对面板数据模型中的一些理解
来源:互联网 发布:淘宝直播在哪里开通 编辑:程序博客网 时间:2024/06/14 15:40
一、我对几种面板数据模型的理解
1 混合效应模型
yit=c+bxit+ᵋit
2 固定效应模型fixed-effect model
yit=ai+bxit+ᵋit
yit=a+ui+bxit+ᵋit
3 变系数模型Variable Coefficient Models(变系数也分固定效应和随机效应)
yit=ui+bixit+ᵋit
本来随机效应的假设就是我们的样本从一个很大的母体抽取,所以大家的期望(均值)相同;如果我们的样本几乎是全部母体了,我们就不能说个体的差异是随机的,所以固定效应比较好;这是从模型的设定角度说的。但是随机效应模型有一个致命的硬伤,就是假设cov(x,ui)=0,而固定效应不要求这个假设,Hausman检验所做的工作就是检验一下这个假设对随机效应模型来说是不是成立,如果不成立,随即效应模型的估计是有偏的,即使采用B-P的LM检验表明存在随机效应,你也没有办法用了。
总结:检验固定效应是否显著,采用F检验(对比模型是pooled);检验随机效应是否显著,采用LM检验(对比模型也是pooled);检验固定和随机哪个更适用,采用Hausman检验(对比fe和be)。
1 用eviews可以检验面板数据适用于混合估计法还是固定效应法
2 然后再进行豪斯曼检验,确定是用固定效应模型还是随机效应模型
三、是选择固定效应模型,还是随机效应模型的Hausman test
C 根据随机效应模型有效构造的统计量W服从自由度为k-1的有限卡方分布。即var(b-b)=var(b)-var(b)=W
四、处理异方差问题
实际上,在处理面板数据线性回归时,主要考虑固定效应模型与pooled OLS的异方差问题。因为随机效应模型使用GLS估计,本身就已经控制了异方差。
GLS(广义最小二乘法)是一种常见的消除异方差的方法.它的主要思想是为解释变量加上一个权重,从而使得加上权重后的回归方程方差是相同的.因此在GLS方法下我们可以得到估计量的无偏和一致估计,并可以对其进行OLS下的t检验和F检验.
- 对面板数据模型中的一些理解
- 理解数据模型
- 个人对sparse在神经网络学习中的一些理解
- 对MapReduce一些理解
- 理解BW数据模型 - 主数据模型
- 对Java同步一些理解
- 对一些概念的理解
- 对Java同步一些理解
- 对Jazz的一些理解
- 对Java同步一些理解
- 对鼠标的一些理解
- 对Java同步一些理解
- 对委托的一些理解
- 对递归的一些理解
- 对Java同步一些理解
- 对零点的一些理解
- 对c++的一些理解
- 一些对二插树的理解
- laravel5.2 发邮件
- ANR 原理与实战技巧
- Android Studio Bmob学生答题考试系统
- 画图
- 移动端touch事件 -- 上拉加载更多
- 对面板数据模型中的一些理解
- CCF 历年真题之分蛋糕(_1703_1_Cake.java)参考答案
- POJ2987-Firing(最大权闭合图)
- 开始学习java。。
- Jenkins打包时 wget war包403报错
- PRML Notes-Chapter1 Introduction(1.1,1.3,1.4)
- python学习之 字符串前'r'的用法
- CodeForces
- Linux文件---标准IO概述