面板数据回归分析PPT学习课件

第7章面板数据回归分析*2面板数据回归分析7.1面板数据模型7.1.1面板数据7.1.2面板数据模型7.2固定效应模型估计7.2.1固定效应模型估计7.2.2用EViews7.2估计固定效应模型**面板数据回归分析7.3随机效应模型估计7.3.1随机效应模型估计7.3.2用EViews7.2估计随机效应模型7.4固定效应还是随机效应？—Hausman检验7.4.1Hausman检验原理7.4.2用EViews7.2进行Hausman检验重要概念**面板数据回归分析7.1面板数据模型7.1.1面板数据7.1.2面板数据模型**7.1面板数据模型7.1.1面板数据面板数据有横截面和时间两个维度，个横截面个体、个观测时期，样本个体 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示为，若远大于，称之为短面板，本书只讨论短面板。**7.1面板数据模型7.1.1面板数据EViews中存放面板数据：将Excel中数据导入EViews，排列方式为无结构/不按日期的数据（Unstructured/Undated）**7.1面板数据模型7.1.1面板数据EViews中存放面板数据：点击工作文件界面上的按钮Range，在弹出的WorkfileStructure对话框的Workfiletype栏内选择DatedPanel，**7.1面板数据模型7.1.1面板数据EViews中存放面板数据：并在Panelidentifierseries（面板识别变量）下的第一栏CrosssectionIDseries（横截面识别变量）内输入变量名dq（地区），在第二栏Dateseries（日期识别变量）内输入变量名year：点击OK，数据按面板数据排列:**7.1面板数据模型7.1.1面板数据EViews中存放面板数据：**7.1面板数据模型7.1.2面板数据模型为个体的异质性，不可观测假设1：**7.1面板数据模型7.1.2面板数据模型假设2：**7.1面板数据模型7.1.2面板数据模型**面板数据模型不可观测的个体异质性例子7.1经济发展与污水排放例子7.2教育的回报由于不可观测的地区和个人能力带来的内生性，使上述估计不一致。**面板数据模型固定效应模型和随机效应模型定义7.1固定效应和随机效应上述模型中的不可观测变量（1）与回归自变量相关，称之为固定效应模型；（2）与回归自变量不相关，称之为随机效应模型。固定效应将消掉，随机效应则将其放入误差项，然后探索方差结构。**7.2固定效应模型估计7.2.1固定效应模型估计7.2.2用EViews7.2估计固定效应模型**7.2固定效应模型估计7.2.1固定效应模型估计核心是消掉个体异质性变量上述模型的OLS估计称之为固定效应估计（Fixedeffect）**7.2固定效应模型估计7.2.1固定效应模型估计例子7.1经济发展与污水排放例子7.2教育的回报若采用普通的FE方法，教育变量会被消除掉，故不能被估计教育的回报。但若采用教育变量和年份虚拟变量相乘的方法，则可以估计：**7.2固定效应模型估计7.2.1固定效应模型估计例子7.2教育的回报定义虚拟变量此时相减不至于消去教育变量，但是此时表示的是相对于1980年，教育对收入的影响大小。**7.2固定效应模型估计7.2.1固定效应模型估计FD估计（FirstDifference）：其中，如果变量取值不随时间变化，差分后的模型在消去的同时，也将该变量消去，对应的回归系数无法估计。FD估计导致变量变化减少，估计出参数方差较大，效率比FE低。**7.2固定效应模型估计7.2.2用EViews7.2估计固定效应模型例子7.1的EViews操作：在工作文件界面选中参与回归的变量并以组打开，在文件表格界面点击Proc→MakeEquation进入模型设定界面完成模型设定。**7.2固定效应模型估计7.2.2用EViews7.2估计固定效应模型例子7.1的EViews操作：点击PanelOptions选项，进入面板数据模型设定界面。第一栏选择固定效应（fixed），第二栏选择无时间异质性变量（none），第三栏选择GLS时的权重（Cross-sectionweight），第四栏选择协方差估计方法（Whitecross-section），最后一栏选择是否调整自由度**7.2固定效应模型估计7.2.2用EViews7.2估计固定效应模型例子7.1的EViews操作：完成选择后点击OK得出参数估计输出结果:**7.2固定效应模型估计7.2.2用EViews7.2估计固定效应模型例子7.2教育的回报EViews操作：为避免教育变量被消掉，采用前面介绍的虚拟变量与教育变量相乘作为新的自变量，并将不关心的不随时间变化的自变量去掉（否则无法估计！），如种族变量black，然后按上面的操作，最终输出结果：**7.2固定效应模型估计7.2.2用EViews7.2估计固定效应模型例子7.2教育的回报EViews操作：**7.3随机效应模型估计7.3.1随机效应模型估计7.3.2用EViews7.2估计随机效应模型**7.3随机效应模型估计7.3.1随机效应模型估计随机效应假设了与模型自变量不相关，因此关心的问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 不再是内生性，而是如何提高估计的有效性，即探索复合误差项的方差结构。