文档介绍：该【STATA与面板数据回归1 】是由【放射辐射】上传分享，文档一共【38】页，该文档可以免费在线阅读，需要了解更多关于【STATA与面板数据回归1 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。STATA与面板数据回归1
【教师试讲】【课堂演讲】【教学课件】【说课比赛】
面板数据模型的误差项由两部分组成:
一部分是与个体观察单位有关的,它概括了所有影响被解释变量,但不随时间变化的因素,因此,面板数据模型也常常被成为非观测效应模型;
另外一部分概括了随截面随时间而变化的不可观测因素,通常被成为特异性误差或特异扰动项
GDP
X(Invest、edu)
北京
江苏省
山西省
基础设施更加完善,受教育程度较好、经济结构以服务业为主、法制更健全
面板模型选择:固定效应还是随机效应
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
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
FE(FixedEffects)Model
RE(RandomEffects)Model
其中,是截距中的随机变量部分,代表个体的随机影响
(Replacewithdummyvariables)
固定效应模型
1、例如,在研究财政支出与经济增长的关系,运用全国的时间序列数据来检验财政支出与经济增长的关系可能存在设定误差并且受统计资料的制约,仅用时间序列资料不能够满足大样本的要求
同时,由于我国不同地区的体制变革和财政政策的不断调整,造成各个地区财政支出结构随时间而不断变化
面板数据(PanelData)从某种程度上克服了这一困难。考虑到中国各省份财政支出结构与经济增长的关系存在明显的地区差异,从时间序列的角度,考虑各省差异的动态性,是面板数据模型的优势
例如,在研究中国地区经济增长的过程中,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总体
同时假设在样本区间内,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
2、而当我们研究某个县市居民的消费行为时,由于样本数相对于江苏省几千万人口是个很小的样本,此时,可以认为个体居民在个人能力、消费****惯等方面的差异是随机的,采用随机效应模型较为合适
随机效应模型:
RE认为个体的差异是随机的,其中
非观测的个体差异效应与随机扰动项一样都是随机变量
随机效应模型
总结:如果把非观测效应看做是各个截面或个体特有的可估计参数,并且不随时间而变化,则模型为固定效应模型;
如果把非观测效应看作随机变量,并且符合一个特定的分布,则模型为随机效应模型
3、在实证分析中,一般通过hausman检验判断:由于随机效应模型把个体效应设定为干扰项的一部分,所以就要求解释变量与个体效应不相关,而固定效应模型并不需要这个假设条件
因此,我们可以通过检验该假设条件是否满足,如果满足,那么就应该采用随机效应模型,反之,就需要采用固定效应模型