資源描述：
《面板數(shù)據(jù)回歸(Panel Data)復(fù)習(xí)課程.ppt》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、面板數(shù)據(jù)回歸(PanelData)解決辦法?尋找c的代理變量p–p直接影響因變量y–當(dāng)給定p時，c對y沒有影響–p與隨機擾動項無關(guān)?尋找一個IV–Z與c相關(guān)，但與隨機擾動項無關(guān)PanelData的方法–當(dāng)遺漏變量不隨時間而變化，如國家的初始技術(shù)效率，城市的歷史，或個人的一些特征等–問題的解決得益于對同一個個體的重復(fù)觀測一個簡單的例子yt,xt，t=1,2?c不隨時間而改變，但是隨個體變化而改變?考慮教育回報問題：yt=β0+βxt+c+ut?外生性假設(shè)：E(ut
2、xt,c)=0?E(xt’ut)=0?討論
3、：–如果E(xt’c)=0，則可以進行PooledOLS估計–如果：E(xt’c)≠0，則PooledOLS不一致?解決辦法：一階差分（時間上相減）△y=β△x+△u△c=0不見了?考察古典假設(shè)：–要求E(△x’△u)=0，即△x與△u不相關(guān)E(△x’△u)=E[(x2-x1)'(u2-u1)]=E(x2’u2)-E(x1’u2)-E(x2’u1)+E(x1’u1)=0-E(x1’u2)-E(x2’u1)則E(x1’u2)+E(x2’u1)=0–要求△x’△x滿列秩，則沒有一個△x=0，即每個x在t=1,
4、2中隨時間有變化什么是PanelData?定義–對固定單位、個人、企業(yè)、家庭或其他經(jīng)濟體重復(fù)觀測所形成的數(shù)據(jù)–典型的Panel在時間上進行重復(fù)觀察?跟蹤同樣的個體（如個人、家庭、企業(yè)、城市、國家等）而得到的跨時間數(shù)據(jù)例–單位：i={1,2,?,N}–觀察時點：t={1,2,?,Ti}一般而言，N?Ti是PanelData，Ti?N是多元時間序列數(shù)據(jù)?如果Ti對于每個單位都相同，叫平衡面板（BalancedPanel）?如果Ti對于每個單位不都相同，叫不平衡面板（UnbalancedPanel）–對于非平衡
5、面板數(shù)據(jù)，我們關(guān)心非平衡是否是內(nèi)生的?比如，yit是收入，隨著時間流逝富人更容易退出樣本，因為他們的時間成本比較高，此時數(shù)據(jù)的非平衡就是內(nèi)生引起的?此時，即使最初的模型是線性模型，yit的條件期望是xit的線性函數(shù)，我們需要非線性的樣本選擇方法更多例子?雙胞胎數(shù)據(jù)yij–老大、老二：i={1,2}–不同的家庭：j={1,2,?,J}?教師的教學(xué)評估成績yijt–不同的教師：i={1,2,?,N}–所授的課程：j={1,2,?,Ji}–不同學(xué)年：t={1,2,?,Ti}?都是對固定單位進行重復(fù)觀察面板數(shù)據(jù)的
6、優(yōu)勢?面板數(shù)據(jù)模型提供了更多的數(shù)據(jù)信息，增加了自由度，并減少了解釋變量的共線性，從而得到更為有效的估計量?面板數(shù)據(jù)模型可以分析單純截面數(shù)據(jù)和時間序列數(shù)據(jù)無法分析的重要經(jīng)濟問題?當(dāng)遺漏變量是不隨時間而變化的表示個體異質(zhì)性的一些變量時，面板數(shù)據(jù)可以用來處理某些遺漏變量問題面板數(shù)據(jù)模型?廣義的面板數(shù)據(jù)模型：隨機參數(shù)模型–參數(shù)太多，不可估計–需要對αit，βt，uit進行更多的假設(shè)限定?靜態(tài)面板數(shù)據(jù)模型vs.動態(tài)面板數(shù)據(jù)模型–如果xit不包含滯后因變量，上述模型為靜態(tài)線性面板數(shù)據(jù)模型，否則就是動態(tài)線性面板數(shù)據(jù)模型
7、=αit+xit'βt+uit,i=1,2,...,n,t=1,...,Tiyit?雙向效應(yīng)模型：引入個人和時間dummy?個人效應(yīng)模型?固定效應(yīng)與隨機效應(yīng)模型：ci是否和xit相關(guān)–固定效應(yīng)：E(ci
8、xit)≠0–隨機效應(yīng)：E(ci
9、xit)=0?混合模型（總體均值模型）=αi+δt+xit'β+uityit=ci+xit'β+uityit=αi+xit'β+uityit=α+xit'β+uityit面板數(shù)據(jù)模型的假設(shè)?以未觀測效應(yīng)模型為例ci+uit稱為合成誤差(compositeerror)ci稱
10、為個體效應(yīng)(individualeffect)、個體異質(zhì)性(individualheterogeneity)，或不可觀測的異質(zhì)性–uit是隨時間和個體變化的特異性誤差(idiosyncraticerror)=xit'β+ci+uityit?假設(shè)特異性誤差uit和解釋變量xit是不相關(guān)的–如果個體異質(zhì)性ci和解釋變量xit也不相關(guān)，則可以用混合最小二乘（pooledOLS，POLS）來得到一致估計–所謂的POLS方法，是指對所有跨i和t的觀測值進行OLS回歸，對模型進行POLS回歸–但是個體異質(zhì)性往往和解釋
11、變量相關(guān)，此時用POLS估計得到的估計量是有偏且不一致的，此偏差稱為異質(zhì)性偏差（heterogeneitybias）,這是遺漏（不隨時間變化的）變量引起的偏差嚴格外生性假設(shè)?假設(shè)E(u∣x,ci)=0即E(uit∣xi1,xi2,…,xis,…,xiT,ci)=0等價于E(yit∣xi1,xi2,…,xis,…,xiT,ci)=xitβ+ci可以得到E(xituis)=0?解釋–當(dāng)ci和xit被控制，對任意的s≠t，xis對y
