书名：面板数据模型可混合性检验的理论研究 基于平稳、非平稳、截面相关及检验的视角
作者：徐凤
ISBN：978-7-5504-3835-4
出版社：西南财经大学出版社
出版日期：2019.10
面板数据方法将时间和截面两个维度的信息有机地结合起来,克服了传统时间序列分析所带来的多重共线性的困扰,从而提供更丰富的信息、更多的自由度、更高的估计效率以及更少的共线性。近年来,面板数据建模过程无论是在理论上还是在应用中都备受关注,得到了极大的发展,关于这方面的文献可谓极其丰富。即便如此,这一领域的研究仍存在许多不足之处,其中之一就是是否可混合(to pool or not topool)的问题。当前大部分的面板数据方法,均设定每一截面的结构完全一致,即可混合性假设。这一设定的好处就是当数据满足可混合性假设时,使用这些方法可以充分利用时间和截面两个维度的信息,从而增加数据的信息量,提高估计的精度和效率。但可混合性的设定太过严格,许多经济问题都存在不可混合性,若此时仍采用混合的方法,则会带来估计的严重偏差,进而导致错误的推断结果。因此,在进行估计和推断之前对数据进行可混合性(poolability)检验是面板数据建模中很重要的一个环节。在面板数据建模过程中可混合性检验有其特定的含义,而对于线性面板数据而言,可混合性检验往往集中于检验参数在每个截面间是否同质(或异质)。因此,在本书中可混合性检验指的就是参数的同质性检验。本书总结和梳理已有的可混合性检验方面的成果后发现,已有的研究主要存在以下两个缺陷:(1)检验水平被扭曲、检验功效低下;(2)截面相关面板、非平稳面板方面,可混合性检验还很缺乏。鉴于此,本书在截面相关和不相关、平稳和非平稳两大交叉框架下,对可混合性检验问题进行了较为全面和深入的探讨。此外,在系统地研究了可混合性检验之后,提出了截面相关性的一种检验方法。本书的研究是纯粹理论性质的探讨,主要集中于使用数理推导和随机模拟两种研究方法,分别探讨所提统计量的渐近性质和小样本表现。本书的结构安排如下:第1章为绪论,主要说明所研究的问题、背景以及研究意义;第2章进行文献综述,梳理已有的研究成果,主要包括:(1)面板数据在平稳与非平稳情形下的几种常用估计方法;(2)截面相关性(截面相关的影响、检验、设定)及参数估计问题;(3)不同类型的可混合性检验方法;第3章基于个体的拉格朗日乘数(LM)统计量,研究可混合性检验统计量的构造问题,并探讨新构造的检验统计量的大样本和局部渐近势,进行了随机模拟以考察有限样本下新检验统计量水平和势的表现,再将基于个体LM统计量的可混合性检验同Kapetanios(2003)的SPSM算法结合,提出了一个新型面板数据的分组方法;第4章将基于个体LM的思想扩展到了非平稳面板数据的可混合性检验中,研究了如何将第3章的思想用于非平稳面板数据;第5章研究截面相关情形下平稳面板数据的可混合性检验,将PCA(Principle Components Analysis,主成分分析)方法、CCE(Common Correlated Effects,相同相关效应)方法分别与基于个体LM的思想结合,尝试提出了一种截面相关条件下平稳面板数据可混合性检验的新方法;第6章研究截面相关情形非平稳面板数据的可混合性检验:首先在非平稳框架下分析截面相关对可混合性检验的影响,其次提出相应的可混合性检验统计量,最后从大样本和小样本方面考察其性质;第7章研究面板数据模型的截面相关检验以完善从截面不相关到截面相关的过渡环节;第8章总结并提出了一些值得今后进一步研究的问题。本书是关于面板数据的可混合性检验的研究,我们认为有以下几点创新:(1)在截面不相关条件下,基于面板数据的平稳与非平稳性,分别提出了相应的可混合性检验统计量:基于个体LM统计量的平稳面板数据可混合性检验统计量,将基于个体LM的思想与完全修正估计方法相结合的非平稳面板数据可混合性检验统计量,并对这两类检验统计量进行了理论和模拟分析,研究了其渐近性质和有限样本表现。结果显示,与已有研究成果相比较,我们所提出的两类检验统计量均具有较好的统计性质。(2)在截面相关条件下,从面板数据的平稳与非平稳性两种情况,分别构造了相应的可混合性检验统计量:估计并去掉共同成分后基于个体LM的平稳面板数据可混合性检验统计量和结合PCA和完全修正方法的非平稳面板数据可混合性检验统计量,并从理论和模拟分析两个方面考证了所提出的检验统计量的渐近性质和有限样本表现。结果显示,与已有研究成果相比较,笔者所提出的两类检验统计量均具有较好的统计性质。(3)在比较已有的面板模型的截面相关检验统计量优点与不足的基础上,提出了一个新的截面相关检验统计量,推导了其渐近性质,并考察了其在有限样本下水平和势的表现。这个新的统计量有着渐近的正态性且很好地避免了Pesaran(2004)的CD统计量检验势过低的情况,同时具有较好的水平表现。另外,我们还将基于个体LM的可混合性检验与SPSM算法结合提出一种新的面板数据分组方法。