论文部分内容阅读
在经典的线性计量经济学模型中,所利用的数据有两个基本特征:一是在模型中,要么只利用时间序列数据,要么只利用截面数据;二是作为被解释变量的样本观测值必须是连续的,且与随机误差项同分布。实际上,仅利用时间序列数据或者只利用截面数据,经常不能满足经济分析的需要,而需要同时利用时间序列数据和截面数据,即面板数据(PanelData)。所谓Panel Data(或者Longitudinal Data)一般译成“板面数据”、“面板数据”,按照比较权威的理解,是用来描述一个总体中给定样本在一段时间的情况,并对样本中每一个样本单位都进行多重观察。这种多重观察既包括对样本单位在某一时期(时点)上多个特性进行观察,也包括对该样本单位的这些特性在一段时间的连续观察,连续观察将得到数据集称为面板数据。最早是 Mundlak (1961)、Balestra 和 Nerlove (1966)把Panel Data引入到经济计量中。近年来面板数据模型在经济研究领域获得了广泛运用,面板数据模型在经济研究中的发展得益其在关于社会事实的观察数据(非实验数据)分析方面提供了全面的研究视角,在建构社会因素因果联系方面发挥了重要作用。相对于只用截面数据和只利用时间序列数据进行经济分析而言,面板数据模型可以控制个体行为差异;能够提供更多信息、更多变化性、更少共线性、更多自由度和更高效率;并且能够更好地研究动态调节等。Panel Data模型的独特结构为经济学定量研究的核心问题-因果关联的建构提供了不可或缺的分析工具。本文从面板数据的定义和作用开始,详细介绍了面板数据模型的基本思想,进而对面板数据模型的检验、估计进行了概述,同时将ARCH建模思想引入面板数据模型,涉足一个全新的研究领域,介绍了该模型一些基本思路和方法。本论文应用面板数据模型考察了我国1998-2004年30个省、自治区、直辖市住宅价格与宏观经济变量的关系。进一步用面板数据自回归条件异方差模型对我国1991-2006年深圳股票市场的“周内效应”进行了研究,发现深圳股市在1991-2006年里并没有显著的正的“周五效应”,但在1991-1998年和1999-2006年这两个时间段里,深圳股市的“周内效应”存在显著差异。全篇论文的结构安排如下:
第一章,扼要地介绍了面板数据的定义和作用,伴随着经济理论,包括宏观经济理论和微观经济理论、计算机技术和统计方法的发展,Panel Data在经济学领域的应用逐渐被经济计量学家推广。
第二章,分两节对面板数据模型进行了概述,第一节介绍了面板数据模型的形式分为动态模型和静态模型,然后对模型的设定方法——协方差分析法进行了介绍;第二节主要介绍面板数据模型的估计方法,对于固定影响面板数据模型,我们一般用最小二乘虚拟变量(LSDV)法和分块回归法;对随机影响面板数据模型一般用广义最小二乘法(GLs)和ML估计,对于不平衡数据我们可以对数据进行处理后再用上述方法。
第三章,将ARCH建模思想引入面板数据模型,涉足一个全新的研究领域,介绍了一些基本思路和方法。对面板数据 ARCH 模型的研究背景,以及面板数据 ARCH 模型基本假设,理论推导和模型的检验与估计作了详细介绍,文章采用了F检验检验是否存在个体影响,利用最小二乘法或虚拟变量最小二乘法估计的残差平方检验 ARCH 效应,应用极大似然估计方法估计面板数据自回归条件异方差模型族的参数。目前有关面板数据自回归条件异方差的研究工作国内外尚处于初始阶段。
第四章,对面板数据模型和面板数据自回归条件异方差模型进行了实证研究。基于面板数据的模型(panel data model)能解决只利用截面数据或者只利用时间序列数据不能解决的一些问题。本章考察了我国1998-2004年30个省、自治区、直辖市住宅价格与宏观经济变量的关系。通过面板数据模型分析,得出人均收入和就业率等的变动对我国住宅价格变动有显著性影响,同时不同省市间也有很大的差异。面板数据 ARCH 模型族方面的研究在国内外仍处于起始阶段,相关文献较少。Rodolfo Cermeno和Kevin B.Grier在2003年讨论并提出了pooling panelGARCH模型,给出了计算和模拟结果,为我们进一步研究面板数据ARCH族模型提供了一些思路。任燕燕(2002)也曾对面板数据ARCH建模进行了理论研究,没有进行实证分析。因此,面板数据ARCH模型的实证研究也是在摸索间段。本章第二节用面板数据自回归条件异方差模型对我国1991-2006年深圳股票市场的“周内效应”进行了研究,发现深圳股市在1991-2006年里并没有显著的正的“周五效应”,但在1991-1998年和1999-2006年这两个时间段里,深圳股市的“周内效应”存在显著差异。