文档介绍：: .
0 个省份居民人均消费青岛啤酒的数量
时。可以选取居民的收入、当地的啤酒价格、上一年的啤酒消费量等变量作为解释变量。
但同时我们认为民族****惯、1 风俗文化、2广告投放等因素也会显著地影响居民的啤酒消
费量。对于特定的个体而言，前两种因素不会随时间的推移而有明显的变化，通常称为个
体效应。而广告的投放往往通过电视或广播，我们可以认为在特定的年份所有省份所接受
的广告投放量是相同的，通常称为时间效应。这些因素往往因为难以获得数据或不易衡量
而无法进入我们的模型，在截面分析中者往往会引起遗漏变量的问题。而面板数据模型的
主要用途之一就在于处理这些不可观测的个体效应或时间效应。
• 包含的信息量更大，降低了变量间共线性的可能性，增加了自由度和估计的有效性。
• 便于分析动态调整。
1如宁夏属于回族自治区，那里的回民因为信仰伊斯兰教，所以不允许饮酒的，而生活在宁夏的许多汉民也往往
因为自己的回民朋友无法饮酒而无形中减少了啤酒的消费量。
2如中国南部地区啤酒的消费量比较大，而北方很多地区只有在夏天才会饮用较多的啤酒，冬天他们一般是只喝
白酒的。
. 静态面板数据模型 3
静态面板数据模型
我们一般所说的静态面板数据模型，是指解释变量中不包含被解释变量的滞后项（通
常为一阶滞后项）的情形。但严格地讲，随机干扰项服从某种序列相关（如 AR(1), AR(2),
MA(1)等）的模型也不是静态模型。动态模型和静态模型在处理方法上往往有较大的差异。本
节中我们重点介绍两种最为常用的静态模型—固定效应模型和随机效应模型。
考虑如下模型：
0
yit = xit β + uit ()
uit = ai + εit ()
其中， i = 1, 2, · · · , N , t = 1, 2, · · · , T ；xit 为 K ×1 列向量， K 为解释变量的个数， β 为
K × 1 系数列向量。对于特定的个体 i 而言， ai 表示那些不随时间改变的影响因素，而这些因
素在多数情况下都是无法直接观测或难以量化的，如个人的消费****惯、国家的社会制度等，我
们一般称其为“个体效应”(individual effects)。对“个体效应”的处理主要有两种方式：一种是
视其为不随时间改变的固定性因素，相应的模型称为“固定效应”模型；另一种是视其为随机
因素，相应的模型称为“随机效应”模型。
这两种模型的差异主要反映在对“个体效应”的处理上。固定效应模型中的个体差异反映
在每个个体都有一个特定的截距项上；随机效应模型则假设所有的个体具有相同的截距项，个
体的差异主要反应在随机干扰项的设定上，因此该模型通常也称为“误差成分模型”。基于
此，一种常见的观点认为，当我们的样本来自一个较小的母体时，我们应该使用固定效应模
型，而当样本来自一个很大的母体时，应当采用随机效应模型。比如在研究中国地区经济增长
的过程中，我们以全国 28 个省区为研究对象，可以认为这 28 个省区几乎代表了整个母体。同
时也可以假设在样本区间内，各省区的经济结构、人口素质等不可观测的特质性因素是固定不
变的，因此采用固定效应模型是比较合适的。而当我们研究西安市居民的消费行为时，即使样
本数为 10000 人，相对于西安市 600 万人