第六章时序横截面模型.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第六章 时序横截面模型,时序横截面模型,适用于时序横截面数据（,Panel data,，,longitudinal,，又译为面板数据、平行数据、综列数据等等,）的模型称为时序横截面模型。,时序横截面模型,时序横截面模型,可以采用传统方法进行估计，但很有可能出现问题,时序横截面模型,时序横截面模型,利用该数据，按传统方法，可以获得,12,组模型,时期的模型,横截面数据,（,3,组）：,横截面的模型,时序数据,（,9,组）,时序横截面模型,如果将数据合并建模，实际要求：所有模型的截距和回归系数都要相同，如果这一假设不成立，则参数估计不具有一致性。,例：截距不同，斜率一样,时序横截面模型,将三组并为一组，实际意味着：,不同时期，因变量和自变量的规律没有变化,；对不同的个体而言，因变量和自变量的规律也没有变化；,在截距不同时，随机误差项就必然不满足回归假定，参数估计也会失准。,时序横截面模型,时序横截面模型,时序横截面模型,时序横截面的优点：,1,、扩大样本量,2,、减少违背回归假设的可能,3,、增强解释力，可以同时研究个体间的差异和时期间的差异,时序横截面模型,主要内容：,固定效应模型,随机效应模型,固定效应还是随机效应,Hausman,检验,（,一）固定效应模型,适用范围：,横截面或时序之间的差异主要体现在截距上,假设：,差异为常数，是固定的未知参数,（一）固定效应模型,变截距模型,（一）固定效应模型,固定效应变截距模型的估计可以采用虚拟变量模型（,LSDV,模型，,Least Square Dummy Variables,）,以,时序组之间变截距为例,如果两个时期：,（一）固定效应模型,如果三个时期：,（一）固定效应模型,LSDV,模型的优点,可以对不同组之间的差异作出估计,LSDV,模型的缺点,如果组较多，则需要设置较多的虚拟变量,（一）固定效应模型,一阶差分法,（一）固定效应模型,组内变换法,（一）固定效应模型,横截面与时序效应同时存在,（一）固定效应模型,横截面与时序效应同时存在时的,LSDV,估计,如果有,N,个横截面、,T,个时期（时点），则同时设置,N-1,个横截面虚拟变量和,T-1,个时序虚拟变量即可,（一）固定效应模型,组内变换法所得估计量称为组内估计量或固定效应估计量，,与,LSDV,的结果相同,当,T=2,时，差分法和组内变换法的结果相同,一般说：原随机误差不存在自相关，组内变换更有效，如果强正相关，则差分法更佳,差分法和组内变换法应全部进行，并比较结果的差异,（一）固定效应模型,固定效应模型将截距的差异视为,待估参数,固定效应模型可以分为,one-way,与,two-way,模型,估计方法有：,虚拟变量法,一阶差分法,组内变换法,（二）随机效应模型,认为横截面或时序模型之间截距的差异值是随机的，不是一个固定参数，,随机性来自于样本代替总体,。,（二）随机效应模型,截距是随机变量的处理方法是,：将截距差异包含到随机误差项中，对随机误差项的构成与统计特征做进一步规定,。,这样处理背后的假定是：效应（截距差异）与解释变量无关，而在固定效应模型中，一般允许与解释变量中的一个或多个相关,（二）随机效应模型,基本模型,（二）随机效应模型,与,固定效应模型对应，可以构造三种误差分量,（二）随机效应模型,two-way random effects model,该模型用,Fuller-,Battese,方法估计,GLS,方法,GLS,方法,GLS,方法,GLS,方法,GLS,方法,GLS,估计量,无偏,渐近服从正态分布,方差,FGLS,（,Feasible GLS,）,（二）随机效应模型,one-way random effects model,（二）随机效应模型,（二）随机效应模型,考虑自相关的模型,实时相关一阶自回归模型,该模型用,Parks,方法估计,（二）随机效应模型,混合误差分量移动平均模型,该模型用,Da,Silva,方法估计,（二）随机效应模型,比较时序横截面模型的估计结果，可以发现,OLS,的估计误差明显较大。,（,三）随机效应还是固定效应,将,观测值视为,从总体中抽样的结果,，则采用随机效应，如不能这样看，则采用固定效应模型将差异看作参数,截距差异与解释变量相关,：固定效应模型；,不相关：随机效应模型,Hausman,检验,该检验被广泛地应用于模型的设定检验和经济理论的验证，其基本思想是：,寻找两个不同的估计值，一个无论原假设是否成立，永远具有一致性，一个只有在原假设成立的情况下，才具有一致性。这样：,Hausman,检验,原假设：,截距差异与解释变量不相关,原假设下，固定效应的,OLS,与随机效应的,GLS,都是一致的，而原假设不成立，则,OLS,仍具一致性，,GLS,不具有一致性,决策规则：,拒绝原假设，选择固定效应模型,