基于面板数据模型及其固定效应的模型分析
在 20 世纪 80 年代及以前,还只有很少的研究面板数据模型及其应用的文
献,而 20 世纪 80 年代之后一直到现在,已经有大量的文献使用同时具有横截面和
时间序列信息的面板数据来进行经验研究(Hsiao,20XX)。同时,大量的面板数据
计量经济学方法和技巧已经被开发了出来,并成为现在中级以上的计量经济学教
科书的必备内容,面板数据计量经济学的理论研究也是现在理论计量经济学最热
的领域之一。
面板数据同时包含了许多横截面在时间序列上的样本信息 ,不同于只有
一个维度的纯粹横截面数据和时间序列数据,面板数据是同时有横截面和时序二
维的。使用二维的面板数据相对于只使用横截面数据或时序数据,在理论上被认
为有一些优点,其中一个重要的优点是面板数据被认为能够控制个体的异质性。
在面板数据中 ,人们认为不同的横截面很可能具有异质性 ,这个异质性被认为是
无法用已知的回归元观测的 ,同时异质性被假定为依横截面不同而不同 ,但在不
同时点却是稳定的 ,因此可以用横截面虚拟变量来控制横截面的异质性 ,如果异
质性是发生在不同时期的,那么则用时期虚拟变量来控制。而这些工作在只有横
截面数据或时序数据时是无法完成的。
然而,实际上绝大多数时候我们并不关心这个异质性究竟是多少,我们关
心的仍然是回归元参数的估计结果。使用面板数据做过实际研究的人可能会发现,
使用的效应①不同 ,对回归元的估计结果经常有十分巨大的影响 ,在某个固定效
应设定下回归系数为正显着 ,而另外一个效应则变为负显着 ,这种事情经常可以
碰到,让人十分困惑。大多数的研究文献都将这种影响解释为控制了固定效应后
的结果,因为不可观测的异质性 (固定效应)很可能和回归元是相关的 ,在控制了
这个效应后,由于变量之间的相关性,自然会对回归元的估计结果产生影响,因而
使用的效应不同,估计的结果一般也就会有显着变化。
然而,这个被广泛接受的理论假说 ,本质上来讲是有问题的。我们认为 ,
估计的效应不同 ,对应的自变量估计系数的含义也不同 ,而导致估计结果有显着
变化的可能重要原因是由于面板数据是二维的数据 ,而在这两个不同维度上 ,以
及将两个维度的信息放到一起时,样本信息所显现出来的自变量和因变量之间的
相关关系可能是不同的。因此,我们这里提出另外一种异质性,即样本在不同维度
上的相关关系是不同的,是异质的,这个异质性是发生在回归元的回归系数上,而
评论0
最新资源