面板数据、格兰杰因果关系、向量自回归和向量误差修正模型 (2011-06-13 11:43:22)
标签: 分类: 工作篇
校园
面板数据的计量方法
1.什么是面板数据,
面板数据,panel data,也称时间序列截面数据,time series and cross section data,或混合数据,pool data,。面板数据是截面数据与时间序列综合起来的一种数据资源～是同时在时间和截面空间上取得的二维数据。 如:城市名:北京、上海、重庆、天津的GDP分别为10、11、9、8,单位亿元,。这就是截面数
据～在一个时间点处切开～看各个城市的不同就是截面数据。 如:2000、2001、2002、2003、2004各年的北京市GDP分别为8、9、10、11、12,单位亿元,。这就是时间序列～选一个城市～看各个样本时间点的不同就是时间序列。 如:2000、2001、2002、2003、2004各年中国所有直辖市的GDP分别为: 北京市分别为8、9、10、11、12,
上海市分别为9、10、11、12、13,
天津市分别为5、6、7、8、9,
重庆市分别为7、8、9、10、11,单位亿元,。
这就是面板数据。
2.面板数据的计量方法
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。例如1990-2000 年30 个省份的农业总产值数据。固定在 某一年份上～它是由30 个农业总产值数字组成的截面数据,固定在某一省份上～它是由11 年农业总产值数据组成的一个时间序列。面板数据由30 个个体组成。共有330 个观测值。
面板数据模型的选择通常有三种形式:混合估计模型、固定效应模型和随机效应模型。这三类模型的差异主要表现在系数、截距以及随机误差的假设不同。 第一种是混合估计模型,Pooled Regression Model,。如果从时间上看～不同个体之间不存在显著性差异,从截面上看～不同截面之间也不存在显著性差异～那么就可以直接把面板数据混合在一起用普通最小二乘法,OLS,估计参数。此时～对所有横截面数据而言～截距应是相同的。
第二种是固定效应模型,Fixed Effects Regression Model,。在面板数据散点图中～如果对于不同的截面或不同的时间序列～模型的截距是不同的～则可以采用在模型中加
制裁虚拟变量的方法估计回归参数～称此种模型为固定效应模型,fixed effects regression
model,。此时～相对于混合效应模型而言～个体间存在差异可以体现在截距的差异也可以体现为系数的差异。
固定效应模型分为3种类型～即个体固定效应模型,entity fixed effects regression
model,、时刻固定效应模型,time fixed effects regression model,和时刻个体固定效应模型,time and entity fixed effects regression model,。 ,1,个体固定效应模型。
个体固定效应模型就是对于不同的个体有不同截距的模型。如果对于不同的时间序列,个体,截距是不同的～但是对于不同的横截面～模型的截距没有显著性变化～那么就应该建立个体固定效应模型。注意:个体固定效应模型的EViwes输出结果中没有公共截距项。
,2,时刻固定效应模型。
时刻固定效应模型就是对于不同的截面,时刻点,有不同截距的模型。如果确知对于不同的截面～模型的截距显著不同～但是对于不同的时间序列,个体,截距是相同的～那么应该建立时刻固定效应模型～
相对于混合估计模型来说～是否有必要建立时刻固定效应模型可以通过F检验来完成。 H0:对于不同横截面模型截距项相同,建立混合估计模型,。 H1:对于不同横截面模型的截距项不同,建立时刻固定效应模型,。
人体之最,3,时刻个体固定效应模型。
时刻个体固定效应模型就是对于不同的截面,时刻点,、不同的时间序列,个体,都有不同截距的模型。如果确知对于不同的截面、不同的时间序列,个体,模型的截距都显著地不相同～那么应该建立时刻个体效应模型。
相对于混合估计模型来说～是否有必要建立时刻个体固定效应模型可以通过F检验来完成。
H0:对于不同横截面～不同序列～模型截距项都相同,建立混合估计模型,。 H1:不同横截面～不同序列～模型截距项各不相同,建立时刻个体固定效应模型,。 第三种是随机效应模型。
