面板数据模型的众多优势使它备受理论界和实务界的广泛重视。就我国而言,由于社会主义市场经济的历史较短,利用面板数据计量经济学研究我国的经济规律显得尤为重要和迫切。因此,面板数据的计量经济分析的研究具有重要的理论意义和应用价值。 本书分为五部分。第一部分较系统地讨论了静态面板数据线性回归模型和面板数据离散选择模型的模型设定、参数估计及其显著性检验;第二部分介绍了面板数据动态线性回归模型和面板数据向量自回归模型的相关理论及其应用;第三部分研究了面板数据单位根检验的理论方法;第四部分研究了面板数据的各种收敛理论、面板数据虚假回归问题和面板协整理论;第五部分介绍了本书需要的一些基础知识和前四部分中的一些Matlab程序。
第1章 面板数据计量经济分析概述
§1.1 面板数据及其应用研究
§1.2 静态面板数据计量经济学理论研究
§1.3 动态面板数据计量经济学理论研究
§1.4 面板数据的单位根检验研究
§1.5 面板数据的协整检验研究
第2章 面板数据及其回归模型
§2.1 面板数据
§2.2 面板数据回归模型
第3章 混合回归模型
§3.1 混合回归模型的估计
§3.2 混合回归模型的设定检验
§3.3 混合回归模型应用
第4章 固定效应模型
§4.1 个体固定效应模型
§4.2 时点固定效应回归模型
§4.3 时点个体固定效应回归模型
第5章 随机效应回归模型
§5.1 个体随机效应模型
§5.2 个体时间随机效应模型
§5.3 固定效应模型和随机效应模型设定检验
第6章 变系数回归模型
§6.1 似不相关回归模型(SUR)
§6.2 随机系数回归模型(RCR模型)
§6.3 面板数据随机系数模型
§6.4 时点个体随机系数模型(Hsiao模型)
第7章 动态面板数据回归模型
§7.1 自回归面板数据模型
§7.2 动态面板数据模型的估计
§7.3 存在外生变量的动态面板数据模型
§7.4 动态面板数据模型应用
第8章 面板数据的向量自回归模型
§8.1 个体固定效应面板数据向量自回归模型
8.1.1 面板数据向量自回归模型
8.1.2 模型假设
§8.2 PVAR模型的2SLS估计
8.2.1 模型识别
8.2.2 PVAR模型的GLS估计
8.2.3 个体固定效应PVAR模型的2SLS估计
§8.3 PVAR(1)模型
8.3.1 PVAR(p)模型
8.3.2 随机效应PVAR(1)模型的QML估计
8.3.3 固定效应PVAR(1)模型的GMM估计
第9章 离散选择面板数据模型
§9.1 面板数据的二元选择模型
§9.2 随机效应离散选择模型
第10章 面板单位根检验综述
§10.1 纵剖面独立的面板单位根检验及其应用
§10.2 时间序列同期相关的面板单位根检验及其应用
§10.3 因素分解模型的面板单位根检验及其应用
§10.4 时间序列协整的面板单位根检验及其应用
§10.5 结构突变的面板单位根检验
§10.6 面板单位根检验理论研究的文献概述
第11章 面板数据的渐近理论
§11.1 序贯极限和联合极限
§11.2 一类特殊的序贯极限和联合极限
§11.3 面板数据的泛函中心极限定理
第12章 纵剖面时间序列独立的面板单位根检验
§12.1 同质面板的单位根检验
12.1.1 LL检验
12.1.2 LLC检验
§12.2 异质面板的单位根检验
12.2.1 IPS检验
12.2.2 组合p值检验
§12.3 t-bar-GLS检验
12.3.1 GLS退势
12.3.2 t-bar-GLS统计量
12.3.3 t-bar-GLS检验的小样本性质
§12.4 Smith的面板单位根检验
§12.5 面板数据单位检验应用
第13章 纵剖面时间序列相关的面板单位根检验
§13.1 SUR-ADF单位根检验
13.1.1 AJ检验(Abuaf-Jorion检验)
13.1.2 SUR-DF检验
13.1.3 MADF检验
13.1.4 FPS检验
§13.2 SUR-ADF-GLS检验
13.2.1 SUR-ADF-GLS检验
13.2.2 SUR-ADF-GLS检验的小样本性质
§13.3 自举推断方法
13.3.1 自举推断
13.3.2 Maddala和Wu的自举检验
§13.4 面板单位根K检验
13.4.1 模型与假设
13.4.2 面板单位根K检验
13.4.3 统计量的渐近分布
13.4.4 自举K检验
13.4.5 自举K检验的小样本性质
§13.5 误差分量模型的面板单位根检验
13.5.1 误差分量模型的IPS检验
13.5.2 二维误差分量模型的单位根检验
§13.6 因子分析模型的面板单位根检验
13.6.1 PANIC检验
13.6.2 PANIC单位根检验的小样本性质
13.6.3 MP检验
§13.7 面板单位根的SN检验
13.7.1 模型设定与假设
13.7.2 时间序列的工具变量估计的t统计量
13.7.3 面板单位根的SN检验
13.7.4 面板SN检验的小样本性质
§13.8 纵剖面序列协整的面板单位根检验
13.8.1 面板纵剖面序列协整对LL检验的影响.
