《管理研究方法07-计量经济学方法new(二)》由会员分享，可在线阅读，更多相关《管理研究方法07-计量经济学方法new(二)（53页珍藏版）》请在金锄头文库上搜索。
1、管理研究方法（管理研究方法（7）-计量经济学方法（二）计量经济学方法（二）主要参考书目主要参考书目教材：教材：美美古扎拉蒂（古扎拉蒂（Damodar N.Gujarati）著）著: 计量计量经济学经济学(Basic Econometrics),第四版第四版,中译中译本，林少宫译，中国人民大学出版社，本，林少宫译，中国人民大学出版社，2006。新版本：古扎拉蒂（新版本：古扎拉蒂（Damodar N.Gujarati）著）著: 计量经济学计量经济学(Basic Econometrics),第五版第五版,中译本，费剑平译，中国人民大学出版社，中译本，费剑平译，中国人民大学出版社，2012。其他参考书
2、目其他参考书目:1.1.易丹辉易丹辉主编主编,数据分析与数据分析与EViews应用应用,中国人民大学中国人民大学出版社出版社,2008年年10月。月。2.2.马庆国：马庆国：管理统计管理统计-数据获取、统计原理、数据获取、统计原理、SPSSSPSS工具与应用研究工具与应用研究，科学出版社，科学出版社，20062006。主要内容主要内容计量经济学专题（计量经济学专题（1）-多重共线性与异方差性问题多重共线性与异方差性问题计量经济学专题（计量经济学专题（2）-自相关、自回归及分布滞后自相关、自回归及分布滞后计量经济学专题（计量经济学专题（3）-虚拟变量回归问题虚拟变量回归问题计量经济学专题（计量经
3、济学专题（4）-联系方程组方法联系方程组方法计量经济学专题（计量经济学专题（5）-面板数据模型及其估计面板数据模型及其估计因子分析、主成份分析、聚类分析因子分析、主成份分析、聚类分析 一、一、多重共线性与异方差性问题多重共线性与异方差性问题 放宽古典模型的假设放宽古典模型的假设- 多重共线性（多重共线性（multi-collinearity）问）问题题- 异方差性（异方差性（heteroscedasticity）问题）问题1. 多重共线性问题多重共线性问题 多重共线性的例子多重共线性的例子例例1：消费：消费收收入的例子入的例子例例2：农民消费与农业产值：农民消费与农业产值多重共线性的程度多重共
4、线性的程度- pp 313 多重共线性的原因多重共线性的原因：-pp313 - 数据采集方法和范围数据采集方法和范围- 模型或总体受到约束模型或总体受到约束- 模型设定模型设定- 过度决定的模型（样本信息过于集中）过度决定的模型（样本信息过于集中）-cont多重共线性的实质多重共线性的实质 - 样本样本(间间)的回归现象的回归现象1x1+2x2+ +kxk=0 其中其中:1,2, ,k为一组不同时为零的数为一组不同时为零的数多重共线性的后果多重共线性的后果-理论后果和实际后果：理论后果和实际后果：p316-321p316-321 标准误差将随着变量间的共线程度的增大而增大标准误差将随着变量间的
5、共线程度的增大而增大由于标准误差较大由于标准误差较大, 会使有关的总体参数的置信会使有关的总体参数的置信区间更大。区间更大。如果存在高度共线性如果存在高度共线性, 则样本数据可能与各种不则样本数据可能与各种不同的假设相容同的假设相容, 因此接受错误假设因此接受错误假设(犯第二类错误犯第二类错误)的的概率增大了。概率增大了。-cont 在不完全的多重共线性下，回归系数的估计是在不完全的多重共线性下，回归系数的估计是可能的，但其估计量及其标准差非常敏感。可能的，但其估计量及其标准差非常敏感。例子例子pp 321 , 323 如果是高度多重共线的，可能得出较高的如果是高度多重共线的，可能得出较高的R
6、2值，值，但几乎没有一个估计的回归系数在统计上是显著但几乎没有一个估计的回归系数在统计上是显著的。的。多重共线性的检测（发现）多重共线性的检测（发现）: pp325 -328 经验判断经验判断：a. 估计的回归系数无法解释；估计的回归系数无法解释；b. R2值很高或者值很高或者p ，但几乎所有偏，但几乎所有偏回归系数的回归系数的 t-检验在统计上是不显著的；检验在统计上是不显著的；-cont c. 偏回归系数的估计值大小及符号与常识不符；偏回归系数的估计值大小及符号与常识不符；d. 专业知识上可以肯定对因变量的影响因素，但在专业知识上可以肯定对因变量的影响因素，但在多元回归中却不能纳入方程；多
