动态面板数据模型.ppt

动态面板数据模型 动态面板数据模型的意义是，能够揭示被解释变量的动态变化特征。 动态面板数据模型的一般形式： 在（1）式中，ui为非观测截面个体效应。 动态面板数据模型的估计，通常采用广义矩方法（GMM）。 1、差分GMM(DIF-GMM) Arellano和Bond(1991)提出了DIF-GMM估计方法，通过对（1）式进行差分，消除由于未观测到的截面个体效应造成的遗漏变量偏误。 由（1）式知，yit-1是εit-1的函数，因此（2）式中的 与 是相关的。在估计（2）式时，就需引入 的工具变量。 DIF-GMM估计中的工具变量 从第3期开始，需要为Δyit-1设定工具变量。在DIF-GMM估计中， Δyit-1的工具变量是这样设定的： 在第3期，yi1是Δyi3的工具变量； 在第4期，yi1和yi2是Δyi4的工具变量； 在第5期，yi1、yi2和yi3是Δyi5的工具变量； 依次类推。 外生解释变量同样作为工具变量。 DIF-GMM在stata中的操作 1、估计。在设定面板数据完毕后，输入 xtabond y x1 x2 x3 2、检验。 （1）过度识别约束检验（检验工具变量是否有效） estat sargan （2）检验误差项的序列相关 estat abond 2、系统GMM(SYS-GMM) DIF-GMM存在着一些缺陷。比如，差分时，不仅消除了非观测截面个体效应，而且也消除了不随时间变化的其他变量。还有，DIF-GMM估计量很多时候并非有效估计量（方差最小）。 Arellano和Bover(1995)以及Blundell和Bond(1998)在DIF-GMM估计的基础上，引入被解释变量差分的滞后项与随机误差项正交这个矩条件，得到SYS-GMM（系统GMM）。 SYS-GMM在stata中的操作 在对面板数据进行设定之后，输入 xtdpdsys y x1 x2 x3 * * （1） （2）