变系数和动态Panel模型.ppt

变系数和动态Panel模型.ppt

ID:56529347

大小:184.00 KB

页数:29页

时间:2020-06-27

变系数和动态Panel模型.ppt_第1页
变系数和动态Panel模型.ppt_第2页
变系数和动态Panel模型.ppt_第3页
变系数和动态Panel模型.ppt_第4页
变系数和动态Panel模型.ppt_第5页
资源描述:

《变系数和动态Panel模型.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、§5.2PanelData计量经济学模型(二)—变系数模型和动态模型一、变系数模型二、动态模型三、关于PanelData模型的总结一、变系数模型要点变系数模型的表达式固定影响模型——随机干扰项在不同横截面个体之间不相关——OLS估计固定影响模型——随机干扰项在不同横截面个体之间相关——GLS估计随机影响模型的复合误差项随机影响模型的GLS估计实际经济分析中的变系数问题线性模型中,系数表示边际倾向(对于直接线性模型)或者弹性(对于对数线性模型),而它们相对于不同的截面个体经常是不同的。例如:不同地区收入的边际消费倾向不同。不同地区FDI的边际效益不同。不同家庭的边际储蓄倾向不同。而

2、它们在各自的时间序列中一般是相同的。提出了变系数PanelData模型问题。模型表达1.固定影响模型将βi视为固定的不同的常数时,可写成:将截距项也看作一个虚变量显然,如果随机干扰项在不同横截面个体之间不相关,上述模型的参数估计极为简单,即以每个截面个体的时间序列数据为样本,采用经典单方程模型的估计方法分别估计其参数。即使采用GLS估计同时得到的GLS估计量,也是与在每个横截面个体上的经典单方程估计一样。条件:如果随机项在不同横截面个体之间的协方差不为零,GLS估计比每个横截面个体上的经典单方程估计更有效。为什么?各种文献中提出各种V矩阵的方法,形成了各种FGLS估计2.随机影响

3、模型原模型写成:后两项组成复合随机项问题变成具有复杂随机项结构的不变系数模型β的最佳线性无偏估计是GLS估计:复合随机项的协方差矩阵的第i个对角分块说明GLS估计是每一个横截面个体上最小二乘估计的矩阵加权平均。权与它们的协方差成比例。一种FGLS二、动态模型要点动态模型的“动态”的含义及表达不包含外生解释变量情况下的动态模型的IV估计包含外生解释变量情况下的动态模型的IV估计随机影响动态模型的一般表述随机影响动态模型的IV估计动态PanelData模型动态模型,即指包含滞后被解释变量作为解释变量的模型。当采用平行数据作为样本观测值时,变截距模型写为:1.固定影响模型在包含外生解释

4、变量的情况下,类似地,首先采用工具变量方法估计差分方程模型,得到γ和β的估计量,然后求得αi的估计量。2.随机影响模型关于y0的不同假设:最大似然估计关于初始条件的不同假定蕴含着不同形式的似然函数。构造各种情况下的似然函数。使得上述似然函数达到最大化,就得到相应情况下参数的最大似然估计。当横截面个体单位较多、时期长度较短时,初始条件的错误选择将导致得到的估计与正确的估计不是渐近等价的,也可能不是一致估计。关于初始条件的选择是否正确,并没有什么判断依据。工具变量估计能够得到与初始条件无关的参数的一致估计。同时也为ML迭代过程提供参数的初始值。工具变量法参数一致估计的计算步骤:三、关

5、于平行数据模型的总结AnalysisofPanelData—ChengHsiaoChapter1.IntroductionChapter2.AnalysisofCovarianceChapter3.SimpleRegressionwithVariableInterceptsChapter4.DynamicModelwithVariableInterceptsChapter5.Simultaneous-EquationsModelsChapter6.Variable-CoefficientModelsChapter7.DiscreteDataChapter8.Truncatedan

6、dCensoredDataChapter9.IncompletePanelDataChapter10.MiscellaneousTopicsChapter11.ASummaryView∨∨∨∨∨∨×在研究经济问题时,采用平行数据比单纯采用横截面数据或时间序列数据的优势在那里?⑴increasingdegreesoffreedomandreducingproblemsofdatamulticollinearity;⑵identifyingeconomicmodelsanddiscriminationbetweencompetingeconomichypotheses;⑶elimin

7、atingorreducingestimationbias;⑷providingmicrofoundationsforaggregatedataanalysis.

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。