7、元回归中却不能纳入方程；e. 去掉一两个变量或样本观测值，方程的回归系数去掉一两个变量或样本观测值，方程的回归系数值发生剧烈变动，非常不稳定。值发生剧烈变动，非常不稳定。可以可以考察解释变量间的判定系数考察解释变量间的判定系数R2, 如果只有两个自如果只有两个自变量，考察他们之间的简单相关系数即可判断。变量，考察他们之间的简单相关系数即可判断。 如果如果 r 较大，则一般是共线的。较大，则一般是共线的。如果如果R2值较高而偏相关系数较低值较高而偏相关系数较低，则可能存在多重共，则可能存在多重共线性；其中的一个或多个变量可能是多余的。线性；其中的一个或多个变量可能是多余的。-cont 可可将模型
8、中的每一个变量将模型中的每一个变量xi对其它的变量进行回归对其它的变量进行回归，求出相应，求出相应的可决系数的可决系数Ri2。如果某个。如果某个Ri2较高，则表明该变量与其它变量是较高，则表明该变量与其它变量是高度相关的。只要不导致严重的设定偏倚，可将其从模型中剔高度相关的。只要不导致严重的设定偏倚，可将其从模型中剔除。除。 逐步回归法逐步回归法：将：将Y 分别与分别与Xi进行回归：进行回归： - 有用的变量：有用的变量：R2大，大，t-检验显著检验显著 - 多余的变量：多余的变量：R2变化不大，其他系数无影响变化不大，其他系数无影响 - 可能重要的变量：可能重要的变量：R2变化大，其他系数及
9、符号均发生变化变化大，其他系数及符号均发生变化 检测共线性的统计指标检测共线性的统计指标： pp327-328 -本征值（本征值（eigenvalues）与病态指数（）与病态指数（condition index） 经验规则：经验规则：k在在1001000之间，就算有中等强度的多重共线性；之间，就算有中等强度的多重共线性；-cont 如果如果k大于大于1000，就算有严重的多重共线性，就算有严重的多重共线性. 或者：或者：CI在在10-30之间，就算有中等强度的多重共线性；如果之间，就算有中等强度的多重共线性；如果CI大于大于30，就算有，就算有严重的多重共线性！严重的多重共线性！ -容许度（容
10、许度（tolerrance）与方差膨胀因子（）与方差膨胀因子（variance inflating factor） 经验规则经验规则： VIFj值越大，变量值越大，变量xj共线性可能性越大。共线性可能性越大。 如果一个变量的如果一个变量的VIFj值超过值超过10，则该变量是高度共线的。，则该变量是高度共线的。 用容许度来检测多重共线性：用容许度来检测多重共线性： 如果如果Xj与其他回归元无关，则与其他回归元无关，则TOLj=1;如果如果Xj与其他回归元完全相与其他回归元完全相关，则关，则TOLj=0。如何避免多重共线性问题如何避免多重共线性问题 补救措施补救措施 利用额外的或先验的信息利用额外
11、的或先验的信息合并截面数据和时间序列数据（并用）合并截面数据和时间序列数据（并用）剔除（某个高度共线的）变量和设定偏倚剔除（某个高度共线的）变量和设定偏倚变换数据变换数据增加样本观测值或补充新的数据增加样本观测值或补充新的数据主成分分析主成分分析差分模型或增长率模型差分模型或增长率模型岭回归方法岭回归方法- 例题（略）例题（略）2. 异方差性（异方差性（heteroscedasticity） 问题的提出问题的提出- 不满足统计假设中的随机扰动项同方差不满足统计假设中的随机扰动项同方差同方差（同方差（homo-scedasticity）：）：E（ui2 ）=2 异方差（异方差（heter-sce
12、dasticity）：）：E（ui2 ）=i2 - 实际经济问题的同方差假定不合理实际经济问题的同方差假定不合理（尤其时间序列数据，要格外当心！）（尤其时间序列数据，要格外当心！） 异方差的来源异方差的来源 - 干中学，边错边改（干中学，边错边改（error - learning）- 行为方式或偏好发生改变行为方式或偏好发生改变- 数据采集技术的改进，使误差可能减小数据采集技术的改进，使误差可能减小- 异常值（离群值，异常值（离群值，outliers）的出现）的出现- 模型设定错误模型设定错误广义最小二乘法（GLS） 基本思想基本思想先将原始变量转换成满足经典模型假设的先将原始变量转换成满足经
