面板数据的F检验Word格式文档下载.docx
《面板数据的F检验Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《面板数据的F检验Word格式文档下载.docx(21页珍藏版)》请在冰豆网上搜索。
panel02):
1996-2002例1个数据,年的,每一年都有15和表2。
数据是7消费(不变价格)和人均收入数据见表1105组观测值。
共个个体。
人均消费和收入的面板人均消费和收入两个面板数据都是平衡面板数据,各有15。
横截面数据散点图和图53。
从横截面观察分别见图4数据从纵剖面观察分别见图2和图中人均消费和收入观测值顺序是按地区名的汉语拼音和图5的表现与观测值顺序有关。
图4字母顺序排序的。
个省级地区的居民家庭人均消费数据(不变年中国东北、华北、华东15表11999-2002价格)2002
2001
1999
1997
1998
2000
地区人均消费1996
4784.364
4203.5554495.1743646.1503777.4103989.581CP-AH(安徽)3282.466
10473.12
8654.4336807.4517453.7578206.271CP-BJ(北京)5133.9786203.048
6665.005
6094.3365197.0415314.5215522.762CP-FJ(福建)4011.7754853.441
5120.485
4457.4634104.2814361.555CP-HB(河北)3197.3393868.3193896.778
4493.535
4159.0873890.5803289.9902904.6873077.9893596.839CP-HLJ(黑龙江)
4998.874
4077.9614281.5603286.4323477.5603736.408CP-JL(吉林)2833.321
6091.331
5488.8294918.9445076.9105317.8624457.788CP-JS(江苏)3712.260
4544.775
3914.0803531.7753612.722CP-JX(江西)2714.1243136.8733234.465
5402.063
4654.4204360.4203608.0603918.1674046.5823237.275CP-LN(辽宁)
4850.180
3877.3454170.596CP-NMG(内蒙古)2572.3422901.7223127.6333475.942
5635.770
5159.5385011.9764546.8784168.9743930.5743440.684CP-SD(山东)
2/26
10411.94
9336.1008125.8038651.8936634.183CP-SH(上海)6193.3336866.410
4787.561
4131.2733507.0083793.908CP-SX(山西)2813.3363131.6293314.097
7220.843
6904.3685916.6136145.6224293.220(天津)5047.6725498.503CP-TJ8792.210
7968.3276600.7496950.7135342.2346002.0826236.640CP-ZJ(浙江)资料来源:
《中国统计年鉴》1997-2003。
表21999-2002年中国东北、华北、华东15个省级地区的居民家庭人均收入数据(不变价格)
地区人均收入1996
2002
IP-AH(安徽)4106.2514540.2474770.4705178.5285256.7535640.5976093.333
IP-BJ(北京)6569.9017419.9058273.4189127.9929999.70011229.6612692.38
IP-FJ(福建)4884.7316040.9446505.1456922.1097279.3938422.5739235.538
IP-HB(河北)4148.2824790.9865167.3175468.9405678.1955955.0456747.152
IP-HLJ(黑龙江)3518.4973918.3144251.4944747.0454997.8435382.8086143.565
IP-JL(吉林)3549.9354041.0614240.5654571.4394878.2965271.9256291.618
