面板数据模型设定检验方法.doc

"面板数据模型设定检验方法" 面板数据模型设定检验是统计学中的一种重要方法，用于检验面板数据模型的设定是否合理。面板数据模型是一种特殊的时间序列模型，用于描述多个个体或单位在不同的时间点上的行为或状态。 在面板数据模型设定检验中，通常使用 F 检查和 Hausman 检查两种方法来检验模型的设定。 F 检查是用来检验模型中个体固定效应回归模型是否合理的方法。F 检查的原理是基于自由度为（J, N - k）的 F 分布。其中，RSSr 表示施加约束条件后的残差平方和，RSSu 表示未施加约束条件后的估计模型的残差平方和，J 表示约束条件的个数，N 表示样本容量，k 表示未加约束的模型中被估参数的个数。在原假设“约束条件真实”条件下，F 记录量渐近服从自由度为（J, N - k）的 F 分布。 例如，在个体固定效应回归模型中，F 检查可以用于检验模型中的截距项是否相似。如果 F 记录量大于某个临界值，那么可以推翻原假设，表明模型中不同个体的截距项不同。 Hausman 检查是用来检验模型中的解释变量是否存在内生性问题的方法。Hausman 检查的原理是基于检验两个估计量之间的差异性。如果模型中的解释变量不存在内生性问题，那么两个估计量都具有一致性，均有相似概率极限分布。如果模型中的解释变量存在内生性问题，那么回归参数的 OLS 估计量是不一致的，而 2SLS 估计量仍具有一致性，两个估计量将有不同概率极限分布。 Hausman 检查的零假设和备择假设是：H0：plim（ˆ - ˜）= 0，H1：plim（ˆ - ˜） ≠ 0。其中，ˆ 和 ˜ 分别是两个估计量。Hausman 检查记录量定义为 H = （ˆ - ˜）'（N - 1HVˆ）-1（ˆ - ˜），其中（N - 1HVˆ）是（ˆ - ˜）的极限分布方差协方差矩阵。在 H0 成立条件下，H 记录量渐近服从χ2（q）分布。 在实际中，Hausman 检查记录量（33）无法使用，因为 VH 的一致估计量 HVˆ 很难计算。一般来说，N - 1HVˆ = Var（ˆ）+ Var（˜）- 2Cov（ˆ，˜）。Var（ˆ）和 Var（˜）在一般软件计算中都能给出，但 Cov（ˆ，˜）不能给出。 因此，在实际中通常进行如下检查：H0：模型中所有解释变量都是外生性的。H1：其中某些解释变量都是内生性的。在原假设成立条件下，H = （ˆ - ˜）'（）~（ Var - ˆ）-1（ˆ - ˜）∼ χ2（k）。