《面板數據的計量經濟分析》，白仲林著，張曉峒主審，file:5panel02file:5panel018．面板數據模型的協整檢驗第4章

面板數據模型與應用

1．面板數據定義

2．面板數據模型分類

3．面板數據模型估計方法

4．面板數據模型檢驗與設定方法

5．面板數據建模案例分析

6．面板數據的單位根檢驗

7．EViwes應用

2021/5/911．面板數據定義面板數據（paneldata）也稱作時間序列與截面混合數據（pooledtimeseriesandcrosssectiondata）。面板數據是截面上個體在不同時點的重復觀測數據。panel原指對一組固定調查對象的多次觀測，近年來paneldata已經成為專業術語。N=30，T=50的面板數據示意圖中國各省級地區消費性支出占可支配收入比例走勢圖2021/5/92面板數據分兩種特征：（1）個體數少，時間長。（2）個體數多，時間短。面板數據主要指后一種情形。面板數據用雙下標變量表示。

yit,i=1,2,…,N;t=1,2,…,Ti對應面板數據中不同個體。N表示面板數據中含有N個個體。t對應面板數據中不同時點。T表示時間序列的最大長度。利用面板數據建立模型的好處是：（1）由于觀測值的增多，可以增加估計量的抽樣精度。（2）對于固定效應回歸模型能得到參數的一致估計量，甚至有效估計量。（3）面板數據建模比單截面數據建模可以獲得更多的動態信息。1．面板數據定義2021/5/932．面板數據模型分類用面板數據建立的模型通常有3種，即混合模型、固定效應模型和隨機效應模型。2.1混合模型（Pooledmodel）。如果一個面板數據模型定義為，

yit=

+

Xit'

+

it,i=1,2,…,N;t=1,2,…,T其中yit為被回歸變量（標量），

表示截距項，Xit為k

1階回歸變量列向量（包括k個回歸量），

為k

1階回歸系數列向量，

it為誤差項（標量）。則稱此模型為混合回歸模型。混合回歸模型的特點是無論對任何個體和截面，回歸系數

和

都相同。如果模型是正確設定的，解釋變量與誤差項不相關，即Cov(Xit,

it)=0。那么無論是N

，還是T

，模型參數的混合最小二乘估計量（PooledOLS）都是一致估計量。2021/5/942．面板數據模型分類2.2固定效應模型（fixedeffectsmodel）。固定效應模型分為3種類型，即個體固定效應模型、時點固定效應模型和個體時點雙固定效應模型。下面分別介紹。2.2.1個體固定效應模型（entityfixedeffectsmodel）如果一個面板數據模型定義為，

yit=

i

+

Xit'

+

it,i=1,2,…,N;t=1,2,…,T

其中

i是隨機變量，表示對于i個個體有i個不同的截距項，且其變化與Xit有關系；Xit為k

1階回歸變量列向量（包括k個回歸量），

為k

1階回歸系數列向量，對于不同個體回歸系數相同，yit為被回歸變量（標量），

it為誤差項（標量），則稱此模型為個體固定效應模型。2021/5/952021/5/962021/5/972021/5/982021/5/992021/5/9102021/5/9112021/5/9123.面板數據模型估計方法混合最小二乘（PooledOLS）估計（適用于混合模型）平均數（between）OLS估計（適用于混合模型和個體隨機效應模型）離差變換（within）OLS估計（適用于個體固定效應回歸模型）一階差分（firstdifference）OLS估計（適用于個體固定效應模型）可行GLS（feasibleGLS）估計（適用于隨機效應模型）2021/5/9132021/5/9142021/5/9152021/5/9162021/5/9172021/5/9182021/5/9192021/5/9202021/5/9212021/5/9222021/5/9232021/5/924

2021/5/9252021/5/92615個省級地區的人均消費序列

15個省級地區的人均收入序列（個體）2021/5/927

2021/5/9282021/5/9292021/5/9305．面板數據建模案例分析

個體隨機效應模型與個體固定效應模型比較，應該建立個體固定效應模型。2021/5/9312021/5/9322021/5/9332021/5/9342021/5/9352021/5/9362021/5/9372021/5/938

2021/5/9392021/5/9402021/5/9412021/5/9422021/5/9432021/5/9442021/5/9452021/5/9462021/5/9472021/5/9482021/5/9492021/5/9502021/5/951202