13、典模型假设的转换变量，然后再对它们使用转换变量，然后再对它们使用OLS程序。即程序。即GLS是对满足标准最小二乘假定的转换变量是对满足标准最小二乘假定的转换变量的的OLS。如此得到的估计量称为。如此得到的估计量称为GLS。 GLS估计量是估计量是BLUE pp354-355 OLS与与GLS的区别的区别pp355-cont 异方差性的后果异方差性的后果- 在其他条件满足时，有异方差时，用在其他条件满足时，有异方差时，用OLS估计估计式得到的系数估计仍是无偏的、一致的，但不再是有式得到的系数估计仍是无偏的、一致的，但不再是有效的。（方差不是最小）效的。（方差不是最小）p352-353，- 由于此
14、时由于此时Var（hat）不具有最小方差，导致）不具有最小方差，导致过低估计过低估计hat的的t-值。值。- 的置信区间不必要地增大，从而使显著性检验的置信区间不必要地增大，从而使显著性检验的功效变小。的功效变小。P356 - 如果忽视异方差性而一味使用惯用的检验程序，如果忽视异方差性而一味使用惯用的检验程序，则无论得出何结论或做出何判断，都可能产生严重误则无论得出何结论或做出何判断，都可能产生严重误导。导。p357-cont 异方差性的检验（或发现）异方差性的检验（或发现）- pp 358 369 - 图解法图解法 - ei与与Yi或或Xi 的散点图（的散点图（Scat plot）- Par
15、k检验检验ln（i2）= ln（2） + ln（Xi） + i = + ln（Xi） + i 估计时，用估计时，用ei2作为作为i2的替代变量，看的替代变量，看是否显著？是否显著？- Glejser检验检验 - ei与与Xi 之间的各种可能关系？之间的各种可能关系？- Spearman等级相关检验：等级相关检验：di为两变量的等级差为两变量的等级差步骤：步骤：pp362 例题：例题：pp363-cont - 戈德菲尔德戈德菲尔德-匡特检验匡特检验步骤：步骤：pp364 例题：例题：pp365-366 - 布劳殊布劳殊-培干培干-戈弗德检验戈弗德检验步骤：步骤：pp367 例题：例题：pp368
16、 - 怀特（怀特（White）的一般异方差性检验）的一般异方差性检验步骤：步骤：pp369 例题：例题：pp369-370-cont异方差性的补救异方差性的补救在理论上，克服异方差性还没有很好的办在理论上，克服异方差性还没有很好的办法。法。- 出现异方差时的一般对策是从经济理论上考虑出现异方差时的一般对策是从经济理论上考虑更合理的解释变量和函数形式。更合理的解释变量和函数形式。- 当当i2为已知时：加权最小二乘法（为已知时：加权最小二乘法（WLS） pp371 - 进行数据变换尤其是对数变换通常是较有效的办进行数据变换尤其是对数变换通常是较有效的办法法关于异方差性模式的可能假定关于异方差性模式
17、的可能假定 数据变换的形数据变换的形式式 pp373-376 - 双变量总体方差是否相同的双变量总体方差是否相同的F-检验检验 一个总结性例题一个总结性例题pp377二、计量经济学专题（二、计量经济学专题（2）自相关（自相关（Autocorrelation）自回归（自回归（Auto - Regression）分布滞后（分布滞后（Distributed-lag）模型）模型1. 自相关（自相关（Autocorrelation）问题）问题 问题的提出：问题的提出：自相关是指按时间顺序或空间顺序排列的观察值之间的相关自相关是指按时间顺序或空间顺序排列的观察值之间的相关现象，又称序列相关。现象，又称序列
18、相关。Cov（Ui，Uj）= E（Ui，Uj）0 自相关的来源自相关的来源：pp395-398 在经济时间序列中，序列相关现象之所以经常存在，是因为模在经济时间序列中，序列相关现象之所以经常存在，是因为模型常把一些不重要的或无法观测到的因素都包括在随机误差中，型常把一些不重要的或无法观测到的因素都包括在随机误差中，而这些因素往往具有时间趋势，从而在随机误差项而这些因素往往具有时间趋势，从而在随机误差项Ut中体现了中体现了在时间先后上的某种相关性。在时间先后上的某种相关性。- 惯性：时间序列数据的回归中，连续观测值可能是相互惯性：时间序列数据的回归中，连续观测值可能是相互依存的。依存的。- 省略