13.8.2 面板单位根检验推断PPP不可靠
13.8.3 ILR检验
第14章 面板数据的协整检验
§14.1 面板数据协整检验研究综述
14.1.1 面板协整检验的理论研究
14.1.2 面板协整检验的应用研究
§14.2 面板数据的虚假回归
14.2.1 模型和假设
14.2.2 序贯极限下常见统计量的渐近分布
§14.3 基于残差的面板数据协整检验
14.3.1 同质面板数据的协整检验
14.3.2 异质面板数据的协整检验
§14.4 异质面板数据的LR-bar协整检验
14.4.1 异质面板数据的LR-bar统计量
14.4.2 LR-bar统计量的渐近分布
§14.5 面板数据协整检验的小样本性质比较
14.5.1 数据生成系统
14.5.2 蒙特卡洛模拟结果
§14.6 PVEC模型与协整检验
14.6.1 PVEC模型
14.6.2 PVEC模型的协整假设
14.6.3 PVEC模型协整向量的极大似然估计
14.6.4 PVEC模型的协整检验统计量IR及其渐近分布.
14.6.5 PVEC模型协整检验LR统计量的小样本性质
§14.7 存在协整关系零假设的协整检验
14.7.1 模型与假设
14.7.2 LM统计量及其渐近分布
§14.8 面板数据协整检验的应用
附录A 线性代数基础
附录B 概率论与数理统计基础
附录C 广义矩估计
附录D BretLseh和Pagan的LM统计量计算程序
附录E Hansman检验程序(cp_ip.prg)
附录F t-bar-GLS检验小样本性质的Matlab程序
附录G SUR-ADF-GLS检验的蒙特卡洛模拟程序
参考文献
后记
第1章 面板数据计量经济分析概述
随着经济现象的复杂化和经济学理论的深化,单纯应用截面数据或时间序列数据来检验经济理论、寻找经济规律和预测经济趋势存在着一定的偏差,为了进一步发挥计量经济学的作用,1968年以来,计量经济学家开始关注面板数据。目前,面板数据计量经济分析已经成为计量经济学研究的重要分支之一。
1.1 面板数踞及其应用研究
所谓面板数据(panel data)是指由变量Y关于N个不同对象的.五个观测期所得到二维结构数据,记为Yit,其中,i表示N个不同对象(如国家、地区、行业、企业或消费者等,本书称之为第i个个体),t表示T个观测期。本书将第i个对象的T期观测时间序列,称为面板数据的第i个纵剖面时间序列;将第t期N个对象的截面数据称为面板数据的第t期横截面。
早在1968年,为了研究美国的贫困特征及其原因,密西根大学社会科学研究所建立了研究收入动态行为的面板数据PSID(Panel Stuay of Income Dynamics),俄亥俄州立大学人力资源研究中心开发了国家劳动力市场长期调查面板数据NLS(National Longitudinal Surveys of Labor Market Experience)。之后,美国又相继建立了面板数据LRHS(Longitudinal Retirement History Study)、CPS(Current Population Survey)和HRS(Health Retirement Study)。1989年德国建立了德国社会经济面板数据集GSOEP(German Socio—Economic Panel),1993年加拿大建立了加拿大劳动力收入动态调查面板数据CSLID(Canadian Survey of。Labor Income Dynamics),2002年,欧共体统计办公室建立了欧共体家庭面板数据ECHP(European CommunityHouseholdPanel)。Borus(1982)、Wagner(1993)和Peracchi(2002)等西方经济学家应用这些微观面板数据对微观经济学、发展经济学和劳动经济学等众多经济学的热点问题进行了广泛研究。近年来,应用宏观面板数据研究宏观经济问题的文献也层出不穷。例如,在国际金融学领域,Chinn与Johnston(1996)和MacDonald与Nagayasu(2000)等使用一些国家宏观面板数据检验购买力平价理论(PPP),研究实际汇率决定问题;在世界经济学领域,Michael与Ralf(2003)和Jansen(2000)等应用宏观面板数据研究国际资本流动问题、东欧转型经济国家的出口变化和经济增长问题以及欧美国家的失业问题;在发展经济学中,Strauss(2000)、Nerlove(2002)和Migue(2002)分别应用面板数据的计量经济学方法研究经济系统经济增长的决定因素和经济增长收敛理论等等。