IP-JS(江苏)4744.5475668.8306054.1756624.3166793.4377316.5678243.589
IP-JX(江西)3487.2693991.4904209.3274787.6065088.3155533.6886329.311
IP-LN(辽宁)3899.1944382.2504649.7894968.1645363.1535797.0106597.088
IP-NMG(内蒙古)3189.4143774.8044383.7064780.0905063.2285502.8736038.922
IP-SD(山东)4461.9345049.4075412.5555849.9096477.0166975.5217668.036
IP-SH(上海)7489.4518209.0378773.10010770.0911432.2012883.4613183.88
3/26
6335.732
5401.8544156.9274360.0504546.785IP-SX(山西)3431.5943869.952
9375.060
8852.4707734.9148173.193(天津)IP-TJ5474.9636409.6907146.271
11822.00
10485.648530.3149187.2876446.5157158.2887860.341IP-ZJ(浙江)资料来源:
图215个省级地区的人均消费序列(纵剖面)图315个省级地区的人均收入序列(file:
4panel02)
图415个省级地区的人均消费散点图图515个省级地区的人均收入散点图(7个横截面叠加)
(每条连线表示同一年度15个地区的消费值)(每条连线表示同一年度15个地区的收入值)
用CP表示消费,IP表示收入。
AH,BJ,FJ,HB,HLJ,JL,JS,JX,LN,NMG,SD,SH,SX,
TJ,ZJ分别表示安徽省、北京市、福建省、河北省、黑龙江省、吉林省、江苏省、江西省、辽宁省、内蒙古自治区、山东省、上海市、山西省、天津市、浙江省。
15个地区7年人均消费对收入的面板数据散点图见图6和图7。
图6中每一种符号代表一个省级地区的7个观测点组成的时间序列。
相当于观察15个时间序列。
图7中每一种符号代表一个年度的截面散点图(共7个截面)。
相当于观察7个截面散点图的叠加。
图6用15个时间序列表示的人均消费对收入的面板数据
图7用7个截面表示的人均消费对收入的面板数据(7个截面叠加)
4/26
年消费对收入散点图。
1996-20028给出北京和内蒙古为了观察得更清楚一些,图年2002从图中可以看出,无论是从收入还是从消费看内蒙古的水平都低于北京市。
内蒙古年的20021996和9给出该15个省级地区的收入与消费规模还不如北京市1996年的大。
图15个地区的消费和收入都有了相应的提高。
年之后消费对收入散点图。
可见6
个地区年1591996和20028北京和内蒙古1996-2002年消费对收入时序图图图的消费对收入散点图
2.面板数据的估计。
3种。
即混合估计模型、固定效应模型和随机效应模型。
用面板数据建立的模型通常有混合估计模型。
2.1
不同截面之间也不存在显从截面上看,如果从时间上看,不同个体之间不存在显著性差异;
)估计参数。
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则建立以二变量模型为例,如果从时间和截面看模型截距都不为零,且是一个相同的常数,如下模型,tiNxyabe=1,2,…,
=1,2,…,++;
=ititit1
T
(1)
tiba
(1)和变化。
称模型不随,为混合估计模型。
1年数据建立关于消费的混合估计模型,得结果如下:
20021996151以例中个地区和10
图5/26
New键,选在打开工作文件窗口的基础上,点击主功能菜单中的ObjectsEViwes估计方法:
Pool选择区选择TypeofObjectObject功能,从而打开NewObject(新对象)选择窗。
在个地区15键,从而打开Pool(混合数据)窗口。
在窗口中输入(混合数据库),点击OKSeries键,从而打开ZJ(浙江)。
工具栏中点击Sheet标识AH(安徽)、BJ(北京)、…、(混合或合并数据库)窗PoolOK键,和List(列写序列名)窗口,定义变量CP?
IP?
,点击(混Estimation键,打开Pooled口显示面板数据。
在Pool窗口的工具栏中点击Estimate合估计)窗口如下图。
11
图(系数相同)coefficients在Common(相依变量)选择窗填入CP?
