Lecture 8 Dynamic and Nonlinear Panels 高级计量经济学及Stata应用课件.pptx

1、高级计量经济学及Stata应用 第八讲 动态面板与非线性面板,陈强山东大学经济学院,2021-08-12,2,陈强计量及Stata应用(c)2013,2021-08-12,2,陈强计量及Stata应用(c)2014,动态面板,有些经济理论认为，由于惯性或部分调整，个体的当前行为取决于过去行为，比如资 本存量的调整。如果在面板模型中，解释变量包含了被解 释变量的滞后值，则称之为“动态面板数 据”(Dynamic Panel Data，简记DPD)。,对于动态面板，即使FE也不一致,例：其离差形式为：,其中，,，,由于中包含的信息，而后者与 相关，故FE不一致，称为“动态面板偏差”(dynamic

2、 panel bias)。,2021-08-12,3,陈强计量及Stata应用(c)2014,一般的动态面板模型,先作一阶差分以消去个体效应：但依然与相关，因此，为内生变量，需要寻找适当的工具变 量才能得到一致估计。,2021-08-12,4,陈强计量及Stata应用(c)2014,2021-08-12,5,陈强计量及Stata应用(c)2014,Anderson-Hsiao估计量,Anderson and Hsiao(1981)提出使用 的工具变量，然后进行2SLS估计。,作为,显然，二者相关，满足相关性。如果不存在自相关(对此假设须进行检验)，则与不相关，满足外生性。,差分GMM,根据同样

3、的逻辑，更高阶的滞后变量也是有效工具变量，而Anderson-Hsiao估计量未 加以利用，故不是最有效率的。Arellano and Bond(1991)使用所有可能的滞后变 量作为工具变量(显然工具变量个数多于内生变量 个数)，进行GMM估计。这就是“差分GMM”(Difference GMM)(因为是 对差分后的方程进行GMM估计)。,2021-08-12,6,陈强计量及Stata应用(c)2014,2021-08-12,7,陈强计量及Stata应用(c)2014,差分GMM的缺点,如果T很大，则会有很多工具变量，容易出 现弱工具变量(weak instruments)问题(通常 滞后越

4、多期则相关性越弱)，产生偏差。解决方法是在使用Stata命令xtabond时，限制最多使用q阶滞后变量作为工具变量，但文献中对于如何选择工具变量个数并无 明确指南。,差分GMM的缺点(续),如果仅为前定变量而非严格外生，则经过差分 后，,就可能与,导致内生性。可使用,相关，作为IV。,不随时间变化的变量被消掉了，故差分GMM无 法估计的系数。,2021-08-12,8,陈强计量及Stata应用(c)2014,水平GMM,Arellano and Bover(1995)重新回到了差分之前的 水平方程(level equation)，并使用作为的工具变量。,显然，二者是相关的。且如果,无自相关，则

5、；但,须假设与个体效应不相关，才能保证这些工具变量与水平方程的复合扰动项不相关。此假设意味着经济离稳态均衡不远。,2021-08-12,9,陈强计量及Stata应用(c)2014,系统GMM,Blundell and Bond(1998)把差分GMM与水平 GMM结合在一起，将差分方程与水平方程作为一 个方程系统进行GMM估计，称为“系统 GMM”(System GMM)。系统GMM的优点是可提高估计效率，且可估计不 随时间变化的变量的系数(系统GMM包含对水平 方程的估计)。但必须额外地假定与无关；否则，不能使用系统GMM。在水平方程中，如果也包括内生变量，则同样 可用其滞后值作为工具变量。

6、,2021-08-12,10,陈强计量及Stata应用(c)2014,2021-08-12,11,陈强计量及Stata应用(c)2014,差分GMM的Stata命令,xtabond depvar indepvars,lags(p)maxldep(q)twostep vce(robust)pre(varlist)endogenous(varlist)inst(varlist)“depvar”为被解释变量，“indepvars”为解释变量。“lags(p)”表示使用被解释变量的p阶滞后值作为解释变量，默认p=1；“maxldep(q)”表示最多使用q阶被解释变量的 滞后值作为工具变量，默认使用所有

7、可能的滞后值。选择 项“twostep”表示使用GMM，默认2SLS；“pre(varlist)”，“endogenous(varlist)”，“inst(varlist)”分别指定前定变 量、内生变量与额外的工具变量。“vce(robust)”表示使用稳健标准误，允许存在异方差，且针对两步GMM估计进行调整，Stata称为“WC-Robust Standard Error”(Windmeijer,2005；WC表示“Windmeijer bias-corrected”),2021-08-12,12,陈强计量及Stata应用(c)2014,实例：美国工人的工资决定,以数据集mus08pside

8、xtract.dta为例。该面板数据 集包含595名美国工人1976-1982年有关工资的以 下变量(n=595，T=7的短面板)：lwage(工资对数)，ed(教育年限)，exp(工龄)，exp2(工龄平方)，wks(weeks worked，工作周数)，occ(是否蓝领工人)，ind(是否在制造业工作)，ms(婚否)，south(是否在美国南方)，smsa(是否 住大城市)，union(是否由工会合同确定工资)，fem(是否女性)，blk(是否黑人)。,待估计模型,以差分GMM估计以下动态面板模型：,其中，occ,south,smsa,ind为外生解释变量，wks及其一阶滞后为前定解释变量