在固定效应模型中采用虚拟变量的原因是解释被解释变量的信息不够完整。也可以通过对误差项的分解来描述这种信息的缺失。
青岛大拇指广场yit = a + b1 xit + eit 其中误差项在时间上和截面上都是相关的～用3个分量表示如下。
eit = ui + vt + wit 其中ui ~N(0, su2)表示截面随机误差分量,vt ~N(0, sv2)表示时间随机误差分量,wit ~N(0, sw2)表示混和随机误差分量。同时还假定ui～vt～wit之间互不相关～各自分
别不存在截面自相关、时间自相关和混和自相关。上述模型称为随机效应模型。与固定效应模型不同～随机效应模型中。随机误差项和截距项都是随机变量。
随机效应模型和固定效应模型比较～相当于把固定效应模型中的截距项看成两个随机变量。一个是截面随机误差项,ui,～一个是时间随机误差项,vt,。如果这两个随机误差项都服从正态分布～对模型估计时就能够节省自由度～因为此条件下只需要估计两个随机误差项的均值和方差。
假定固定效应模型中的截距项包括了截面随机误差项和时间随机误差项的平均效应～而
且对均值的离差分别是ui和vt～固定效应模型就变成了随机效应模型。 注意:随机效应模型EViwes输出结果中含有公共截距项。
一般常用的具体检验方法是:通过构造F统计量判断是否所有固定影响为零～对固定效应模型和混合模型进行筛选;通过ols估计的残差构造LM统计量～即BP拉格朗日乘数检验进行随即模型和混合模型检验以及通过hausman检验进行固定效应模型和随机模型的筛选。
由于面板数据带有时间序列和横截面数据的双重性。而在处理时间序列模型时～必须首先氯化铝
对时间序列进行单位根检验～否则很可能出现“伪回归”～因此必须对其进行平稳性检验。Eviews软件对面板数据的单位根检验包括五种～即LLC检验、IPS检验、Fish-ADF, Fish-PP检验和Hadri检验。其中Hadri检验的原假设为面板数据不存在单位根～而其它四种检验的原假设为含有单位根。
,详细的应用例子可参见:蔡莉～《我国货币政策有效性的区域差异分析:2003-2009》～复旦大学2009届硕士论文～第36-39页。,
随机效应模型和固定效应模型哪一个更好些,实际是各有优缺点。随机效应模型的好处是节省自由度。对于从时间序列和截面两方面上看都存在较大变化的数据～随机效应模型能明确地描述出误差来源的特征。固定效应模型的好处是很容易分析任意截面数据所对应的因变量与全部截面数据对应的因变量均值的差异程度。此外～固定效应模型不要求误差项中的个体效应分量与模型中的解释变量不相关。当然～这一假定不成立时～可能会引起模型参数估计的不一致性。
用EViwes可以估计固定效应模型,包括个体固定效应模型、时刻固定效应模型和时刻个体固定效应模型3种,、随机效应模型、带有AR(1)参数的模型、截面不同回归系数也不同的面板
数据模型。
用EViwes可以选择普通最小二乘法、加权最小二乘法,以截面模型的方差为权,、似不相关回归法估计模型参数。
时间序列的平稳、非平稳、协整、格兰杰因果关系
步骤:先做单位根检验～看变量序列是否平稳序列～若平稳～可构造回归模型等经典计量经济学模型,若非平稳～进行差分～当进行到第i次差分时序列平稳～则服从i阶单整,注意趋势、截距不同情况选择～根据P值和原假设判定,。若所有检验序列均服从同阶单整～可构造VAR模型～做协整检验,注意滞后期的选择,～判断模型内部变量间是否存在协整关系～即是否存在长期均衡关系。如果有～则可以构造VEC模型或者进行Granger因果检验～检验变量之间“谁引起谁变化”～即因果关系。 石墨冷铁>超时空幻境
1.单位根检验是序列的平稳性检验～如果不检验序列的平稳性直接OLS容易导致伪回归。常用的ADF检验包括三个模型方程。在李子奈的《高级计量经济学》上有该方法的全部步骤～即从含趋势项、截距项的方程开始～若接受原假设～则对模型中的趋势项参数进行t检
验～若接受则进行对只含截距项的方程进行检验～若接受～则对一阶滞后项的系数参数进行t检验～若接受～则进行差分后再ADF检验,若拒绝～则序列为平稳序列。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议