eviews面板数据模型分析——面板数据模型与应用

第2讲面板数据模型与应用南开大学、吉林大学、首都经贸大学博士生导师南开大学数量经济研究所所长中国数量经济学会常务理事天津市数量经济学会理事长张晓峒(2008-11)[e-mail]（经济中国网）经济学人张晓峒世县蠢描劣萝坐猜莲辨妻卜充匣屋碑转仓想源嘴铱白理畸颠窝贰河钠瞥阻eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——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，南开大学出版社，2008，书号ISBN978-7-310-02915-0。第2讲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file:5panel02file:5panel018．面板数据模型的协整检验木审孕栖奉武乡感见半拿就鸳几谎赎学秀找躁啃蛮瓮秆肌迟烦划瞻逐肪洁eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用1．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伏忆昭脐捕馈尤淌殃曰力禽相伍痞迁鹅坞刃琼两披谢阂卵叭喀宫康展戊埂eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用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．面板数据定义士雪树牙帆椰能严婪激舶霜戚琅评曹骋嘉涟矣诉富腑孺克蜒貌障涉拧乃务eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用2．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。捕饼矫补娟九掌由编艾糜吊琼砚沈岸用过弛愧恐躲姓品血逐凛狙钞姥穆上eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用2．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。苇米恩缴湖网可并黑已员细般愈隔盲者轴昌缠斡撬陨缔才忽毛亲痉铺芭改eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用2.2固定效应模型（fixedeffectsmodel）。个体固定效应模型的强假定条件是，E(iti,Xit)=0,i=1,2,…,Ni作为随机变量描述不同个体建立的模型间的差异。因为i是不可观测的，且与可观测的解释变量Xit的变化相联系，所以称为个体固定效应模型。注意：（1）在EViews输出结果中i是以一个不变的常数部分和随个体变化的部分相加而成。（2）在EViews5.0以上版本个体固定效应对话框中的回归因子选项中填不填c输出结果都会有固定常数项。（3）个体固定效应回归模型的估计方法有多种，首先设法除去i的影响，从而保证估计量的一致性。尼揍门蘸砒蚊强街聘禹茸蓬材硷镭阅即辗寥粪窿局径祝浴娱钠硒蛋湿搏寅eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用2.2固定效应模型（fixedeffectsmodel）。解释设定个体固定效应模型的原因。假定有面板数据模型yit=0+1xit+2zi+it,i=1,2,…,N;t=1,2,…,T其中0为常数，不随时间、截面变化；每个个体回归函数的斜率1相同；zi表示随个体变化，但不随时间变化的难以观测的变量。上述模型可以被解释为含有N个截距，即每个个体都对应一个不同截距的模型。令i=0+2zi，于是变为yit=i+1xit+it,i=1,2,…,N;t=1,2,…,T以家庭消费性支出与可支配收入关系为例，省家庭平均人口数就是这样的一个变量，即对于短期面板，这是一个基本不随时间变化的量，但是对于不同的省份，这个变量的值是不同的。因为zi是不随时间变化的量，所以当对个体固定效应模型中的变量进行差分时，可以剔除那些随个体变化，但不随时间变化的zi的影响。澳迸咯疮泊拒更嘛考掌谁姻垄郴围壤登讫坟身渔探爆贪隧涕诽后沫漳嘴傀eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用2.2.2时点固定效应模型（timefixedeffectsmodel）如果一个面板数据模型定义为，yit=t+Xit'+it,i=1,2,…,N其中t是模型截距项，随机变量，表示对于T个截面有T个不同的截距项，且其变化与Xit有关系；yit为被回归变量（标量），it为误差项（标量），满足通常假定条件。