 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
panel data 分析的理论和应用发展综述
下载积分：1000
内容提示：panel data 分析的理论和应用发展综述
文档格式：DOC|
浏览次数：0|
上传日期： 14:48:19|
文档星级：
该用户还上传了这些文档
panel data 分析的理论和应用发展综述
官方公共微信文档分类：
下载后只包含 1 个 DOC 格式的文档，没有任何的图纸或源代码，
下载前请先预览，预览内容跟原文是一样的，在线预览图片经过高度压缩，下载原文更清晰。
您的浏览器不支持进度条
下载文档到电脑，查找使用更方便
还剩?页未读，继续阅读
播放器加载中，请稍候...
该用户其他文档
下载所得到的文件列表Panel Data分析的理论和应用发展综述.doc
文档介绍：
...PanelData分析的理论和应用发展综述汪涛饶海斌王丽娟1.引言1.1PanelData的含义PanelData(或者LongitudinalData)可译成“板面数据”、“时空数据”,按照比较权威的理解,是用来描述一个总体中给定样本在一段时间的情况,并对样本中每一个样本单位都进行多重观察。这种多重观察既包括对样本单位在某一时期(时点)上多个特性进行观察,也包括对该样本单位的这些特性在一段时间的连续观察,连续观察将得到数据集称为板面数据。最早是Mundlak(1961)、Balestra和Nerlove(1966)把PanelData引入到经济计量中。从此以后,大量关于PanelData的分析方法、研究文章如雨后春笋般出现在经济学、管理学、社会学、心理学等领域。从1990年到目前为止,已有近1000篇有关PanelData理论性和应用性的文章发表,PanelData研究成为近十年来经济计量学的一个热点。伴随着经济理论,包括宏观经济理论和微观经济理论、计算机技术和统计方法的发展,PanelData在经济学领域的应用逐渐被经济计量学家推广。在宏观经济领域,它被广泛应用于经济增长、技术创新、金融、税收政策等领域;在微观经济领域,它被大量应用于就业、家庭消费、入学、市场营销等领域。美国最著名的两个PanelData数据集,一个是俄亥俄大学的NLS数据集(theNationalLongitudinalSurveysofLaborMarketExperience);另一个是密西根大学的PSID数据集(theUniversityofMichigan’eDynamics)。NLS数据集包括5个独立的与劳动力有关的板面数据集,这5个板面数据集的主体包括1966年45岁到59岁的成年男子、1966年14岁到24岁的青年男子、1967年30岁到44岁的成年女子、1968年14岁到24岁的青年女子、1979年14岁到21岁的男女青年。前四个群体被连续(跟踪)??观察了15年,最后一个青年群体在被连续观察了15年后,又被继续观察了6年。调查的变量有上千个,主要侧重了解劳动力市场上供给方的情况。PSID数据集由从1968年起直到现在所收集的6000个家庭和15000个人的5000多个变量的数据构成,这5000多个变量涉及就业状态、收入、家庭资产、住房、上班交通工具、汽车拥有等方面。收集这些PanelData数据集主要是为了研究美国贫穷人口状况及其贫穷原因。除此之外,这些数据集还被用来监测和解释经济状态变化以及经济和社会状况对人们生活的影响。目前,世界上已经成立了专门研究PanelData的协会,每两年举办一次全球性的PanelData学术交流大会。第九届国际PanelData会议于-23日在日内瓦大学举行,入会者均是从事PanelData研究的经济学家、经济计量学家、统计学家和社会学家。大会强调除了在经济计量学中以外,要扩展PanelData的应用领域,以期发现PanelData分析的新方法和新的应用领域,特别强调PanelData在社会科学、医学和金融学这三个领域的应用。1.2PanelData的作用PanelData分析的作用体现在:(1)控制个体行为差异。PanelData数据库显示个体(包括个人、企业、地区或国家)之间存在差异,而单独的时间序列和横截面不能有效反映这种差异。如果只是简单使用时间序列和横截面分析就可能获得有偏结果。此外,PanelData分析能够控制在时间序列和横截面研究中不能控制的涉及地区和时间为常数的情况。也就是说,当个体在时间或地区分布中存在着常数的变量(例如...受教育程度、电视广告等)时,如果在模型中不考虑这些变量,有可能会得到有偏结果。PanelData分析能够控制时间或地区分布中的恒变量,而普通时间序列和横截面研究中则不能。(2)PanelData能够提供更多信息、更多变化性、更少共线性、更多自由度和更高效率。反观时间序列经常受多重共线性的困扰。(3)PanelData能够更好地研究动态调节,横截面分布看上去相对稳定但却隐藏了许多变化,PanelData由于包含较长时间,能够弄清诸如经济政策变化对失业状况的影响等问题。(4)PanelData能更好地识别和度量纯时间序列和纯横截面数据所不能发现的影响因素。(5)相对于纯横截面和纯时间序列数据而言,PanelData能够构造和检验更复杂的行为模型。