信息技术的发展使得数据越来越膨胀,传统的截面数据和时间序列已经不能全面刻画经济的演变,在大数据背景下,同时分析比较横截面观察值和时间序列观察值的需求越来越大。面板数据就是指既含有截面又含有时间序列的数据,分析比较这种数据的模型就是面板数据模型。
相对于一般的回归模型,面板数据模型不仅能够更好的识别和度量单纯时间序列模型和单纯横截面数据模型所不能发现的影响因素,而且可以克服多重共线性的困扰,能够提供更多的信息、更多的变化、更高的自由度和更高的估计效率,减少共线性。因此,面板数据可以更准确地刻画更为复杂的经济行为,具有更好的理论价值和应用价值。
按照模型中是否含有滞后项,又分为静态面板数据和动态面板数据,本指南将分别简介原理和Eviews操作方法。
(1) 静态面板数据简介
一般的静态面板数据模型的一般形式如下:
(1)
其中C为截距,Vit为误差项,i为截面下标,N表示截面的个数,t为时间下标,T表示时间序列的长度。面板数据由于同时含有了多个横截面数据,有时需要考虑不同横截面个体存在的特殊效应,其误差项被设定为:
(2)
其中αi代表个体效应,反映了不同个体之间的差别。
当个体效应为固定常数时,式(1)为固定效应模型,此时每个个体截面都有不同的截距项
,即其分布式与Xit是有关的,反映了该个体的固定效应,因此固定效应模型又称为相关效应模型,严格说来,这个名字更加准确。固定效应模型的形式为:
(3)
用矩阵表示为:
(4)
即,
Y=Dα+xβ+e (5)
当个体效应αi为随机变量时,式(5)为随机效应模型,此时其分布与Xit是无关的,因此随机效应相应又称为非相关效应模型,随机效应模型的形式为:
(6)
对于这两种模型,最长采用的估计方法为虚拟变量最小二乘法和广义最小二乘法。
(2)Eviews实现
① 录入数据
以A、B、C、D四家银行,2000-2010年十年的面板数据为例(变量为var1、var2):
② 单位根检验
各个变量必须同阶平稳,否则即使最终模型显著,也可能是“伪回归”。
③ 协整检验
④ 模型效应形式确定
此步中要检验模型是随机效应模型还是固定效应模型,思路是先建立随机效应模型,然后检验这种形式是否正确:
⑤ 模型建立
如果单位根检验是同阶平稳的,协整关系存在,并确定了模型的形式(随机或固定),则可以建立正式模型。