python面板数据模型操作步骤_面板数据分析方法步骤全解「终于解决」

面板数据分析方法步骤全解

yonglee

, May 5 16:16 ,

文档资料

»

数据挖掘

,

评论

(0)

,

引用

(0)

,

阅读

(35079)

,

本站原创

面板数据分析方法步骤全解

(2009-11-07 11:50:38)

转载标签：面板数据

步骤一：分析数据的平稳性(单位根检验)

按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非

平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，

此时，对这些数据进行回归，尽管有较高的

R

平方，但其结果是没有任何实际意义的。这

种情况称为称为虚假回归或伪回归(

spurious regression

)。他认为平稳的真正含义是：一

个时间序列剔除了不变的均值(可视为截距)

和时间趋势以后，剩余的序列为零均值，

同方

差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都

无。

因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。

而检验数据平稳性最常用的办法就是单位根检验。

首先，

我们可以先对面板序列绘制时序图，

以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和

(或)

截距项，

从

而为进一步的单位根检验的检验模式做准备。

单位根检验方法的文献综述：在非平稳的面板数据渐进过程中

,Levin andLin(1993)

很早就

发现这些估计量的极限分布是高斯分布

,

这些结果也被应用在有异方差的面板数据中

,

并建

立了对面板单位根进行检验的早期版本。后来经过

Levin et al. (2002)

的改进

,

提出了检验面

板单位根的

LLC

法。

Levin et al. (2002)

指出

,

该方法允许不同截距和时间趋势

,

异方差和高

阶序列相关

,

适合于中等维度

(

时间序列介于

25

～

250

之间

,

截面数介于

10

～

250

之间

)

的面

板单位根检验。

Im et al. (1997)

还提出了检验面板单位根的

IPS

法

,

但

Breitung(2000)

发

现

IPS

法对限定性趋势的设定极为敏感

,

并提出了面板单位根检验的

Breitung

法。

Maddala

and Wu(1999)

又提出了

ADF-Fisher

和

PP-Fisher

面板单位根检验方法。

由上述综述可知，可以使用

LLC

、

IPS

、

Breintung

、

ADF-Fisher

和

PP-Fisher5

种方

法进行面板单位根检验。

其中

LLC-T

、

BR-T

、

IPS-W

、

ADF-FCS

、

PP-FCS

、

H-Z

分别指

Levin, Lin & Chu t*

统计量、

Breitung t

统计量、

lm Pesaran & Shin W

统计量、

ADF- Fisher Chi-square

统计

量、

PP-Fisher Chi-square

统计量、

Hadri Z

统计量，并且

Levin, Lin & Chu t*

统计量、

Breitung t

统计量的原假设为存在普通的单位根过程，

lm Pesaran & Shin W

统计量、

ADF-

Fisher Chi-square

统计量、

PP-Fisher Chi-square

统计量的原假设为存在有效的单位根过

程，

Hadri Z

统计量的检验原假设为不存在普通的单位根过程。

有时，为了方便，只采用两种面板数据单位根检验方法，即相同根单位根检验

LLC

(

Levin-Lin-Chu

)检验和不同根单位根检验

Fisher-ADF

检验(注：对普通序列(非面板序

列)的单位根检验方法则常用

ADF

检验)，如果在两种检验中均拒绝存在单位根的原假设

则我们说此序列是平稳的，反之则不平稳。

如果我们以

T

(

trend

)代表序列含趋势项，以

I

(

intercept

)代表序列含截距项，

T&I