19、了不该省的解释变量省略了不该省的解释变量- 设定偏误（错误的数学表达式或函数形式）设定偏误（错误的数学表达式或函数形式）- 数据的编造（对原始数据的处理或变换不当）数据的编造（对原始数据的处理或变换不当）-cont - 蛛网现象：蛛网现象：Qt = f（Pt-1）+ Ut - 滞后效应滞后效应: Ct = 1+2Yt + 3Ct-I + Ut自相关出现时的自相关出现时的OLS估计：估计：一阶自回归模型：一阶自回归模型：AR（1）Ut =Ut -1 + t , t N（0，2 ）一阶移动平均模型：一阶移动平均模型：MA（1）Ut =t +t -1 ARMA（1，1）Ut =Ut -1 + t +
20、t -1 -cont在自相关情况下，用在自相关情况下，用OLS估计式得到的系数估计仍是无估计式得到的系数估计仍是无偏的、一致的，但不再是有效的。（方差不是最小的）偏的、一致的，但不再是有效的。（方差不是最小的）自相关出现时的后果：自相关出现时的后果：OLS估计式是无偏的，但无偏性是在重复抽样估计式是无偏的，但无偏性是在重复抽样中体现出来的，在任一特定的样本中，中体现出来的，在任一特定的样本中， OLS估计式对估计式对于样本波动非常敏感。于样本波动非常敏感。估计的方差可能增大：估计的方差可能增大：剩余的方差剩余的方差E（ei2）可能低估扰动项）可能低估扰动项ut的方差的方差2 ；OLS估计式的方
21、差和标准差也可能低于真实的方估计式的方差和标准差也可能低于真实的方差和标准差。差和标准差。使检验失效，使检验失效， 如如 t 检验（检验（t -值放大），拒绝值放大），拒绝H0 例子例子: pp403-407-cont自相关的检验自相关的检验a. 图示法图示法：用：用ei代替代替ui，若，若ui之间存在自相关（序列相之间存在自相关（序列相关），比通过关），比通过ei反映出来。因此，可用反映出来。因此，可用ei来考察来考察ui的序列相关性质。的序列相关性质。- 看看et与与et-1之间的散点图：之间的散点图：-看看et 与与 t 之间的散点图：之间的散点图：- 看看et 的数值的变化（如季节变化
22、）：的数值的变化（如季节变化）：b. Durbin Watson 检验检验（DW值）值）适用于检验是否存在一阶线性自回归：适用于检验是否存在一阶线性自回归：Ut =Ut -1 + vt , vt N（0，2 ），称为白噪声序列），称为白噪声序列一阶马尔可夫过程一阶马尔可夫过程AR(1) -cont -cont 结论：结论：duDW4-du 无序列相关（无自相关）无序列相关（无自相关）0 DW dL 正相关正相关4 dL DW4 负相关负相关DLDWDu 不确定不确定4 - duDW4-dL 不确定不确定图示：图示：p413 查表查表du和和dL, 与估计或计算的与估计或计算的DW-值比较值比较
23、!c. 游程检验：游程检验：pp410-411 补救办法（存在序列相关时的估计方法）补救办法（存在序列相关时的估计方法） 如果是遗漏解释变量而造成的，加入之。如果是遗漏解释变量而造成的，加入之。 确定正确的模型形式，或变量变换确定正确的模型形式，或变量变换 如果是真实的序列相关：如果是真实的序列相关： Ut =Ut -1 + vt a. 已知时，做广义差分变换已知时，做广义差分变换；b. 未知时未知时，- 由于：由于：-cont - 科克伦科克伦-奥克特（奥克特（Cochrane - Orcutt）迭代法）迭代法step1 : step2: 广义差分变换广义差分变换step3: 广义差分变换广
24、义差分变换参数估计参数估计直到直到的估计量没有显著差异的估计量没有显著差异为止！为止！或无序列相关！或无序列相关！-Durbin 两段法两段法 - 自回归条件异方差模型（自回归条件异方差模型（ARCH） 模型及含义检验例子处理- GLS, - GARCH2. 自回归与分布滞后模型自回归与分布滞后模型 问题的提出问题的提出 - 分布滞后模型分布滞后模型: 不仅包含解释变量的本期值，还包括解释变量的滞后值。如： Yt =+0Xt +1Xt-1 +2Xt-2 + Ut - 自回归模型:不仅包含解释变量的本期值，还包括被解释变量的滞后值。如： Yt =0 +1Xt +2Yt-1 + Ut 经济研究中分
