面板数据集合了时间序列数据和截面数据,为模型提供大量的数据点,由此增加了模型的自由度并减少模型解释变量之间共线性^[1-2]。面板数据模型的研究讨论在计量经济学与统计学中是一个热点问题并具有广泛应用前景。模型选择方法作为统计学研究的重要问题之一,可以运用该方法解决统计学及其他学科的实际问题,而模型选择方法较为关键的一步为变量的选择。统计学中常用信息理论方法优选模型变量,例如AIC信息准则、AICc信息准则、c AIC信息准则、C_P准则等均在模型选择中发挥了重要作用。因此本文基于信息理论方法研究面板数据模型变量选择问题具有重要的研究意义。本文前三章介绍了面板数据模型及信息理论相关方法,统计模型选择预测效果优劣常用的判别指标。第四章结合模型选择信息理论中的AIC信息准则和AICc信息准则研究面板数据模型中的混合效应模型,固定效应模型两种模型的基本性质并求出相应的信息准则表达式。通过MATLAB数值模拟比较两种信息准则的选对真实模型准确率大小,选择误差平方和来比较模型拟合效果优劣,模拟结果显示:AICc信息准则的选对真实混合效应模型及固定效应模型准确率高于AIC信息准则的真实模型准确率;误差平方和结果显示AICc信息准则的模型拟合效果优于AIC信息准则模型拟合效果。由此得出结论:基于AIC和AICc两种信息准则的面板数据混合效应模型和固定效应模型选择中,AICc信息准则的效果优于AIC信息准则,可以将该模型选择方法应用到实际问题中。结合c AIC信息准则讨论面板数据随机效应模型变量选择,通过MATLAB数值模拟讨论模型的拟合效果,模拟结果显示:c AIC信息准则方法选择的模型拟合效果优于全模型。因此,基于信息理论的方法选择面板数据模型变量可以得到较好的效果。第五章主要研究我国技术创新对经济增长的影响,分析结果显示:在此实证分析中基于AICc信息准则选择个体固定效应模型变量的均方误差和误差平方和的拟合效果均优于全模型效果。因此,基于信息理论的模型选择方法选择出我国技术创新对经济增长影响的解释变量可以提高模型的拟合效果。