;
在DependentVariable(截面系数不同)选择窗保持空;
Crosssectionspecificcoefficients选择窗填入。
NoweightingWeighting(权数)选择窗点击在Intercept(截距项)选择窗点击Common;
在白;
10。
相应表达式是(混合估计)窗口中的OK键。
得输出结果如图点击PooledEstimationIP=129.6313+0.7587it
2tRSSE=1.99=4824588,=0.98,(2.0)(79.7)r0.05(103)76%。
15个省级地区的人均支出平均占收入的a)的混合估计模=0如果从时间和截面上看模型截距都为零,就可以建立不含截距项的(型。
以二变量模型为例,建立混合估计模型如下,tixeNby=1,2,…,
;
=1,2,…,=+ititit1
T
(2)
tt),所以建立截距项=1.99对于本例,因为上式中的截距项有显著性(=2.0>
0.05(103)为零的混合估计模型是不合适的。
6/26
(截距项)选择InterceptPooledEstimation(混合估计)对话框中EViwes估计方法:
在,其余选项同上。
窗中选None固定效应模型。
2.2
则可模型的截距是不同的,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,fixed以采用在模型中加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()。
effectsregressionmodelentityfixedeffectsregression种类型,即个体固定效应模型(固定效应模型分为3)和时刻个体固定效modeltimefixedeffectsregressionmodel)、时刻固定效应模型()。
下面分别介绍。
应模型(timeandentityfixedeffectsregressionmodel)个体固定效应模型。
(1(个体)如果对于不同的时间序列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。
那么就应该建立个体模型的截距没有显著性变化,截距是不同的,但是对于不同的横截面,固定效应模型,表示如下,tWeWgWgbyxg=1,2,…,
+…+,=+++itNititN21112
T(3)
其中W=
i
tiNtTyxNei=1,2,…,,表示随机误差项。
=1,2,…,,;
,=1,2,…,;
itititT=1,2,…,分别表示被解释变量和解释变量。
)或者表示为模型(3tebygxi=1,2,…,
1,+=+=1(对于第个个体,或时间序列),ttt11111T
7/26
tixeygb=1,2,…,
个个体,或时间序列),=+=2(对于第+2,ttt22122T
…tNNbxeigy…,
1,个个体,或时间序列),,2,==+(对于第+=NtNNtNt1
T
写成矩阵形式,exbxegy)++=+=(1111111…ebegxxy=)++=(1+NNNNNN
kbbkNygex′1上式中为标量。
,当模型中含有,为,个解释变量时,都是′1阶列向量。
iiii阶列向量。
进一步写成矩阵形式,b+
=+
T阶列向量。
′11,0都是上式中的元素5个假定条件:
面板数据模型用OLS方法估计时应满足如下
eaxaxxxexx。
以为条件的,)(1E(,…,|,的期望等于零。
…,,,)=0itiiiiiTiTiiti2121Nyiyxxxy分别来自于同一个联合分)2(),,,…,=1,2,…,),(,,…,(iTiiTiii2121布总体,并相互独立。
ex阶矩。
具有非零的有限值3()(4,)itit)解释变量之间不存在完全共线性。
(4etsaxxee在时间上是非1。
在固定效应模型中随机误差项)=0,,Cov(5()|,ititisiitisx自相关的。
其中代表一个或多个解释变量。
it8/26
NTN–。
–
(1)进行OLS估计,全部参数估计量都是无偏的和一致的。
模型的自由度是1对模型NkkN个被估个解释变量,且+很大,相对较小时,因为模型中含有当模型含有运算很困难。
在计量经济学软件中是采用一种特殊处理方式进行OLS参数,一般软件执行估计。
OLS),然后用变entity-demeaned估计原理是,先用每个变量减其组内均值,把数据中心化(然后利用组内均值等式计,换的数据先估计个体固定效应模型的回归系数(不包括截距项)3步如下。
算截距项。
这种方法计算起来速度快。
具体分entity-demeaned)。
(1)首先把变量中心化(3)为例,则有仍以单解释变量模型(igb=1,2,…,
++,=i1
N(4)
Ni相减得,
(1)、=1,2,…,(4)。
公式其中=,=,=,
exyb)+(-)=(-(ititit1(5)
-)
eyx(,上式写为-)=-)=,(-)=(令,ititit
b=1+
(6)
b)式估计,可以减少被估)、(16,结果是一样的,但是用()式中的6法估计(OLS用1参数个数。