25、布滞后的作用或意义经济研究中分布滞后的作用或意义 有限滞后分布模型：有限滞后分布模型： 无限滞后分布模型：无限滞后分布模型：-cont - 短期乘数：0 - 延迟乘数（过渡乘数）：1,2, k -长期乘数：=j - 例子：投资乘数：KI = 1/(1-MPC) 货币乘数：m = 1/(1-Re)-cont滞后的原因滞后的原因- 人们的心理与习惯：并不因为价格的变化或收入的变化而立刻改变其消费习惯、投资决策等。- 技术上的原因：预期心理- 制度上的原因：如固定资产管理体制、宏观经济体制、货币政策、财政政策、信贷政策与管理体制等。- 信息传递和延迟：信息传递需要时间、政策效应具有时滞等。-cont
26、 滞后模型的估计滞后模型的估计- 经验权数法经验权数法a. 递减滞后W1=(1/3)Xt+(1/5)Xt-1+(1/7)Xt-2+(1/9)Xt-3 Yt =0+1W1 + Ut b. 矩形滞后（均匀）W1=(1/3)Xt+(1/3)Xt-1+(1/3)Xt-2 Yt =0+1W1 + Ut c. “”形滞后W1=(1/10)Xt+(1/4)Xt-1+(1/2)Xt-2+(1/5)Xt-3+(1/9)Xt-4 Yt =0+1W1 + Ut-cont- 库伊克（库伊克（Koyck）几何滞后形式）几何滞后形式对模型：对模型：Yt =+0Xt +1Xt-1 + +kXt-k + Ut 设：k = 0
27、.k （01，分布滞后的下降率）长期乘数=j = 0.k =0 /（1-）平均滞后= （kk ）/（j ）= /（1-）变换方法：广义差分变换 - 阿尔蒙（阿尔蒙（Almon）多项式滞后形式）多项式滞后形式 对模型：对模型： 设：设： j = 0+1j + 2j2 + +mjm -cont- 自适应期望模型自适应期望模型适应性规则：适应性规则：Xte Xt-1e = （Xt Xt-1e）（*）Xt为为t期的实际值；期的实际值；Xte为为t期的期望值（预期值）；期的期望值（预期值）；为期望系数，为期望系数，0 1 当当 =0时，时， Xte = Xt-1e 期望值不变；期望值不变； =1时，时，
28、 Xt = Xte 期望值等于期望值等于现值。现值。例子：货币需求量：例子：货币需求量：Yt = 0+1Xte + Ut （1）Xte = Xt + (1- ) Xt-1e （2）估计：估计： （2）式代入模型（）式代入模型（1）式、变形、整理，得到）式、变形、整理，得到自回归模型，用自回归模型，用OLS估计，可得估计，可得0 、1 估计值。估计值。-cont- 局部调整模型局部调整模型模型一：模型一： Yte = 0+1Xt + Ut （1）令：令：Yt Yt-1 = （Yte Yt-1）（2）为调整系数，为调整系数， 01时，不用此时，不用此检验。实际中并不常见！检验。实际中并不常见！（3
29、）大样本时较实用，小样本时不恰）大样本时较实用，小样本时不恰当。当。三、计量经济学专题（三、计量经济学专题（3）虚拟自变量（虚拟自变量（Dummy Variables）回归）回归虚拟因变量的回归模型：虚拟因变量的回归模型：- 线性概率模型（线性概率模型（linear probability models）- 对数（线性）回归模型（对数（线性）回归模型（logistic regression ）- 概率单位模型（概率单位模型（probit model）- 托比模型（托比模型（Tobit model） 1. 虚拟自变量的回归虚拟自变量的回归虚拟变量的实质虚拟变量的实质属性变量、品质变量、二元变量、
30、标记变量属性变量、品质变量、二元变量、标记变量虚拟变量回归方法虚拟变量回归方法Y=0+1x1 +2x2 + 1D 具有某种属性具有某种属性不具有某种属性不具有某种属性例例1 大学教授性别差异而导致的工资差距大学教授性别差异而导致的工资差距pp.494例例2 是是否吸烟对身体的影响否吸烟对身体的影响例例3 -是否提供便捷服务对营业额的影响是否提供便捷服务对营业额的影响-cont参数的解释参数的解释E(y|D=1)= (0+ 1) + 1x1 +2x2 E(y|D=0)= 0 + 1x1 +2x2 y E(y) = (0+ 1) + 1x1 +2x2 E(y)= 0 + 1x1 +2x2 1 0
