时序横截面模型.ppt

《时序横截面模型.ppt》由会员分享，可在线阅读，更多相关《时序横截面模型.ppt（41页珍藏版）》请在三一办公上搜索。

1、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

2、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

3、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

4、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

5、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

6、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,