动态面板数据模型
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
动态面板数据模型
动态面板数据模型的意义是，能够揭示被解释变量 的动态变化特征。 动态面板数据模型的一般形式：
yit yit 1 xit β ui it
（1）
在（1）式中，ui为非观测截面个体效应。 动态面板数据模型的估计，通常采用广义矩方法 （GMM）。
1
1、差分GMM(DIF-GMM)
Arellano和Bond(1991)提出了DIF-GMM估计方法， 通过对（1）式进行差分，消除由于未观测到的截 面个体效应造成的遗漏变量偏误。
yit yit 1 xit β it
（2）
由（1）式知，yit-1是εit-1的函数，因此（2）式中的 ) it ( it it 1 ) 与 yit 1 ( yit 1 yit 2是相关的。在估计（2）式时， 就需引入 的工具变量。 yit 1
2
DIF-GMM估计中的工具变量
从第3期开始，需要为Δyit-1设定工具变量。在DIFGMM估计中， Δyit-1的工具变量是这样设定的： 在第3期，yi1是Δyi3的工具变量； 在第4期，yi1和yi2是Δyi4的工具变量； 在第5期，yi1、yi2和yi3是Δyi5的工具变量； 依次类推。 外生解释变量同样作为工具变量。
3
DIF-GMM在stata中的操作
1、估计。在设定面板数据完毕后，输入
xtabond y x1 x2 x3
2、检验。 （1）过度识别约束检验（检验工具变量是 否有效）
ຫໍສະໝຸດ Baidu
estat sargan （2）检验误差项的序列相关 estat abond
4
2、系统GMM(SYS-GMM)
5
SYS-GMM在stata中的操作
在对面板数据进行设定之后，输入 xtdpdsys y x1 x2 x3
6
DIF-GMM存在着一些缺陷。比如，差分时，不仅 消除了非观测截面个体效应，而且也消除了不随时 间变化的其他变量。还有，DIF-GMM估计量很多 时候并非有效估计量（方差最小）。 Arellano和Bover(1995)以及Blundell和Bond(1998) 在DIF-GMM估计的基础上，引入被解释变量差分 的滞后项与随机误差项正交这个矩条件，得到 SYS-GMM（系统GMM）。
动态面板数据模型的意义是，能够揭示被解释变量 的动态变化特征。 动态面板数据模型的一般形式：
yit yit 1 xit β ui it
（1）
在（1）式中，ui为非观测截面个体效应。 动态面板数据模型的估计，通常采用广义矩方法 （GMM）。
1
1、差分GMM(DIF-GMM)
Arellano和Bond(1991)提出了DIF-GMM估计方法， 通过对（1）式进行差分，消除由于未观测到的截 面个体效应造成的遗漏变量偏误。
yit yit 1 xit β it
（2）
由（1）式知，yit-1是εit-1的函数，因此（2）式中的 ) it ( it it 1 ) 与 yit 1 ( yit 1 yit 2是相关的。在估计（2）式时， 就需引入 的工具变量。 yit 1
2
DIF-GMM估计中的工具变量
从第3期开始，需要为Δyit-1设定工具变量。在DIFGMM估计中， Δyit-1的工具变量是这样设定的： 在第3期，yi1是Δyi3的工具变量； 在第4期，yi1和yi2是Δyi4的工具变量； 在第5期，yi1、yi2和yi3是Δyi5的工具变量； 依次类推。 外生解释变量同样作为工具变量。
3
DIF-GMM在stata中的操作
1、估计。在设定面板数据完毕后，输入
xtabond y x1 x2 x3
2、检验。 （1）过度识别约束检验（检验工具变量是 否有效）
ຫໍສະໝຸດ Baidu
estat sargan （2）检验误差项的序列相关 estat abond
4
2、系统GMM(SYS-GMM)
5
SYS-GMM在stata中的操作
在对面板数据进行设定之后，输入 xtdpdsys y x1 x2 x3
6
DIF-GMM存在着一些缺陷。比如，差分时，不仅 消除了非观测截面个体效应，而且也消除了不随时 间变化的其他变量。还有，DIF-GMM估计量很多 时候并非有效估计量（方差最小）。 Arellano和Bover(1995)以及Blundell和Bond(1998) 在DIF-GMM估计的基础上，引入被解释变量差分 的滞后项与随机误差项正交这个矩条件，得到 SYS-GMM（系统GMM）。