多水平面板数据模型的估计理论及模拟研究

将面板数据模型和多水平模型结合起来,提出了多水平面板数据模型。通过分析该模型的方差协方差结构,采用迭代广义最小二乘法和限制迭代广义最小二乘法,导出模型的参数估计,并通过模拟数据进行了比较分析。结果认为：与多水平模型和面板数据模型相比,该模型能更好地拟合具有层次结构的面板数据。     

基于分位数回归的面板数据模型估计方法

文章在对分位数回归基本原理进行全面分析说明的基础上,对其在面板数据模型中的应用作了深入分析。利用1998～2006年25个行业企业销售收入与专利申请数量的面板数据,分别采取最小二乘法和分位数回归法进行参数估计和比较分析,结果表明：分位数回归方法在进行面板数据模型估计时具有明显的优势。     

城镇化与工业化、旅游业发展水平关系的空间差异研究

文章运用面板数据模型以31个省(市、区)为研究对象,分析1998-2012年间旅游业发展水平、工业化及城镇化的空间关联性,探讨在全国城镇化进程中旅游业发展、工业化增长对城镇化建设的作用.结果表明:城镇化与旅游业发展水平、城镇化与工业化之间存在长期均衡关系;在滞后期为2时,工业化、旅游业发展水平为促进城镇化建设的原因,城镇化的完善又能进一步推动工业化与旅游的发展.由此建立面板数据回归模型,模型显示:1998-2012年各省(市、区)工业化、旅游业发展水平对城镇化的促进作用呈现出明显的地区差异,所以各个省(市、区)应该采取不同的产业政策促进城镇化的建设.     

制造业集聚对区域工资水平影响的实证分析

基于2003-2014年长三角城市面板数据,文章实证研究了制造业集聚对区域工资水平的影响.研究结论表明:制造业集聚能够显著促进区域工资水平提高;并且,无论是采用静态面板数据模型,还是采用动态面板数据模型进行分析,这一结果均成立.其背后机制在于制造业集聚有利于提高劳动生产率,从而有助于促进区域工资水平的提升.     

动态面板数据模型和空间滞后面板数据模型的比较——基于被解释变量时空依赖特征的“孪生性”分析

面板数据模型从基本形式拓展到动态面板数据模型和空间面板数据模型，体现了时空特征整合的经济计量建模发展方向。在时空特征整合的意义下，从被解释变量时空依赖特征的角度来看，动态面板数据模型和空间滞后面板数据模型具有对称性、“孪生性”。比较教学实验表明，指出这一点能够更便于学生理解面板数据模型的思想、发展与应用，也有利于空间统计学思想的普及教育。     

动态面板数据模型的GMM估计及其应用

动态面板数据模型由于存在滞后项作为解释变量,导致传统参数估计方法在估计时存在有偏性和非一致性而只能采取GMM估计.文章整理了动态面板数据模型GMM估计方法的基本原理和思路,选取2003-2007年的行业面板数据建立动态面板数据模型,利用GMM估计方法对FDI对我国工业部门技术水平的溢出效应进行实证检验,结果表明基于GMM估计的动态面板数据模型较好的刻画了FDI的溢出效应.     

面板数据模型的设定、统计检验和新进展

在介绍面板数据及其优势与局限的基础上,首先,从异质性、时变性和相关性的观点对静态面板数据计量模型的设定、动态面板数据模型的估计方法和Granger因果检验进行系统的讨论。其次,按照假设检验的零假设进行分类,系统阐述面板单位根检验和协整检验理论。最后,介绍面板数据计量经济学的一些新进展。     

空间面板数据模型设定问题分析

空间面板数据模型将空间计量经济学和面板数据方法相结合,不仅同时考虑时空特征,而且将空间效应纳入研究体系,成为当前计量经济学的热点研究领域,但其模型设定、参数估计及模型检验也更为复杂,实证研究中往往出现模型设定偏误等问题。因此,基于空间面板数据模型的前沿理论,重点探讨模型设定中的常见问题,包括空间滞后模型与空间误差模型的选择、随机效应与固定效应的选择以及模型拟合优度的选择与比较,为模型的应用和新模型的扩展提供理论依据和参考。     

工业化、经济增长与能源消费——基于中国分省面板数据的实证分析

利用中国30个省(市、自治区)1998-2008年度的面板数据,采用面板协整分析方法和面板数据模型估计方法,以工业化对经济增长以及经济增长对能源消费两种作用关系为着眼点,研究了工业化和经济增长对能源消费的影响效应与特征。结果表明:中国工业化与经济增长以及经济增长与能源消费之间存在长期均衡关系,总体而言,工业化对经济增长具有明显的促进作用,而经济增长又促进了能源消费的增长,但就不同区域而言,这两种促进作用存在显著的差异。同时也发现,工业化进程的深入对于提高能源利用效率具有积极作用。     

基于体制转换面板模型的我国经济周期拐点识别研究

文章利用体制转换面板数据模型识别我国经济周期的拐点.该模型比较简单且易通过EM算法实现计算.实证研究表明:体制转换面板数据模型能比较准确地识别我国经济周期的拐点.     