(6)通常,PanelData可以收集到更准确的微观单位(个人、企业、家庭)的情况。由此得到的总体数据可以消去测量误差的影响。尽管PanelData研究的理论和应用发展很快,但目前仍然存在一些问题需要解决:(1)设计和收集数据困难。同普通数据收集和管理一样,PanelData也面临着设计不完整、无回答、核准、多次访问、访问间隔、对比参照期等问题。(2)存在测量误差由于不清楚的回答、记忆错误等带来的测量误差给PanelData应用带来很大困难。(3)存在选择性困难主要指自选择无回答和磨损(样本丢失)。(4)时间序列较短由于收集数据时间跨度较短,为了满足渐近理论,就要求样本数量趋向于无穷。2.PanelData分析发展的简要回顾2.1PanelData分析的基本框架PanelData的内容十分丰富,这里以Matyas和Sevestre(1996)再版的书为框架,主要从研究这种时空数据的模型角度,简单回顾一下研究PanelData方法的发展:2.1.1线性模型1、单变量模型(1)固定效应和固定系数模型(FixedEffectModelsandFixedCoefficientModels):通常采用OLS估计。固定效应包括时间效应以及时间和个体效应,并可以进一步放宽条件,允许在有异方差、自相关性和等相关矩阵块情况下,用GLS估计。(2)误差成分模型(ponentsModels):最常用的PanelData模型。针对不同情况,通常可以用OLS估计、GLS估计、内部估计(WithinEstimator)和FGLS估计,并检验误差成分中的个体效应以及个体和时间效应,同时将自相关和异方差情况也纳入该模型框架中。(3)随机系数模型(RandomCoefficientModels):即模型自变量的系数可能包含时间效应或个体效应,再加上一个随机数,系数通常用抽样方法或者贝叶斯方法来估计。(4)带有随机自变量的线性模型(Linearmodelswithrandomregressiors):通常用工具变量估计(IV估计)和GMM估计。同时,利用工具变量可以对相关的特定效应模型(theCorrelatedSpecificEffectModels)估计,并对随机变量与特定效应之间的相关性进行检验。...(5)动态线性模型(DynamiclinearModels),该模型同样又包含固定效应自回归模型(通常用LSDV估计、Within估计、IV估计法估计参数)、动态误差成分模型(λ-类估计、IV估计、GMM估计和最大似然估计等方法估计参数)以及带有异方差的动态线性模1
内容来自淘豆网转载请标明出处.欢迎光临智德教育文库，如需获取更多资料请使用搜索功能。
当前位置:>
【图文】PanelData单位根和协整分析
PanelData单位根和协整分析,派出所辅警和协警区别,交通辅警和协警的区别,辅警和协警的区别,特勤和协警的区别,交警和协警怎么区分,和协饲料机械制造,怎样区别警察和协警,辅警和协警,有和协这个词么,昌鸿和协机械设备
描述。在第一类四个检验中借助组平均统计量,其中三个使用了Phillips和Perron(1988)的非参修正,第四个是基于ADF的参数检验,在第二类三个中的二个使用了非参修正,而第三个用了ADF检验。
(2)McCoskey和Kao的方法,
McCoskey和Kao采用LM方法对原假设协整进行检
国际资本和TFP之间的联系变得相当弱,因而他们否认
Coe和Helpman(1995)提出一个重要结论:国际R&D的溢
出是贸易相关的:即全球化背景下,一国的生产率不仅依赖自己R&D投入,也依赖贸易伙伴的R&D投入。
Strauss和Funk(2000)使用PanelData的FM和DOLS
估计揭示资本、创新对于生产率增长作用和滞后的生产率对资本有Granger因果关系,并验证了在446个制造业中资本和生产率存在着协整关系。
31存在的问题和展望
验,为了理解检验,将式(8)中的δoskey和Kaoi=0,McC采用的公式是让ei,t由两部分组成:
ei,t=θ6ui,t+ui,t
回归变量是由下列形式产生:
xi,t=xi,t-1+ωi,t
有关PanelData单位根和协整的理论尚需进一步研究。问题集中在估计量和检验的渐近特性的考虑和使用。显而易见,针对有限样本估计和检验的渐近理论需要大量系统化的模拟工作。更重要的是放松截面独立假设,以便得到与实际更吻合的渐近理论。因为在研究许多国家之间的PanelData中,全球化趋势已经对独立假设提出了挑战。Phillips和Moon(1999a)探讨了这个问题。这个问题难度相当大,它不仅涉及把相互依赖考虑到分析中,而且要用合适的形式来描述它。目前,已有一些专家正在探讨这些问题,像Maddala和Wu(1999)自助法允许截面相关,Pedroni(1997b)在他的PPP研究中,提出用基于
GLS修正来考虑Panel个体之间存在的反馈情况。
Hall等人(1999)对这个研究提供了一些新的想法。
θ=0情况下,式(8)是这里xi,t是M维,在原假设H0∶
