面板数据的处理.doc

《面板数据的处理.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、*横截面的异方差与序列的自相关性是运用面板数据模型时可能遇到的最为常见的问题，此时运用OLS可能会产生结果失真。因此为了消除影响，对我国东、中、西部地区的分析将采用不相关回归方法(SeeminglyUnrelatedRegression,SUR)来估计方程。而对于全国范围内的估计来说，由于横截面个数大于时序个数，所以采用截面加权估计法(CrossSectionWeights,CSW)。*一般而言，面板数据可用固定效应(fixedeffect)和随机效应(randomeffect)估计方法,即如果选择固定效应模型,则利用虚拟变量最小二乘法(LSDV)进行估计;如

2、果选择随机效应模型,则利用可行的广义最小二乘法(FGLS)进行估计(Greene,2000)。它可以极大限度地利用面板数据的优点,尽量减少估计误差。至于究竟是采用固定效应还是随机效应,则要看Hausman检验的结果。*单位根检验：在进行时间序列的分析时。研究者为了避免伪回归问题。会通过单位根检验对数据平稳性进行判断。但对于面板数据则较少关注。随着面板数据在经济领域应用,对面板数据单位根的检验也逐渐引起重视。面板数据单位根的检验主要有Levin、Lin和Chu方法(LLC检验)(1992,1993,2002)、Im、Pesaran和Shin方法(IPS检验)(1

3、995,1997)、Maddala和Wu方法(MW检验)(1999)等。*协整检验：协整检验是考察变量间长期均衡关系的方法。在进行了各变量的单位根检验后,如果各变量间都是同阶单整，那么就可以进行协整检验了。面板协整检验理论目前还不成熟,仍然在不断的发展过程中,目前的方法主要有:(1)Kao(1999)、KaoandChiang(2000)利用推广的DF和ADF检验提出了检验面板协整的方法,这种方法零假设是没有协整关系,并且利用静态面板回归的残差来构建统计量。(2)Pedron(i1999)在零假设是在动态多元面板回归中没有协整关系的条件下给出了七种基于残差的面

4、板协整检验方法。和Kao的方法不同的是,Pedroni的检验方法允许异质面板的存在。(3)Larssoneta(l2001)发展了基于Johansen(1995)向量自回归的似然检验的面板协整检验方法。这种检验的方法是检验变量存在共同的协整的秩。*一般的顺序是：先检验变量的平稳性（单位根检验），当变量均为同阶单整变量时，再采用协整检验以判别变量间是否存在长期均衡关系。如果变量间存在长期均衡的关系，我们可以通过误差修正模型(ECM)来检验变量间的长期因果关系；如变量间不存在协整关，我们将对变量进行差分，然后通过向量自回归模型(VAR)，检验变量间的短期因果关系。

5、  ↗同阶单整→协整检验→协整？（YES：EG两步法for长期因果关系；NO：误差修正模型ECM/VECfor短期因果关系）平稳？（单位根检验）                ↘非同阶单整→差分使平稳→VAR→Granger因果检验for短期因果关系混合               固定（main：个体固定）     随机（main：个体随机） ▏▁▁▁▁▁▁▁▁▁▁▁▁ ▏▁▁▁▁▁▁▁▁▁▁▁▁▁▏             ▏先回归估计               ▏先回归估计            ↓Cross-section:fixed      ↓C

6、ross-section:random           F检验                     Hausman检验             ▏                         ▏     H0:混合 H1:个体固定   HO:个体随机 H1:个体固定--Output：     ▏                         ▏If:                                  If:F=(Cross-sectionFStat.)>Fa(df1,df2)H=(Cross-sectionRandomStat.)

7、>χ2a(df1)orProb.

8、able里填因变量，CommonCoe