几类面板数据模型设定检验方法比较分析.ppt

几类面板数据模型设定检验方法的比较分析引言研究的历史和背景
早在1968年，为了研究美国的贫困特征及其原因，密西根大学社会科学研究所建立了研究收入动态行为的面板数据PSID(PanelStudyofIncomeDynamics)，俄亥俄州立大学人力资源研究中心开发了国家劳动力市场长期调查面板数据NLS(NationalLongitudinalSurveysofLaborMarketExperience)。之后美国又相继建立了面板数据LRHS(LongitudinalRetirementHistoryStudy)、CPS(CurrentPopulationSurvey)和HRS(HealthRetirementStudy)。1989年德国建立了德国社会经济面板数据集GSOEP(GermanSocio-EconomicPanel)，1993年加拿大建立加拿大劳动力收入动态调成面板数据CSLID(CanadianSurveyofLaborIncomeDynamics)，2002年，欧共体统计办公室建立了欧共体家庭面板数据ECHP(EuropeanCommunityHouseholdPanel)。Borus(1982)、Wanger(1993)和Peracchi(2002)等等西方经济学家应用这些微观面板数据对微观经济学、发展经济学和劳动经济学等众多经济学的热点问题进行了广泛研究。近年来，应用宏观面板数据研究宏观经济问题的文献也层出不穷。例如，在国际金融学领域，Chinn与Johnston(1996)和MacDonald与Nagayasu(2000)等使用一些国家宏观面板数据检验购买力平价理论(PPP)，研究实际汇率决定问题；在世界经济学领域，Michael与Ralf(2003)和Jansen(2000)等应用宏观面板数据研究国际资本流动问题、东欧转型经济国家的出口变化和经济增长问题以及欧美国家的失业问题；在发展经济学中，Strauss(2000)、Nerlove(2002)与Migue(2002)分别应用面板数据的计量经济学方法研究经济系统经济增长的决定因素和经济增长收敛理论等等。
几类典型的面板数据模型
静态面板数据回归模型
混合回归模型
固定效应模型
随机效应模型
动态面板数据回归模型

混合回归模型
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明显差异，那么可以把所有的数据混合到一起，得到如下模型

固定效应模型
如果对于不同的截面或不同的时间序列，只是模型的截距项是不同的，而模型的斜率系数相同，则称之为固定效应模型。固定效应模型又分为以下三类，即个体固定效应模型，时间固定效应模型和时间个体固定效应模型。

随机效应模型
如果模型

中丢失了一些随个体和时间变化的不可观测的随机性因素时，可以对误差项进行分解来描述这种信息的缺失，将分解为3个分量

其中,和分别表示个体随机误差分量，时间随机误差分量和混合随机误差分量。同时，这3个分量互不相关，也不存在截面自相关、时间自相关和混合自相关。

实证分析
本文采用的分析软件是Eviews这是使用混合回归模型时的截图由图中结果，混合回归模型的估计模型是

因此，15个省的人均支出占收入的76%
以15个省的时间序列数据分别进行OLS估计，计算15个一元线性回归模型的残差平方和之和

混合回归模型的残差平方和

因为

所以，建立的混合估计模型是不合适的。

结论

从上述的模型应用实例看出，对于同一组面板数据，即可以建立固定效应模型，也可以建立随机效应模型。对于选取固定效应还是选取随机效应的争论从未停止。仅从上面的实例中发现，两类模型是各有优缺点。随机效应模型的好处是节省自由度。对于从时间和截面两方面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，在实际应用时，是选择固定效应模型还是选择随机效应模型？一般经验的做法是，如果研究者预期建立面板数据模型推断样本空间的经济关系，则模型设定为固定效应模型会更合理一些。否则，如果研究样本是从总体随机抽样得到的，并且，预期利用模型解释或推断总体的统计性质，则将模型设定为随机效应模型比较合理。
感谢谢谢！