31、x-cont多个虚拟变量的情况多个虚拟变量的情况- pp 499 -501 - 虚拟变量是一个多分定性变量虚拟变量是一个多分定性变量一般规则是虚拟变量的个数比变量分一般规则是虚拟变量的个数比变量分类数少一！类数少一！例子例子 ：p499-500、p511 - 虚拟变量是多个定性变量虚拟变量是多个定性变量例子：例子：p501、502 虚拟变量与回归的比较虚拟变量与回归的比较例子：例子：p505-508 不同属性的交互作用不同属性的交互作用：p509-cont 分段回归中的虚拟变量分段回归中的虚拟变量例子：p513-514 在时间序列和横截面数据中合并使用虚拟变量在时间序列和横截面数据中合并使用虚
32、拟变量例子：p515-518 其它技术问题其它技术问题p518-5211. 线性概率模型线性概率模型 虚拟因变量：虚拟因变量：具有二分属性的因变量。 线性概率模型线性概率模型：Yi = 1+2Xi + Ui 其中，其中，Yi = 1 具有某种属性具有某种属性Yi = 0 不具有某种属性不具有某种属性E（Yi | Xi） = 1+2Xi = Pi LPM的估计问题：的估计问题：- Ui的非正态性的非正态性- Ui的异方差性的异方差性- 可疑的拟合优度：可疑的拟合优度：R2 -cont LPM模型的模型的估计步骤：估计步骤： pp539 step 1 : 先是普通的先是普通的OLS估计，估计，st
33、ep 2: 用估计的用估计的wi 做数据变换，再对做数据变换，再对变换后的数据做变换后的数据做OLS回归估计。回归估计。LPM模型的模型的例子及应用：例子及应用：pp540 -5452. 对数（线性）回归模型对数（线性）回归模型模型：模型： -cont 特点：特点： pp549 估计：估计： pp550, 551- 552 例子及说明：例子及说明：552 -557 3. 概率单位模型概率单位模型 含义估计及步骤：例子：p559 , 562-5644.4.托比模型托比模型 截取（样本）回归模型截取（样本）回归模型例子：例子：pp 566 - 567 四、联立方程组模型及其估计四、联立方程组模型及
34、其估计参考文献：1. 易丹辉易丹辉主编主编,数据分析与数据分析与EViews应用应用,中国人中国人民大学出版社民大学出版社,2008年。年。Ch 7. 2. 美美古扎拉蒂（古扎拉蒂（Damodar N.Gujarati）著）著: 计量经计量经济学济学(Basic Econometrics),中译本，中译本，第五版第五版,费剑平费剑平译，译，2012年）年） 中国人民大学出版社。中国人民大学出版社。Ch18、19、20核心思想：核心思想：变量间的关系不是简单的因果关系，二是变量间的关系不是简单的因果关系，二是一种双向或联立关系！（相互作用！）一种双向或联立关系！（相互作用！）关键：关键：联立方程
35、组模型的建立、方程组的识别联立方程组模型的建立、方程组的识别估计方法：工具变量法、估计方法：工具变量法、 2SLS法（法（单个方程）、系统单个方程）、系统估计法（似无关回归法、估计法（似无关回归法、三阶段最小二乘法、三阶段最小二乘法、 广义矩广义矩估计法）估计法）PPT 见单独专题。见单独专题。五、面板数据（五、面板数据（Panel Data）模型）模型一、参考文献一、参考文献：1. 易丹辉易丹辉主编主编,数据分析与数据分析与EViews应用应用,中国人民大学出版中国人民大学出版社社，2008年。年。Ch11. 2. 美美古扎拉蒂（古扎拉蒂（Damodar N.Gujarati）著）著: 计量经济学计量经济学(Basic Econometrics),中译本，中译本，第五版第五版,费剑平译，费剑平译，2012年）年） 中国人民大学出版社。中国人民大学出版社。Ch16.二、主要内容：二、主要内容：1. 面板数据的基本含义和基本概念面板数据的基本含义和基本概念2. 面板数据模型及其估计（面板数据模型及其估计（固定效应和随机效应模型固定效应和随机效应模型及其估计）及其估计）3. 面板数据模型的检验（面板数据模型的检验（固定效应和随机效应的检验固定效应和随机效应的检验）4. 用用EVIEWS、SPSS估计与检验面板数据估计与检验面板数据5. 应用举例应用举例