中国碳排放的环境库兹涅茨曲线分析——基于空间面板模型的实证研究

在环境库兹涅茨曲线理论的基础上,选用30个省域2000—2009年数据,运用空间面板计量经济模型研究碳排放与经济增长的关系,结果表明:利用空间相关性指标检验出经济发展与碳排放之间存在显著的空间效应;利用空间面板自回归和误差模型发现,中国碳排放与经济增长存在倒U形关系,转折点在8.167亿元至11.025亿元人均GDP之间;工业结构比重对碳减排有消极影响,而技术进步、FDI与碳排放之间存在显著的正效应,这说明通过降低工业结构比重、促进新能源技术的革新以及引进外资等能减少中国的碳排放。     

非参数固定效应Panel Data模型的分位数回归推断

利用分位数回归方法,讨论了非参数固定效应Panel Data模型的估计和检验问题,得到了参数估计的渐近正态性及收敛速度。同时,建立一个秩得分(rank score)统计量来检验模型的固定效应,并证明了这个统计量渐近服从标准正态分布。     

基于贝叶斯面板模型的扩展C-D生产函数估计及实证

利用2008—2011年的省际面板数据并充分收集和整理先验信息,运用贝叶斯面板模型分析和研究了扩展的C-D生产函数,有效地处理了短期时序造成的小样本问题以及误差项之间的相关性问题,实现参数的适时修正和更新。研究发现:目前中国物质资本份额的后验均值为55%,明显低于中国学者估计的60%;人力资本所占份额仅为5%~6%,其对经济增长的拉动作用没有得到充分的发挥,中国应增大人力资本投入;固定资产投资比例人均产出弹性的后验均值为1.37;地理位置等个体差异依旧是造成中国发展不平衡问题逐年扩大的重要原因。     

基于GMM的教育投资与经济增长分析

教育投资对经济增长具有促进作用已得到公认。以我国各个省市区作为横截面单元．利用各个横截面单元1998—2007年的样本组成的面板数据,建立动态面板数据模型采用广义矩估计方法来分析教育投资对经济增长的动态效应,发现教育投资对经济增长具有长期的促进作用,并且在逐年增强;分地区来看,略有差异。     

基于面板数据模型的生态足迹与经济增长的关系研究——以中部六省为例

生态足迹与经济增长之间的演化关系分析是度量区域经济可持续发展能力的重要方法,因此运用生态足迹模型对中部六省1989—2011年的生态足迹进行了测算,并运用面板数据模型深入分析并比较了中部六省生态足迹与经济增长之间的关系。研究结果表明:中部六省的生态足迹较高,1989—2011年中部六省全部表现为生态赤字,并且生态赤字的数值不断增大;中部六省的生态环境利用效率较低,属于粗放型经济增长方式;中部六省的生态足迹与经济增长的关系存在较大差异,不同省份的生态足迹对经济增长的影响系数差异较大,并且对于不同的生态生产性土地,不同省份的利用效率也有很大不同。     

中国收入分配不平等对经济增长影响的研究

文章利用中国30个省、直辖市、自治区1981-2005年的面板数据，运用面板数据模型分析中国收入分配不平等对经济增长的影响，结果表明中国短期内城乡收入差距有利于经济增长。     

Bias Correction in the Dynamic Panel Data Model with a Nonscalar Disturbance Covariance Matrix

Approximation formulae are developed for the bias of ordinary and generalized Least Squares Dummy Variable (LSDV) estimators in dynamic panel data models. Results from Kiviet [Kiviet, J. F. (1995), on bias, inconsistency, and efficiency of various estimators in dynamic panel data models, J. Econometrics68:53-78; Kiviet, J. F. (1999), Expectations of expansions for estimators in a dynamic panel data model: some results for weakly exogenous regressors, In: Hsiao, C., Lahiri, K., Lee, L-F., Pesaran, M. H., eds., Analysis of Panels and Limited Dependent Variables, Cambridge: Cambridge University Press, pp. 199-225] are extended to higher-order dynamic panel data models with general covariance structure. The focus is on estimation of both short- and long-run coefficients. The results show that proper modelling of the disturbance covariance structure is indispensable. The bias approximations are used to construct bias corrected estimators which are then applied to quarterly data from 14 European Union countries. Money demand functions for M1, M2 and M3 are estimated for the EU area as a whole for the period 1991: I-1995: IV. Significant spillovers between countries are found reflecting the dependence of domestic money demand on foreign developments. The empirical results show that in general plausible long-run effects are obtained by the bias corrected estimators. Moreover, finite sample bias, although of moderate magnitude, is present underlining the importance of more refined estimation techniques. Also the efficiency gains by exploiting the heteroscedasticity and cross-correlation patterns between countries are sometimes considerable.