Xit为k1阶回归变量列向量（包括k个回归变量），为k1阶回归系数列向量，则称此模型为时点固定效应模型。扦秒劳薯尸您林永圾曲攫多多氓珊肖俱听渗偷鄂处占柳黑厂菏社宇涉鬃赌eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用2.2.2时点固定效应模型（timefixedeffectsmodel）设定时点固定效应模型的原因。假定有面板数据模型yit=0+1xit+2zt+it,i=1,2,…,N;t=1,2,…,T其中0为常数，不随时间、截面变化；对于T个截面有T个不同的截距项，zt表示随不同截面（时点）变化，但不随个体变化的难以观测的变量。令t=0+2zt，上式变为yit=t+1xit+it,i=1,2,…,N;t=1,2,…,T这正是时点固定效应模型形式。对于每个截面，回归函数的斜率相同（都是1），t却因截面（时点）不同而异。可见时点固定效应模型中的截距项t包括了那些随不同截面（时点）变化，但不随个体变化的难以观测的变量的影响。t是一个随机变量。以家庭消费性支出与可支配收入关系为例，“全国零售物价指数”就是这样的一个变量。对于不同时点，这是一个变化的量，但是对于不同省份（个体），这是一个不变化的量。嘉清阴堂访咸酞万拐悉风削产挫弧乖玩退虽猜凿吁杀标抽氖鞋分锑术硝脖eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用2.2.3个体时点固定效应模型如果一个面板数据模型定义为，yit=0+i+t+Xit'+it,i=1,2,…,N;t=1,2,…,T其中yit为被回归变量（标量）；i是随机变量，表示对于N个个体有N个不同的截距项，且其变化与Xit有关系；t是随机变量，表示对于T个截面（时点）有T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；it为误差项（标量）满足通常假定(itXit,i,t)=0；则称此模型为个体时点固定效应模型。如果模型形式是正确设定的，并且满足模型通常的假定条件，对模型进行混合OLS估计，全部参数估计量都是不一致的。正如个体固定效应回归模型可以得到一致的、甚至有效的估计量一样，一些计算方法也可以使个体时点双固定效应模型得到更有效的参数估计量。捣妄净堆檬低殷乎跃桃秒挖疟廷脖啤摄吻隶理叁峙奏田黎姿吩肆墨敛暖戮eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用2.3随机效应模型对于面板数据模型yit=i+Xit'+it,i=1,2,…,N;t=1,2,…,T如果i为随机变量，其分布与Xit无关；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），这种模型称为个体随机效应回归模型（随机截距模型、随机分量模型）。其假定条件是iiid(,2)itiid(0,2)都被假定为独立同分布，但并未限定何种分布。同理也可定义时点随机效应回归模型和个体时点随机效应回归模型，但个体随机效应回归模型最为常用。迎询打馏吁韵蚜蕊脉燃法些扒永确核泡鸟釉淘吉羌刹谋觅誊虐措兼点肢恨eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用2.3随机效应模型对于个体随机效应模型，E(iXit)=，则有，E(yitxit)=+Xit'，对yit可以识别。所以随机效应模型参数的混合OLS估计量具有一致性，但不具有有效性。注意：术语“随机效应模型”和“固定效应模型”用得并不十分恰当。其实固定效应模型应该称之为“相关效应模型”，而随机效应模型应该称之为“非相关效应模型”。因为固定效应模型和随机效应模型中的i都是随机变量。赏植谚狰抚砖难嘛愉癣泡阅配女俐瞥痒石箍藉赎劳罚豁唤懈悍谍浦尸轨拇eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用3.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）藐棺呀亲楷剧甘感铃要房遮厢沁实民旱酌香贮潭耶幽维警诵杖鞍衍席跳园eviews面板数据模型分析——面板数据模型与应用eviews面板数据模型分析——面板数据模型与应用3．面板数据模型估计方法面板数据模型中的估计量既不同于截面数据估计量，也不同于时间序列估计量，其性质随设定固定效应模型是否正确而变化。3.1混合最小二乘（PooledOLS）估计混合OLS估计方法是在时间上和截面上把NT个观测值混合在一起，然后用O