時間序列分析 課件 第六章 Penal Data 模型

1

一、模型的基本問題（一）數(shù)據(jù)的特點回歸模型截面數(shù)據(jù)：研究不同個體之間的關系和規(guī)律時序模型時間數(shù)據(jù)：研究同一個體不同時間變化規(guī)律

實際數(shù)據(jù)不滿足回歸的要求實際數(shù)據(jù)時間過短

第六章PenalData模型2

(二)模型的基本類型基本形式

i=1,…,Nt=1,…,T其中：

，k是解釋變量的個數(shù)；

αit是模型的截距；

是參數(shù)向量，反映解釋變量X與被解釋變量Y之間的關系；

uit是隨機干擾項，相互獨立，0均值，等方差，服從正態(tài)分布。

模型可以僅從截面單位出發(fā)或者僅從時間出發(fā)建立。

3

2.固定效應模型

i=1,…,Nt=1,…,Ti=1,…,Nt=1,…,T固定效應模型中，無論是參數(shù)向量

，還是截面效應

，或是時間效應，一旦估計出來都是固定的常數(shù)。3.隨機效應模型模型中Ci是隨機的，稱為隨機效應。模型有一些假定。

4二、固定效應模型

截面單位是總體的所有單位，則固定效應模型是一個合理的模型。通常，僅就樣本進行分析，不涉及以樣本推斷總體時，可以使用固定效應模型。（一）

固定效應模型的類型

根據(jù)模型截距和斜率是否相同，固定效應模型可以分為四類。

5

模型能夠同時反映研究對象在時間和截面單位兩個方向上的變化規(guī)律及不同時間、不同單位的特性。固定效應模型形式A斜率相同且截距相同B斜率相同但截距不同

6

C截距相同但斜率不同D斜率和截距都不同7（二）模型形式的檢驗選用什么類型的模型，可以根據(jù)經驗和對實際現(xiàn)象的認知，也可以事先對數(shù)據(jù)符合哪類模型進行檢驗。

利用不同類型模型構建后的殘差平方和與D類模型的殘差平方和進行比較，構建F統(tǒng)計量，進行判斷。8（三）參數(shù)估計

1.最小二乘法

-最小二乘虛擬變量估計(LSDV)

要求隨機干擾項滿足等方差和相互獨立。2.廣義最小二乘法(GLS)

隨機干擾項不滿足同方差或相互獨立條件時采用。3.兩階段最小二乘法固定效應變截距模型中，不同截面單位之間不存在同期相關，隨機干擾項不存在異方差，但解釋變量與隨機干擾項有相關時采用。4.廣義矩估計

當解釋變量含有滯后因變量時，即考慮變量之間的動態(tài)關系時采用。9（四）模型檢驗1.參數(shù)檢驗合理性顯著性

殘差檢驗獨立性

直接建立回歸模型時殘差存在異方差，故

采用PenalData模型。回歸模型的同方差檢驗

可以采用white檢驗。3.固定效應的LR檢驗1010

選擇固定效應模型的原因回歸模型殘差的異方差檢驗懷特（white）檢驗：不存在異方差：存在未知形式的異方差統(tǒng)計量是通過殘差平方與一切可能的解釋變量及其交叉項（非冗余變量）的輔助回歸計算得到

例6.1固定效應是否多余(不同截面單位的效應是否不同）：國定效應是多余的：固定效應不是多余的統(tǒng)計量通過兩個模型的似然函數(shù)值進行比較構建其中，R是帶限制條件，UR是不帶限制條件，

m是自由度即限制的參數(shù)的個數(shù)，即約束的個數(shù)。

例6.1三、隨機效應模型

（一）模型的基本形式有關符號的意義前面已經說明。（二）

模型的假設

假設PE.1

假設PE.2

假設PE.3

：如果不能拒絕H0表明隨機效應不存在。

（三）參數(shù)估計1.廣義最小二乘法

當成分方差已知時，可以直接用廣義最小二乘估計參數(shù)；若成分方差未知，可以運用估計（或可行）廣義最小二乘（estimatedorfeasiblegeneralizedleastsquares，EGLS）估計參數(shù)。

2.廣義兩階段最小二乘（GTSLS）當解釋變量與隨機干擾項有相關時，可以引入工具變量，運用廣義兩階段最小二乘進行參數(shù)估計。

14（四）隨機效應檢驗

—Hausman檢驗

對數(shù)據(jù)運用固定效應模型還是隨機效應模型所做的檢驗。檢驗基于固定效應估計量與隨機效應估計量之間差異。記固定效應估計量為FE，隨機效應估計量為RE，如果隨機效應確實存在，則RE與FE相比應該具有更小的方差；若兩個估計量之間沒有顯著差異，則只需要采用固定效應模型即可。如果Ci與

