【中级计量经济学】Lecture 9 面板数据模型 |
您所在的位置:网站首页 › 歌词咩咩咩的歌是什么歌 › 【中级计量经济学】Lecture 9 面板数据模型 |
文章目录
Lecture 9 面板数据模型
9.1 经济数据结构的分类
9.2 三大面板数据模型
固定效应模型(The Fixed Effect Model)
假设
固定效应模型估计方法
一阶差分法估计(FD)
固定效应组内变换法(FE)
最小二乘虚拟变量法(LSDV)
三种方法比较
随机效应模型(The Random Effect Model)
假设
随机效应模型估计方法
广义最小二乘估计法(GLS)
混合回归模型(Pooled Regression Model)
假设
9.3 模型的选择
固定效应模型(FE)or混合回归模型(PLS)——F检验(个体效应的显著性检验)
随机效应模型(RE)or固定效应模型(FE)——Hausman检验(个体效应是否与解释变量相关的检验)
混合回归模型(PLS)or随机效应模型(RE)——LM个体效应检验
双重差分(DID)模型
模型形式一(不含固定效应)
模型形式二(含固定效应)
Lecture 9 面板数据模型
9.1 经济数据结构的分类
截面数据(Cross-sectional data) 时间序列数据(Time-series data) 混合截面数据(Pooled cross sections) 不同时期的组间样本个体不同面板数据(Panel data) 不同时期的组间样本个体相同(对相同样本个体跟踪调查) 面板数据优点: 可以解决样本容量不足的问题,改进模型估计的有效性; 有助于更好地分析经济变量之间的关系; 可以估计某些难以度量的因素对解释变量的影响。 9.2 三大面板数据模型One-way(单向效应):只考虑个体效应(individual effect),不考虑时间效应(time effect)。 y i t = β 0 + β 1 x 1 i t + β 2 x 2 i t + ⋯ + β k x k i t + ϵ i t ϵ i t = λ i + u i t y_{it}=\beta_0+\beta_1x_{1it}+\beta_2x_{2it}+\dots+\beta_kx_{kit}+\epsilon_{it}\\ \epsilon_{it}=\lambda_i+u_{it} yit=β0+β1x1it+β2x2it+⋯+βkxkit+ϵitϵit=λi+uit λ i \lambda_i λi是不可观测的个体效应。 固定效应模型和随机效应模型都是非观测效应模型(unobserved effects model)。 固定效应模型(The Fixed Effect Model) 假设 λ i \lambda_i λi对个体 i i i来说是常数,不随时间变化,但随不同的个体变化 λ i \lambda_i λi与某个解释变量有关,即允许 C o v ( λ i , x k i t ) ≠ 0 Cov(\lambda_i,x_{kit})\neq0 Cov(λi,xkit)=0结果:每一个横截面的不同个体具有固定的不同的截距项(因为 λ \lambda λ与解释变量相关,每个个体的解释变量观察值不同,所以不同个体的 λ \lambda λ不同) 固定效应模型估计方法 一阶差分法估计(FD) 固定效应组内变换法(FE)y i t = β 0 + β 1 x 1 i t + β 2 x 2 i t + ⋯ + β k x k i t + λ i + u i t y_{it}=\beta_0+\beta_1x_{1it}+\beta_2x_{2it}+\dots+\beta_kx_{kit}+\lambda_i+u_{it} yit=β0+β1x1it+β2x2it+⋯+βkxkit+λi+uit 给定一个个体 i i i,将上式两边对时间取平均: y ‾ i t = β 0 + β 1 x ‾ 1 i + β 2 x ‾ 2 i + ⋯ + β k x ‾ k i + λ i + u ‾ i \overline y_{it}=\beta_0+\beta_1\overline x_{1i}+\beta_2\overline x_{2i}+\dots+\beta_k\overline x_{ki}+\lambda_i+\overline u_i yit=β0+β1x |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |