第四章 面板数据

H1：模型中不同时点的截距不相同（实质为时 点固定效应面板回归模型）
F
(SSE R SSE U ) /(T 1)
SSE U /(NT T K )
其中：SSER为混合面板的残差平方和； SSEu为时间固定效应模型的残差平方和；
N、T、K的含义与前面个体效应的公式相同。
如果F值大于临界值F0.05（T-1，NT-T-K），
单位根过程
为了说明单位根过程的概念，以AR(1)模型进
行分析 ：
Yt φYt -1 εt
根据平稳时间序列分析的理论可知，当 1 时，该序列｛Yt｝是平稳的,此模型是经典的时 间序列AR(1)模型。
单位根过程
如果一个序列是随机游走过程，则称这个序列 是一个“单位根过程”。 结论:
其中，S为标准差，H>卡方分布临界值，拒绝原假设。
EVIEWS5.1以上软件可以直接完成： VIEW——FIX/ROANDOM EFFETS TESTING—— HAUSMAN TEST
三、面板数据的单位根检验（对于长板而言） 步骤一：分析数据的平稳性（单位根检验） 面板数据模型在回归前需检验数据的平稳性。 一些非平稳的经济时间序列往往表现出共同的变 化趋势，而这些序列间本身不一定有直接的关联， 直接进行回归的结果没有实际意义。这种情况称 为称为虚假回归或伪回归。 因此，为了避免伪回归，必须对各面板序列 的平稳性进行检验。而检验数据平稳性最常用的 办法就是单位根检验。
步骤三：面板模型的选择与回归（总结） 面板数据模型的选择通常有三种形式： 一种是混合估计模型。如果从时间上看，不同个体 之间不存在显著性差异；从截面上看，不同截面之间也不 存在显著性差异，那么就可以直接把面板数据混合在一起 用普通最小二乘法（OLS）估计参数。 一种是固定效应模型（Fixed Effects）。如果对于 不同的截面或不同的时间序列，模型的截距不同，则可以 采用在模型中添加虚拟变量的方法估计回归参数。 一种是随机效应模型（Random Effects ）。如果 固定效应模型中的截距项包括了截面随机误差项和时间随 机误差项的平均效应，并且这两个随机误差项都服从正态 分布，则固定效应模型就变成了随机效应模型。
步骤二：协整性检验 协整检验是考察变量间长期均衡关系的方法。协整是指 若两个或多个非平稳的变量序列，其某个线性组合后的序列 呈平稳性。此时这些变量序列间有协整关系存在。 情况一：如果基于单位根检验的结果发现变量之间是同阶单 整的，那么我们可以进行协整检验。 情况二：如果基于单位根检验的结果发现变量之间是非同阶 单整的，即面板数据中有些序列平稳而有些序列不平稳，此 时不能进行协整检验，也不能直接对原序列进行回归。方法 是：（一阶）差分某些序列、使用增长率数据、取对数、重 建新模型等序列变换。变换后如均为I（0）就直接回归，如 为其他同阶单整就进行协整检验。 为便于解释经济意义，一般不以原序列的二阶差分为变 量回归。
（3）面板数据模型估计的界面 同上例
（3）混合面板与个体固定效应面板模型的选择 检验： CHOW F检验：超链接\邹至庄.docx H0：模型中不同个体的截距相同（实质为混合 面板回归模型）
H1：模型中不同个体的截距不相同（实质为个 体固定效应面板回归模型）
( SSER SSEU ) /( NT K 1) ( NT N K ) ( SSER SSEU ) /( N 1) F SSEU /( NT N K ) SSEU /( NT N K )
（2）变量的设置与导入
（3）混合面板模型的估计 （4）个体或时间固定效应模型、个体或时间随机效应模型 的估计
（1）面板工作文件的建立与POOL的建立
例子：超链接\十一行业所有指标集成面板(教 学用2003-2006面板).xls
操作：EVIESW 5.1，最新为7.0版本
（2）变量的设置与导入
同上例
（2）。如果序列本身就是平稳的，则为零阶单
整序列I（0）。