9、，而ms,union 为内生解释变量。,2021-08-12,13,陈强计量及Stata应用(c)2014,2021-08-12,14,陈强计量及Stata应用(c)2014,差分GMM估计,use mus08psidextract.dta,clearxtabond lwage occ south smsa ind,lags(2)maxldep(3)pre(wks,lag(1,2)endogenous(ms,lag(0,2)endogenous(union,lag(0,2)twostep vce(robust)选择项“lags(2)”表示解释变量中包含被解释变量的一阶与二阶滞后；“maxlde

10、p(3)”表示最多使用被解释变量的三个滞后值作为工具变量；选择项“pre(wks,lag(1,2)”表示变量wks及其一阶滞后L.wks为前定解 释变量，而使用其两个更高阶滞后值(即二阶与三阶)为工具变量；选择项“endogenous(ms,lag(0,2)”指定变量ms为内生解释变量(其中 的“0”表示内生解释变量不包含ms的任何滞后)，而最多使用其两个更 高阶滞后值(即二阶与三阶)为工具变量。,2021-08-12,15,陈强计量及Stata应用(c)2014,扰动项的自相关检验,差分GMM成立的前提是，扰动项不存在自 相关。即使原假设“扰动项无自相关”成立，“扰动项的一阶差分”(firs

11、t-differenced errors)仍 将存在一阶自相关，因为但扰动项的差分将不存在二阶或更高阶的自相关。为此，可以通过检验扰动项的差分是否存在一阶 与二阶自相关，来检验原假设。,2021-08-12,16,陈强计量及Stata应用(c)2014,扰动项的自相关检验（续）,estat abond,结果显示，扰动项的差分存在一阶自相关，但不 存在二阶自相关，故接受原假设。,2021-08-12,17,陈强计量及Stata应用(c)2014,过度识别检验,此差分GMM使用了40个工具变量，须进行过度识别检验。重新运行“xtabond”命令，但略去选择项“vce(robust)”。quietl

12、y xtabond lwage occ south smsa ind,lags(2)maxldep(3)pre(wks,lag(1,2)endogenous(ms,lag(0,2)endogenous(union,lag(0,2)twostepestat sargan,2021-08-12,18,陈强计量及Stata应用(c)2014,2021-08-12,19,陈强计量及Stata应用(c)2014,系统GMM估计,xtdpdsys lwage occ south smsa ind,lags(2)maxldep(3)pre(wks,lag(1,2)endogenous(ms,lag(0,2)

13、endogenous(union,lag(0,2)twostep vce(robust)结果参见下页。系统GMM的系数估计值与差分 GMM很接近，但前者的标准误比后者更小。也许 因为使用了更多的工具变量(共60个)，系统GMM 估计得更准确些。,2021-08-12,20,陈强计量及Stata应用(c)2014,系统GMM的扰动项自相关检验,estat abond,可在5%的显著性水平上拒绝“扰动项差分的二阶 自相关系数为0的假设”，故可拒绝“扰动项无自 相关”的原假设。我们怀疑系统GMM是否适用。,2021-08-12,21,陈强计量及Stata应用(c)2014,系统GMM的过度识别检验,

14、quietly xtdpdsys lwage occ south smsa ind,lags(2)maxldep(3)pre(wks,lag(1,2)endogenous(ms,lag(0,2)endogenous(union,lag(0,2)twostepestat sargan,强烈拒绝原假设,2021-08-12,22,陈强计量及Stata应用(c)2014,2021-08-12,23,陈强计量及Stata应用(c)2014,改进的系统GMM估计,对于此数据集，虽然系统GMM可能更有效率，但成立前 提不满足；也可能模型设定不当。为解决自相关，在解释变量中引入被解释变量的三阶滞后；为改善工

15、具变量有效性，对于内生解释变量ms,union仅 使用一个更高阶滞后值(即二阶滞后)为工具变量，但最多 使用被解释变量的五个滞后值作为工具变量，重新进行系 统GMM估计与检验：xtdpdsys lwage occ south smsa ind,lags(3)maxldep(5)pre(wks,lag(1,2)endogenous(ms,lag(0,1)endogenous(union,lag(0,1)twostep vce(robust),2021-08-12,24,陈强计量及Stata应用(c)2014,扰动项自相关检验,estat abond,可接受扰动项无自相关的原假设。,2021-08

16、-12,25,陈强计量及Stata应用(c)2014,过度识别检验,quietly xtdpdsys lwage occ south smsa ind,lags(3)maxldep(5)pre(wks,lag(1,2)endogenous(ms,lag(0,1)endogenous(union,lag(0,1)twostepestat sargan,可在5%水平上接受“所有工具变量都有效”的原假设。,2021-08-12,26,陈强计量及Stata应用(c)2014,2021-08-12,27,陈强计量及Stata应用(c)2014,非线性面板,对于面板数据，如果被解释变量为虚拟变量、计 数变量、受限变量等，则为非线性面板。非线性面板一般不适用线性面板的方法。主要包括：面板二值选择模型、面板计数模型、面板Tobit,2021-08-12,28,陈强计量及Stata应用(c)2014,面板二值选择模型,对于面板数据，如果被解释变量为虚拟变 量，则称为“面板二值选择模型”(binary choice model for panel data)。对于二值选择行为，通常通过一个“潜变 量”(l