**7.3随机效应模型估计7.3.1随机效应模型估计假设3：不可观测异质性满足（1）独立；（2）与独立，；（3）。**7.3随机效应模型估计7.3.1随机效应模型估计结论1：随机效应模型复合误差项的性质如果面板数据模型的误差项和个体异质性满足假设1-假设3，则满足（1）对任何的和，与不相关；（2）对任何的和有；**7.3随机效应模型估计7.3.1随机效应模型估计上述模型不存在内生性，OLS估计有一致性，但是不满足不相关假设，OLS估计不是最优估计，要获得最优估计，需要作变换（习题7.6证明）上述模型的OLS估计称之为随机效应模型估计（randomeffect）**7.3随机效应模型估计7.3.1随机效应模型估计随机效应与固定效应估计相似，固定效应处随机效应处**7.3随机效应模型估计7.3.1随机效应模型估计估计随机效应，首先要估计，故先要估计和估计和的方法有三种：Swamy-Arora、Wallace-Hussain和Wansbeek-Kapteyn方法，常用第一种方法**7.3随机效应模型估计7.3.2用EViews7.2估计随机效应模型数据导入、数据结构转换以及模型设定与固定效应模型估计一样，不同的是在paneloption的crosssection中选Random，还有和的估计方法**7.3随机效应模型估计7.3.2用EViews7.2估计随机效应模型例子7.1输出结果：**7.3随机效应模型估计7.3.2用EViews7.2估计随机效应模型由于随机效应模型不再消掉不随时间变化的自变量，故这些解释变量都可以在模型中保留下来。例子7.2的EViews回归结果**7.3随机效应模型估计7.3.2用EViews7.2估计随机效应模型例子7.2的EViews回归结果**7.4固定效应还是随机效应？——Hausman检验7.4.1Hausman检验原理7.4.2用EViews7.2进行Hausman检验**7.4固定效应还是随机效应？——Hausman检验7.4.1Hausman检验原理比较随机效应和固定效应下参数估计是否有差别，若差别显著，则认为应采用固定效应（稳健优先）：若不显著，则认为应采用随机效应（效率优先）。Hausman检验构造的统计量只对斜率系数进行比较。**7.4固定效应还是随机效应？——Hausman检验7.4.1Hausman检验原理假设三个斜率参数的固定效应估计和随机效应估计分别为和可以对整体模型进行Hausman检验，如：用、、构造分布也可对单个参数进行Hausman检验，如：**7.4固定效应还是随机效应？——Hausman检验7.4.2用EViews7.2进行Hausman检验首先进行随机效应模型估计，在估计结果界面进行相应的操作，在随机效应估计结果界面点击View→Fixed/RandomEffectsTesting→CorrelatedRandomEffects-HausmanTest，弹出如下检验结果**7.4固定效应还是随机效应？——Hausman检验7.4.2用EViews7.2进行Hausman检验Hausman检验需要对固定效应模型进行检验，因此不能包含不随时间变化的自变量(除了个体异质性)。所以不能对例子7.2进行Hausman检验。**重要概念1.横截面上若干多个时期的观测值形成面板数据。由于来自两个维度，面板数据在增加样本量的同时，也比单纯的横截面数据具有更为复杂的结构。2.板数据模型包含个体不可观测异质性，并根据与模型自变量的关系将模型分为固定效应模型和随机效应模型。3.与自变量相关时，面板数据模型称为固定效应模型。并入误差项会引起自变量的内生性，导致回归系数的OLS估计不是一致估计。要估计固定效应模型，需要将消掉，固定效应估计方法采用将模型变量减去组内均值的方法消掉。**重要概念与自变量不相关时，面板数据模型称为随机效应模型。并入误差项不会引起自变量的内生性，回归系数的OLS估计不一致估计。随机效应估计方法的核心，是利用复合误差项的特殊结构，更加有效地估计回归系数。随机效应估计方法首先对模型变量进行变换，将变量减去权重系数乘以组内均值，然后对变换后变量形成的模型实施OLS估计。随机效应模型估计中，权重系数的计算是关键。权重系数的计算有三种不同方法，EViews操作可以进行选择。**重要概念5.确定采用固定效应模型还是随机效应模型时，需要进行Hausman检验。Hausman检验的想法是将两种模型的参数估计结果进行比较，以确定是否有显著差别，如果有，则认为固定效应模型是合适模型，如果没有则可以采用随机效应模型。**