)用(2OLS法估计回归参数(不包括截距项,即固定效应)。
9/26
k法估计OLS用向量形式在表示,则利用中心化数据,按个解释变量条件下,把
公式计算个体固定效应模型中回归参数估计量的方差协方差矩阵估计式如下,)=
(-1('
)
(7)
的残差向量。
,是相对于其中=
g3)计算回归模型截距项,即固定效应参数。
(i=
-
(8)
(file:
panel02)为例得到的个体固定效应模型估计结果如下:
以例1注意:
个体固定效应模型的EViwes输出结果中没有公共截距项。
12
图Fixed选项中选PooledEstimationEViwes的对话框中InterceptEViwes估计方法:
在。
其余选项同上。
effects注意:
EViwes输出结果中没有公共截距项。
)个体固定效应模型的(1值。
不认为截距输出结果中没有给出描述个体效应的截距项相应的标准差和2)EViwest(项是模型中的重要参数。
)当对个体固定效应模型选择加权估计时,输出结果将给出加权估计和非加权估计两种3(统计量评价结果。
10/26
Representations功能获得。
)输出结果的联立方程组形式可以通过点击View选(4Wald检验。
View选WaldCoefficientTests…功能可以对模型的斜率进行(5)点击Residuals/Table,Graphs,CovarianceMatrix,CorrelationMatrixView选(6)点击残残差序列的方差协方差矩阵,功能可以分别得到按个体计算的残差序列表,残差序列图,差序列的相关系数矩阵。
Solve进一步点击Model功能,将会出现估计结果的联立方程形式,7)点击Procs选Make(键,在随后出现的对话框中可以进行动态和静态预测。
输出结果的方程形式是xx+=479.3+0.70=tt1安徽1(55.0)
xx+=1053.2+0.70=tt2北京2
(55.0)…
xx=714.2+0.70=+tt15浙江15
(55.0)
2tSSER=1.98
=0.99,=2270386,r0.05(88)个地区。
从结果看,北京、上海、浙江是消费函数截距(自发消费)最大的3F相对于混合估计模型来说,是否有必要建立个体固定效应模型可以通过检验来完成。
H:
不同个体的模型截距项相同(建立混合估计模型)。
原假设0H备择假设:
不同个体的模型截距项不同(建立个体固定效应模型)。
1F统计量定义为:
11/26
F(9)
==
SSESSE分别表示约束模型(混合估计模型)和非约束模型(个体固定效应模型)的,其中urN个被估参数。
-1残差平方和。
非约束模型比约束模型多了(混合估计模型给出公共截距项。
)kNFNTk统计量的分母自由度是--注意:
当模型中含有个解释变量时,。
SSESSE=2270386用上例计算,已知=4824588,,ur
F====7.15
F=1.81
0.05(14,89)FF因为=1.81=7.15>
,所以,拒绝原假设。
结论是应该建立个体固定效应模型。
0.05(14,89)
2)时刻固定效应模型。
(如果确知对于不同的(时刻点)有不同截距的模型。
时刻固定效应模型就是对于不同的截面截面,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,表示如下,ieaDaybxaD,…,
==1,2+++,+…+itititTT2112
N(10)
其中D=
t
tixNyTNiet=1,2,…,;
=1,2,…,,;
=1,2,…,,表示随机误差项。
itititT10=1,2,…,分别表示被解释变量和解释变量。
模型()也可表示为12/26
iextyab…,
1,个截面),2,===1+,(对于第1+,iii11111N
ietabxay=1,2,…,
,(对于第+2,=(+)+个截面),=2iii212122N
…iTetTyaabx=1,2,…,
=(个截面),+=)++,(对于第,iTiTiTT11N
估计,全部参数估计量都具有无偏性和OLS2)进行如果满足上述模型假定条件,对模型(TTN。
-1–一致性。
模型的自由度是13
图(相DependentVariablePooledEstimation(混合估计)窗口中的EViwes估计方法:
在和虚拟变(系数相同)选择窗填入coefficientsIP?
依变量)选择窗填入CP?
在Common
coefficientssectionspecificD2001,D2002;
在Cross量D1997,D1998,D1999,D2000,
Weighting;
在截距项)选择窗点击Common选择窗保持空白;
(截面系数不同)在Intercept(键。
(混合估计)窗口中的OKEstimation(权数)选择窗点击Noweighting。
点击Pooled
为例得到的时刻固定效应模型估计结果如下:
以例1xx=108.5057+0.7789+=ii111996(74.6)(1.5)
xx=108.5057+28.1273+0.7789+=ii221997(74.6)(1.5)(0.4)
…13/26