViwes估計方法：在EViwes的Pooled Estimation對話框中Intercept選項中選Fixed effects。其余選項同上。注意：（1）個體固定效應模型的EViwes輸出結果中沒有公共截距項。（2）EViwes輸出結果中沒有給出描述個體效應的截距項相應的