截面与面板数据分析 · 经济学专业本科生课程

经典面板数据模型

Panel Data Models · Chapter 6.1

t=1 t=2 t=3 产业1产业2产业3产业4 同一批个体 × 多个时期 = 面板

多一个维度,就多一份"个体自身前后比"的信息

Agenda

本课地图

01

面板数据与模型设定

混合数据 vs 面板数据;四产业例子;分别回归、混合回归、SUR

P3–6
02

变截距模型:FE 与 RE

固定效应消掉不随时间变的个体差异;随机效应把截距当随机抽取

P7–9
03

Hausman 检验与变系数

FE 与 RE 怎么选;斜率也随个体变时怎么办

P10–11
一、面板数据

面板数据:同一批个体,多个时期

混合数据(pooled data)

把横截面和时间序列结合在一起:既跨个体又跨时期,但不要求各期是同一批个体。

面板数据(panel data)

混合数据的特例:各期观测来自同一批地区/公司/个人。个体在各期保持不变,于是可以做"自身前后"的比较。

为什么面板更有用 个体保持不变,使我们更容易比较"随时间发生的变动",并控制那些不随时间变化的个体特征——哪怕我们根本观测不到它们。这是面板相对截面的根本优势。

一、面板数据

一个贯穿全讲的例子与三种用法

数据 4 个产业(钢铁;橡胶塑料;石/陶瓷/玻璃制品;纺织)× 1980–2000 共 21 年。变量:Yit = i 产业第 t 年出口额(百万美元,不变价);EMPit = 就业人数(千人);OTMit = 平均每周加班小时。每个变量 84 个观测(4×21),且每期都是这 4 个产业 → 是面板。

分别回归

每个产业各跑一个回归(各 21 个观测)。缺点:错失跨产业信息,估计不够准。

混合回归

84 个观测一起跑,假设所有产业所有时期截距斜率都相同。缺点:假设太硬,现实不成立。

SUR 似不相关

允许各方程扰动项同期相关,用这种相关改善估计;三步:OLS 残差 → 估协方差 → GLS。估计一致。

SUR 的直觉 各方程扰动项的同期相关是有价值的信息:某年发生了影响不止一个产业的事件,没被任何自变量捕捉,只反映在扰动项里;SUR 利用它。

二、变截距模型

固定效应:给每个个体自己的截距

Yit = αi + β Xit + uit

截距 αi 随个体变、不随时间变;斜率 β 共同

实现:虚拟变量(LSDV)

4 个产业设 3 个虚拟变量(留基准),或者去掉常数项设 4 个。后者每个 αi 直接可读。注意别掉进虚拟变量陷阱。

为什么有用

αi 吸收了所有不随时间变化的个体差异,包括观测不到的。于是 β 只靠"个体内部随时间的变化"来识别。

快速判断 有截距项时,4 个产业最多放几个产业虚拟变量?

二、变截距模型
课堂互动

个体差异若与 X 相关:pooled 偏,FE 不偏

模拟 50 个体 × 5 期:Y = 1·X + αi + e,其中 αi 与个体 X 均值的相关程度由 γ 控制。拖动 γ,比较 pooled OLS 与 FE 的估计。

0 = 个体差异与 X 无关2 = 强相关
pooled OLS β̂—
FE (within) β̂—
真实 β1.00

—

FE 做了什么 对每个个体减去自己的时间均值(within 变换),αi 被消掉,只剩个体内部随时间的变化去识别 β。

模拟数据用于教学示意;每次拖动重新抽样,FE 也会有一点抽样波动,但不会随 γ 系统性跑偏。

二、变截距模型

随机效应:把截距当随机抽取

固定效应 FE 的世界观

个体截距的差异是确定的:每个产业有自己的特性。结论只对这 4 个产业成立。

随机效应 RE 的世界观

个体是从一个大总体里随机抽的,截距差异是随机变差,服从某个分布。结论想推广到总体。

RE 的代价 把个体截距与均值的差异并入扰动项后,扰动项与 X 可能相关 → 若 αi 与 X 相关,RE 不一致。RE 的高效建立在"αi 与 X 不相关"这个额外假设上。

何时用 RE 横截面单位是从大总体随机抽取、且想推断总体时;若横截面单位就是总体全部(如所有省份),FE 更自然。

三、Hausman与变系数

FE 还是 RE:Hausman 检验

真实模型 = RE真实模型 = FE(α 与 X 相关)
RE 估计量一致不一致
FE 估计量一致一致

检验的逻辑

FE 总是安全,但损失效率;RE 高效但可能不一致。若两者估计差异很小,说明 α 与 X 大概不相关,用高效的 RE;若差异显著,说明 RE 靠不住,用 FE。

假设与规则

H₀: RE 模型(α 与 X 不相关);H₁: FE 模型。统计量基于 FE 与 RE 估计量之差;不拒绝 H₀ 用 RE,拒绝 H₀ 用 FE。

实践提醒 Hausman 只是辅助;若研究目的本就是控制个体固有差异(因果识别),多数实证直接报 FE,把 RE 作稳健性。

三、Hausman与变系数

变系数模型:斜率也随个体变

Yit = αi + βi Xit + uit

截距与斜率都随个体变

若每个个体的截距和斜率都自由,模型就退化为分别回归:每个个体用自己的数据估自己的参数,跨个体的信息用不上。变系数模型通常在两者之间施加结构(如随机系数、或系数随可观测特征变化),在灵活与可估之间取平衡。

与"FE + 斜率虚拟变量"的关系:既加截距虚拟又加斜率虚拟,几乎等同于分别回归;区别在于前者是一个方程、要求扰动方差全样本相同,后者各方程方差可以不同。

小结
随堂练习

小结与随堂练习

这节课讲了什么

1 面板的价值

同一批个体跨期 → 自身前后比较 → 控制不随时间变的个体差异

2 三种设定

分别回归浪费信息;混合回归假设太硬;SUR 用跨方程扰动相关

3 FE vs RE

FE 消 αi 总安全;RE 高效但要求 αi 与 X 不相关;Hausman 辅助选择

4 FE 的代价

只用个体内部变化识别;不随时间变的变量效应估不出

✎ 判断与设计

用各省 2005–2020 年面板评估某政策对产出的影响。

请回答(点一下看提示):

+ ① 省份的地理位置这类不随时间变的因素,FE 能控制吗?
提示:能。α_i 吸收所有不随时间变的差异,无需观测
+ ② 想估计"是否沿海"对产出的效应,FE 行吗?
提示:不行。沿海不随时间变,在 within 变换中被消掉
+ ③ 样本就是全部 31 省,FE 与 RE 哪个更自然?
提示:FE。横截面单位是总体全部而非随机抽样
思政点睛

让每个个体
做自己 的对照

固定效应的哲学很朴素:与其和别人比,
不如和"昨天的自己"比。
中国丰富的省际、企业级 longitudinal 数据,正等待被这样善用。
经世济民,学以致用。

课后思考:下一讲动态面板会指出——当模型里加入滞后因变量时,FE 也会有偏(Nickell 偏差)。先猜一猜为什么"和自己比"这时也会出错。