第16章 面板数据回归分析 计量经济学课件.ppt

文档介绍：第十六章
面板数据回归模型
1
面板数据回归模型:是研究经历一段时间的相同的横截面单元(个体)的模型。
面板数据具有空间和时间两种特性。也称为:
pooled data(混合数据)
combination of time series and cross-section data
micropanel data
lingitudinal data(纵列数据)
event history analysis
cohort analysis(群队分析)等等。
2
为什么使用面板数据?
面板数据的优势:
1、可以研究个体差异性;
2、变量之间增加了多边性,减少了共线性,并且提高了自由度和有效性;
3、适于动态研究;
3
4
4、具有独特的优势(与单独使用时间序列数据,或单独使用横截面数据相比);
5、可以研究复杂的行为,如规模变化,技术变动等;
6、减少偏差。当我们把不同类型的数据(如不同省份或不同年代的数据)混合在一起时,就会产生偏差(bias)。
一个例子 P638
4个公司的20年的数据
原则上可以进行4个时间序列回归,或20个横截面回归。
如果80个观测值可以混合,则可以写出the Grunfield investment function :
5
6
面板数据模型的估计:固定效应方法
对()式的估计取决于我们对截距、斜率和误差项的假定。有以下几种可能:
(个体)变化,误差项在时间和个体上存在差异。
7
8
。
。
(包括截距和斜率)均随个体而变化。
。
9

可以将80个观测值混合,用OLS法估计参数,见P641()式。
:
固定效应或最小二乘虚拟变量(LSDV)回归模型。
10