从现存的文献可以看出，面板数据模型(Panel Data model)自20世纪60年代提出以来，已成为现代计量经济学的一个重要分支，而其中的动态面板数据模型(Dynamic Panel Data Model)，正是这一分支的前沿和研究焦点。所谓动态面板数据模型，...
详细信息
从现存的文献可以看出，面板数据模型(Panel Data model)自20世纪60年代提出以来，已成为现代计量经济学的一个重要分支，而其中的动态面板数据模型(Dynamic Panel Data Model)，正是这一分支的前沿和研究焦点。所谓动态面板数据模型，是指通过在静态面板数据模型中引入滞后被解释变量以反映动态滞后效应的模型。这种模型的特殊性在于被解释变量的动态滞后项与随机误差组成部分中的个体效应相关，从而造成估计的内生性。正是这种内生性导致模型的估计和检验的困难。进一步，如何检验动态面板数据模型的内生结构突变，无疑是这一方向最为困难的问题。本文着重研究动态面板数据模型的估计与内生结构突变的检验问题，全文的研究工作和研究结论可以概括为以下几个方面：
(1)深入系统地解析了动态面板数据模型的估计偏误、主要的GMM估计方法与假设条件以及弱工具变量问题等，在此基础上，通过比较分析揭示了主要的GMM估计量的统计性质和适用条件，有偏性或弱有效的来源以及如何校正。我们的主要研究结果为：动态面板数据模型的各种估计方法，对于不同的数据类型，有着不同的适用性。系统GMM估计在大多数情况下，估计量具有最小的偏误，也最有效，但如果个体效应与异质性冲击的方差比非常小，特别是非常大时，估计量的偏误程度可能大于一阶差分的GMM估计结果；一阶差分GMM估计量的偏误程度随自回归系数趋近于1而显著增大，但其对方差比变化的敏感性较弱；水平方程的GMM估计对方差比变化的敏感性较大，在自回归系数较大时，估计量的偏误程度要小于一阶差分GMM估计；固定效应有偏估计量基础之上的偏误纠正方法，特别是Hansen(2001)的纠正方法，当模型中没有其他前定解释变量时，估计量的偏误程度最小，当模型中存在其他前定解释变量时，其估计量的有限样本性质相对较差。
(2)针对我国省际面板数据所能使用的横截面个数最大为31，而现有文献中，动态面板数据模型GMM估计量偏误的仿真实验研究所设计的截面数大都远远大于此个数，从而使我国学者在应用省际数据进行动态经济分析时，对估计量偏误程度不能较好度量的问题，考虑各种影响估计偏误的因素，本文设计和实现了相应的仿真实验，揭示了横截面个数N为30的情况下，三种代表性的动态面板数据模型GMM估计方法自回归系数估计量的偏误程度。基于仿真实验结果，在以我国省际面板数据进行动态模型分析时，本文建议：时间维度T的取值在10—15之间为宜；对于较小的自回归系数和较大的个体效应与异质性冲击的方差比，使用一阶差分GMM估计；个体效应与异质性冲击的方差比接近于1时，使用系统GMM估计；个体效应与异质性冲击的方差比较大时，自回归系数在接近于0．5时，使用向前正交离差GMM估计，在接近于1时，使用系统GMM估计；除非自回归系数和个体效应与异质性冲击的方差比都非常小，三种估计方法都不要使用所有潜在的工具变量，建议所选取的工具变量不要超过滞后4期。
(3)深入系统地阐述了动态面板数据模型结构突变的检验及估计问题，通过结构突变点前、后以及突变点处矩函数的变化，说明了模型如果确实存在着结构突变，忽略它，GMM方法估计量不但是有偏的而且是非一致的；重点介绍了Wachter(2004)的动态面板数据模型内生结构突变检验的理论框架，识别方法及其检验统计量的结构，讨论了其检验统计量的有限样本性质；使用Wachter(2004)的动态面板数据模型的内生结构突变识别方法，对中国通货膨胀惯性模型和居民消费函数模型进行未知结构突变检验，根据检验结果，使用系统GMM估计方法对模型参数进行估计，并同未考虑结构突变的估计结果进行了比较。
基于上述，全文的创新和意义为：(1)不同于现有文献，本文从数据生成过程对模型估计量的偏误性及有效性影响程度的角度出发，揭示了各种主要的动态面板数据模型估计方法的适用条件和估计量的统计性质；(2)本文设计并实现的仿真实验所使用的截面个数，为现有文献中对动态面板数据模型估计偏误仿真研究中最小的，其结果对于如何应用我国省际动态面板数据研究现实经济问题，具有针对性的意义；(3)系统地阐述了动态面板数据模型结构突变的检验及估计这一计量经济学的前沿问题，首次向国内引入允许模型的斜率系数及个体效应在未知时刻存在着结构突变，并且不约束后者的突变具有同质性的动态面板数据模型内生结构突变检验方法；(4)首次使用Wachter检验方法，对中国通货膨胀惯性和居民消费函数动态面板数据模型进行未知结构突变检验，结果显示两个模型都存在着显著的结构性变化，说明了在研究我国经济问题，进行计量分析时，对模型进行结构突变的检验，防止模型错误设定有着重要的意义。
暂无评论