面板數據分析方法步驟全解

yonglee

,?May?5?16:16?,

文檔資料

?

數據挖掘

,

評論

(0)

,

引用

(0)

,

閱讀

(35079)

,

本站原創

面板數據分析方法步驟全解

(2009-11-07?11:50:38)

轉載標簽：面板數據

步驟一：分析數據的平穩性(單位根檢驗)

按照正規程序，面板數據模型在回歸前需檢驗數據的平穩性。李子奈曾指出，一些非

平穩的經濟時間序列往往表現出共同的變化趨勢，而這些序列間本身不一定有直接的關聯，

此時，對這些數據進行回歸，盡管有較高的

R

平方，但其結果是沒有任何實際意義的。這

種情況稱為稱為虛假回歸或偽回歸(

spurious?regression

)。他認為平穩的真正含義是：一

個時間序列剔除了不變的均值(可視為截距)

和時間趨勢以后，剩余的序列為零均值，

同方

差，即白噪聲。因此單位根檢驗時有三種檢驗模式：既有趨勢又有截距、只有截距、以上都

無。

因此為了避免偽回歸，確保估計結果的有效性，我們必須對各面板序列的平穩性進行檢驗。

而檢驗數據平穩性最常用的辦法就是單位根檢驗。

首先，

我們可以先對面板序列繪制時序圖，

以粗略觀測時序圖中由各個觀測值描出代表變量的折線是否含有趨勢項和

(或)

截距項，

從

而為進一步的單位根檢驗的檢驗模式做準備。

單位根檢驗方法的文獻綜述：在非平穩的面板數據漸進過程中

,Levin?andLin(1993)

很早就

發現這些估計量的極限分布是高斯分布

,

這些結果也被應用在有異方差的面板數據中

,

并建

立了對面板單位根進行檢驗的早期版本。后來經過

Levin?et?al.?(2002)

的改進

,

提出了檢驗面

板單位根的

LLC

法。

Levin?et?al.?(2002)

指出

,

該方法允許不同截距和時間趨勢

,

異方差和高

階序列相關

,

適合于中等維度

(

時間序列介于

25

～

250

之間

,

截面數介于

10

～

250

之間

)

的面

板單位根檢驗。

Im?et?al.?(1997)

還提出了檢驗面板單位根的

IPS

法

,

但

Breitung(2000)

發

現

IPS

法對限定性趨勢的設定極為敏感

,

并提出了面板單位根檢驗的

Breitung

法。

Maddala

and?Wu(1999)

又提出了

ADF-Fisher

和

PP-Fisher

面板單位根檢驗方法。

由上述綜述可知，可以使用

LLC

、

IPS

、

Breintung

、

ADF-Fisher

和

PP-Fisher5

種方

法進行面板單位根檢驗。

其中

LLC-T

、

BR-T

、

IPS-W

、

ADF-FCS

、

PP-FCS

、

H-Z

分別指

Levin,?Lin?&?Chu?t*

統計量、

Breitung?t

統計量、

lm?Pesaran?&?Shin?W

統計量、

ADF-?Fisher?Chi-square

統計

量、

PP-Fisher?Chi-square

統計量、

Hadri?Z

統計量，并且

Levin,?Lin?&?Chu?t*

統計量、

Breitung?t

統計量的原假設為存在普通的單位根過程，

lm?Pesaran?&?Shin?W

統計量、

ADF-

Fisher?Chi-square

統計量、

PP-Fisher?Chi-square

統計量的原假設為存在有效的單位根過

程，

Hadri?Z

統計量的檢驗原假設為不存在普通的單位根過程。

有時，為了方便，只采用兩種面板數據單位根檢驗方法，即相同根單位根檢驗

LLC

(

Levin-Lin-Chu

)檢驗和不同根單位根檢驗

Fisher-ADF

檢驗(注：對普通序列(非面板序

列)的單位根檢驗方法則常用

ADF

檢驗)，如果在兩種檢驗中均拒絕存在單位根的原假設

則我們說此序列是平穩的，反之則不平穩。

如果我們以

T

(

trend

)代表序列含趨勢項，以

I

(

intercept

)代表序列含截距項，

T&I

總結

以上是生活随笔為你收集整理的python面板数据模型操作步骤_面板数据分析方法步骤全解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。