面板数据单位根检验的软件操作： 1、在工作文件中打开要检验变量的数据组。 2、点击VIEW——UNIT ROOT TEST功能，即可 进行面板数据的单位根检验。 例：超链接\case13.wf1 如果单位根检验结果如果为各序列均平稳，即I （0），就可以直接做面板回归分析。除此之外， 就需要进行协整性检验或序列变换。则拒绝原假设 Nhomakorabea0，接受H1
注：在EVIEWS5.0版本中要人为设置时间期数的 哑变量，6.0、7.0版本则自动设置。 例子：mbsj2003-2006.wf1
（5）个体固定效应与个体随机效应面板模型的选择 检验 HAUSMAN检验： H0：为个体随机效应模型 H1：为个体固定效应模型 检验公式： ( 随机效应估计值 固定效应估计值） 2 H 2 2 S 随机效应估计值 S 固定效应估计
在面板数据模型形式的选择方法上，经常采用 F检验决定选用混合模型还是固定效应模型， 然后用Hausman检验确定应该建立随机效应模 型还是固定效应模型。
随机游走过程是非平稳的。
因此，检验序列的非平稳性就变为检验特征方
程是否有单位根，这就是单位根检验方法的由
来 。
从单位根过程的定义可以看出，含一个单位根 的过程，其一阶差分：
Yt Yt - Yt -1 ut
是一平稳过程，像这种经过一次差分后变为平 稳的序列称为一阶单整序列(Integrated Process)，记为 I(1) , 依次有二阶单整序列I
（4）能够反应经济变量 的动态调整。
3、面板数据的分类 （1）平衡面板数据 从横截面上看，每个变量都有观测值；从纵 剖面上看，每一时都有观测值。 （2）非平衡面板数据 若面板数据中丢失了若干个观测值，则为非 平衡面板。
二、面板数据回归模型的简单处理
1、面板数据模型分类
（1）静态计量模型
包括混合估计模型、固定效应模型和随机 效应模型，以及确定系数、随机系数与平均数 据模型等。 （2）动态计量模型（目前对硕士层次在理论 难度上太大）
第四章 面板数据 本章主要内容：
混合面板模型 固定效应面板模型 随机效应面板模型
计量经济学数据的分类： 截面数据
时间序列
面板数据（综列数据、平行数据）
一、面板数据的概念、特点与分类 1、面板数据，即Panel Data，是截面数据 与时间序列数据综合起来的一种数据类型。 其有时间序列和截面两个维度，当这类数据 按两个维度排列时，是排在一个平面上，与只有 一个维度的数据排在一条线上有着明显的不同， 整个表格像是一个面板,所以把panel data译作 “面板数据”。但是,如果从其内在含义上讲,把 panel data译为“时间序列—截面数据” 更能揭 示这类数据的本质上的特点。也有译作“平行数 据”“综列数据”或“TS-CS数据（Time Series - Cross Section）”等。
2、面板数据的优点：
（1）与截面数据相比，面板数据模型控制了不可 观测经济变量所引起的OLS估计的偏差，使模型
设定更合理、模型参数估计更准确。
（2）与时间序列相比，面板数据扩大了样本信息、
降低了变量间的共线性，提高了估计量的有效性。
（3）面板数据能够更好地识别和度量截面、时间 序列数据不可发觉的效应。
2、静态面板数据模型的运用 例文：超链接\股权分置改革_经理薪酬与会计业绩敏感 度.pdf 超链接\控制权_现金流权与资本结构_一项基于我国民营 上市公司面板数据的实证分析.pdf 例子（见mbsj2003-2006）mbsj2003-2006.wf1（从建立 工作文件开始） 具体步骤： （1）面板工作文件的建立与POOL的建立
其中：SSER为混合面板的残差平方和； SSEu为个体固定效应模型的残差平方和；
N：截面成员个数；T：时间期数；K：不含截距 的解释变量个数。
如果F值大于临界值F0.05（N-1，NT-N-K）， 则拒绝原假设H0，接受H1 例子：mbsj2003-2006.wf1
（4）混合面板与时点固定效应面板模型的选择 检验： CHOW F检验： H0：模型中不同时点的截距相同（实质为混合 面板回归模型）