無關，F(xiàn)E估計是一致的，而RE估計有偏且非一致，兩個模型參數(shù)估計的結果顯著不同，需要運用隨機效應模型；如果兩個模型的參數(shù)估計結果沒有顯著差異，采用固定效應模型即可。檢驗的原假設可以表述為Ci與

相關，即有

：隨機效應的方差為0,表明隨機效應不存在。

原假設條件下，構造檢驗統(tǒng)計量其中，自由度M是約束的個數(shù)。根據(jù)計算的檢驗統(tǒng)計量可以對是否拒絕原假設做出判斷。

例6.2

16四、單位根檢驗與協(xié)整檢驗

建立PanelData

模型時，如果截面單位數(shù)據(jù)的時間過長，很難保證序列隨時間變化是平穩(wěn)的。需要對截面序列進行單位根檢驗。

其檢驗基本思想與單變量時序的單位根檢驗類似，但由于是多個截面單位序列，需要考慮不同截面單位序列的根是否相同。

相同單位根同質過程不同單位根異質過程17

（一）相同根的檢驗

相同根是指不同截面單位序列具有相同的單位根過程，對其進行的檢驗亦稱為同質單位根檢驗。1.LLC檢驗類似單變量序列的ADF檢驗，允許不同截面單位序列的滯后階數(shù)不同。檢驗基礎模型設定檢驗統(tǒng)計量18LLC方法需要設定每一個截面單位ADF回歸中滯后階數(shù)、

和計算的核估計方法。如果需要引入外生回歸項，也必須設定。2.Breitung檢驗

類似LLC檢驗，檢驗思路、原假設和備擇假設相同。3.Hadri檢驗類似于單變量序列的KPSS單位根檢驗，原假設：各截面序列都不含單位根。

例6.319

（二）不同根的檢驗

不同根是指不同截面單位序列具有不同的單位根過程，對其進行的檢驗亦稱為異質單位根檢驗。

檢驗允許參數(shù)ρi跨截面變化，即有的截面單位序列∣ρi∣<1，序列平穩(wěn)；有的截面單位序列∣ρi∣=1，序列非平穩(wěn)。

基本思想：分別對每個截面序列進行單位根檢驗，在綜合各個截面檢驗結果上，構造檢驗統(tǒng)計量，做出判斷。IPS（Im-Pesaran-Skin）檢驗分別為每一截面單位設定一個ADF回歸

對所有的i其中，i在必要時可以重新安排。2.Fisher—ADF檢驗和Fisher—PP檢驗

合并來自每個截面單位單位根檢驗的p值。

檢驗的原假設和備擇假設與IPS相同。檢驗統(tǒng)計量其中，為截面單位的p值，為標準正態(tài)累積分布函數(shù)的逆?；贏DF的檢驗，必須指定每一截面單位ADF回歸中的滯后數(shù)目；基于PP的檢驗，必須有一個估計

的方法。

例6.422（三）協(xié)整檢驗

當截面單位序列的時間較長時，不同截面單位序列有趨勢，是否會存在協(xié)整關系，需要進行檢驗。

三種不同思路：

利用DF和ADF檢驗推廣檢驗面板協(xié)整。零假設是沒有協(xié)整關系,利用靜態(tài)面板回歸的殘差構建統(tǒng)計量。

在動態(tài)多元面板回歸中沒有協(xié)整關系的條件下給出基于殘差的面板協(xié)整檢驗。

基于Johansen向量自回歸的似然檢驗進行面板協(xié)整檢驗。23

1.Pedroni(Engle-Grangerbased)協(xié)整檢驗

基于對多元面板回歸殘差進行檢驗，判斷序列之間是否存在協(xié)整關系。

檢驗基礎模型其中，xy都被假定為一階單整序列，參數(shù)和分別是個體效應和趨勢效應，需要時，可以設定為0。

在原假設，不存在協(xié)整關系條件下，殘差序列是一階單整序列。24對各個截面單位建立輔助回歸或則檢驗的原假設為上兩式中，備擇假設有兩種，同質備擇假設：對于任意i均有

成立；異質備擇假設：對于任意i均有

成立。

根據(jù)殘差項構建得到11種不同的檢驗統(tǒng)計量。

例6.5252.Kao(Engle-Grangerbased)協(xié)整檢驗

在Engle–Granger兩步檢驗法基礎上發(fā)展起來原假設：沒有協(xié)整關系

用靜態(tài)面板回歸的殘差構建檢驗統(tǒng)計量。第一階段建立回歸模型在上面模型中，各截面單位參數(shù)設定為不同，參數(shù)設定為相同，所有趨勢系數(shù)設定為0。第二階段