一个协整回归系统。当这些回归方程没有协整情况下,这些截面单位之间独立是可以维持的。这个LM统计量,要求一个具有一致估计的Ω,为了得到这个Ω以实现统计量的非参修正。针对所有i,当βao(1998)等人提i=β,K出了一个优良的FM估计。FM(Fully2Modified)估计能够考虑式(8)中的残差的序列自相关和回归方程的内生性,并提供了渐近的无偏估计。FM估计量是由Pedroni(1996)提出。后来Kao和Chiang(1998)以及Phillips和Moon(1999)也谈到该估计量,Kao和Chiang(1998)证明用OLS、FM和
DOLS(DyanmicordinaryleastSquares)得到的估计量都有渐
建立在Hall和Urga(1998)早期工作基础之上,Hall等人提供了另一个同Pesaran和Smith(1995)分析相反的例子。
Hall等人证实,在每个Panel单位中,回归量是由共同的随
近正态分布。
为了完成他们的检验,McCoskey和Kao又定义了一个调整的LM统计量:
机趋势决定的,每个单位是协整的,接着用一个标准Panel
Data估计,对这个Panel强加一个同质参数,即使这个真
实模型有异质的参数,仍将得到一个反映长期均衡作用的一致估计。该文章继续发现可以用一个新的主成份方法对共有的随机趋势进行检验,并给出了在有限样本下,这些检验的样本容量和功效特性,即使在一个I(0)和I
(1)的混合变量中,这些检验方法也是一致的。因此,避免
θ=0下,有:LM]N(0,1)在H0∶
在备择假设下,统计量趋于很大值,就意味着拒绝原假设,修正因子μv和σv是Harris和Indei(1994)定义的布朗运动一个复杂函数的均值和方差,它(修正因子)不仅依赖于维度M的大小也依赖式(8)中是否包括个体特定的常数效应和(或)趋势。
McCoskey和Kao(1999)使用他们的LM检验探讨一个
了对PanelData进行事前的单位根检验,他们所做的工作有两点非常重要:第一,针对单位不同的PaneData,由于采用相同的趋势,截面依赖比较明显。然而,除了提供一致性,主成分估计的渐近理论并没有得到证明,特征分析也过分依赖模拟结果。要得到主成分估计渐近理论确实困难重重,但这里的分析朝着正确的方向迈出了很重要的一步:第二,这里考虑多协整向量,尽管仅仅是在回归量的集合中,但这对于估计和推断框架也是必要扩展。然而在这方面他们的工作仍有缺陷,因为在他们的Panel
Data每个单位的协整向量通常是唯一的,标准化的问题
包含30个发展中国家和22个发过国家城市化、人均产出与人均资本之间的关系。尽管城市化对各国的影响大小差别各异,但他们发现有一个长期均衡关系存在,他们认为在各国之间有一些证据表明城市化作为经济增长率的一个潜在杠杆。他们的这个结果对在协整方程中是否包括着一个趋势比较敏感,他们的结果同样对于其它的因素是否影响人均GDP的增长率也比较敏感。
Kao等人(1999)使用了21个OECD国家和以色列作
不存在。只有Larsson、Lyhagen和Lothgren(1998)按照类似
Johansen最大似然方法来研究PanelData中多协整向量情
为样本,证实国内资本和国外R&D资本储备对全要素生产率(TFP)都有着重要的影响,Kao等人使用FM和DOLS方法,得出结论:当国内资本和TFP之间关系比较强时,
图片(PanelData单位根和协整分析)
他们的研究前提仍然是假设截面单位是独立,他们建议的统计量是单位间Johansen似然比统计量的平均数,该
Tsinghua Tongfang Optical Disc Co., Ltd.
All rights reserved.苹果/安卓/wp
积分 23, 距离下一级还需 1 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
现在已经有统计完的excel版本的数据.
大致数据是从年不同的30个城市的一些指标数据
如果直接把每个城市的不同时间在第一排上排下来 就只是time series而已啊&&
怎么把panel data的数据录入到stata里面呢？
谢谢！！！！！
载入中......
可以把你的数据编辑成象附件中的那样。time 是时间，id是省份的编号，xyzw是各省份的变量数据。
完全可以直接copy and paste到Stata，对于不太大的sample 我经常这么做。
把数据发给我看一下， 我帮你
recode,compute
把你的数据表格是贴上来看看。应该不难的。
直接从excel复制过来就可以了
严谨来说，不能直接复制进stata，将你的数据表另存为csv文件，然后insheet using，最后再tsset
可以把你的数据编辑成象附件中的那样。time 是时间，id是省份的编号，xyzw是各省份的变量数据。
完全可以直接copy and paste到Stata，对于不太大的sample 我经常这么做。
07:23:08 上传
热心帮助其他会员
总评分:&论坛币 + 10&
热心指数 + 1&
可以把数据发给我看一下么
初级学术勋章
初级学术勋章
初级热心勋章
初级热心勋章
初级信用勋章
初级信用勋章
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师