面板数据模型选择

20701

收藏 2016-01-21

      面板数据模型选择一般而言，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；另外一部分概括了因截面因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（事实上这第二部分误差还可分成两部分，一部分是不因截面变化但随时间变化的非观测因素对应的误差项Vt，这一部分一般大家的处理办法是通过在模型中引入时间虚拟变量来加以剥离和控制，另一部分才是因截面因时间而变化的不可观测因素。不过一般计量经济学的面板数据分析中都主要讨论两部分，在更高级一点的统计学或计量经济学中会讨论误差分量模型，它一般讨论三部分误差）。

      非观测效应模型一般根据非观测效应的不同假设可分为固定效应模型和随机效应模型。传统上，大家都习惯这样分类：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。在实际研究中经常采用的Panel data回归模型（或TS/CS (Time Series /Cross Series)模型）是固定效应模型(fixed effect model,FEM)和随机效应模型(random effect model,REM)。

   在实证研究中一般通过对数据的Hausman检验以确定是选用固定效应模型还是随机效应模型。在模型中,如果模型中的系数为确定性变量,即模型中省略因素对个体差异的影响是固定不变的,则模型为固定效应模型。如果为随机变量,即模型中省略因素对不同个体的影响是随机的,则模型为随机效应模型。因此使用面板数据，主要有三种模型可供选择，即OLS模型、固定效应（Fixed Effects，FE）模型和随机效应（Random Effects，FE）模型。

   利用F检验识别使用OLS模型还是FE模型, 再利用LM 检验（lagrangian multiplier test）识别使用OLS模型还是RE 模型，最后用Hausman 检验使用RE 模型还是FE模型。本文所有的模型全部过程用Givewin2软件或者EVIEWS5软件完成。
   首先,对模型进行选择。利用检验来确定是选择固定效应模型还是随机效应模型其检验的统计量为：W= ，其中是固定效应模型的估计结果, 是随机效应模型的估计结果，而∑是两种估计量协方差矩阵之差，即:∑=Var( )-Var( );实际上Hausman检验是一种Wald统计量,它渐进服从自由度为k的分布,其中k为模型中解释变量的个数。在给定显著性水平下,若W< ,则采用随机效应模型;否则,采用固定效应模型。

   从理论上讲,若仅以样本自身效应为条件进行推论,宜采用固定效应模型;如果欲以样本对总体效应进行推论,则应采用随机效应模型。一般情况下,对于住宅产业来说,居民对房子的消费倾向在短时间内保持了相对的稳定,具有时间的一致性。因此，本文利用软件Givewin2 和Eviews5来计算检验的值,并且根据其判别规则选择固定效应模型。

   其次,在参数不随时间变化的情况下,对截距和斜率参数的两种假设的情况下进行检验。当横截面的单位是总体的所有单位时，固定效应模型是一个合理的模型。如果横截面单位是随机地抽自一个大的总体，则使用随机效应模型较为合适。本文是对全国所有省市的住房供给进行分析，为了控制不同省份的个体特征，本文主要采用固定效应模型。

转贴地址：https://bbs.pinggu.org/thread-637336-1-1.html
转帖理由：明明是个好文，原文排版太差了，哎，所以重新排版发了出来，另外配上张晓彤的课件，给大家参考；