面板数据插值的线性组合模型及其实证

针对面板数据插值问题,分别从截面数据和时间序列数据的角度,建立截面数据插值的克立格(Kriging)模型和时间序列数据插值的遗传神经网络(GABP)模型.在此基础上建立面板数据插值的线性组合模型,提出空间漂移度法确定组合插值模型的加权系数.对2007年福建部分市县人均GDP的插值的实证研究结果表明:面板数据的线性组合模型插值效果优于单项模型插值的效果.     

面板数据模型设定的一般方法

在经典计量经济学模型中,作为样本观测值的要么是截面数据,要么是时间序列数据。随着计量经济学理论方法的发展和应用领域的拓展,经常需要同时分析截面数据与时间序列数据,面板数据模型正是针对这种需要应运而生的,所谓面板数据指的就是截面数据和时间序列数据的综合。面板数据模型已成为仅次于经典单方程模型和时间序列模型被广泛使用的模型。在实际分析中,要建立较好面板数据模型,最为关键的一步是模型的设定。若模型设定有误,则其后的估计必定存在较大的偏差,导致模型建立失败,或者得出错误的结论。本文拟详细介绍面板数据模型设定的一般过程,以期对应用型读者提供若干启示。     

面板数据建模中存在的问题、对策及最新进展

单独应用时间序列数据或截面数据来检验经济理论的计量经济学方法都存在不同程度的缺陷,而面板数据建模却具有许多纯时间序列或截面数据没有的优点,但其建模过程也更复杂.文章指出了面板数据模型建模过程中常出现的几个问题,同时探讨了解决这些问题的有效对策.文章还对面板数据理论的最新进展及应用研究的文献进行了系统梳理,提出了有待深入研究的一些问题.     

中国城镇居民消费结构的预测

目前国内用于消费结构预测的模型,大部分是以截面数据资料建立起的线性扩展支出系统ELES,它反映在某一时间截面物价水平下不同收入水平消费者的均衡状况,属于静态预测模型具有很大局限性.本文在ELES模型基础上,考虑时间因素的变化对其加以改进,构建一组横断面样本与时间序列组合运用的动态预测模型体系.     

我国粮食生产的地区差异

政府在制定农业政策、分配资源时,不能对全国各个地区一概而论,需要根据他们各自的实际情况以及相互间的异同作出最有效的抉择,达到人力资源、物力资源的最优配置。传统的定量模型都是建立在时间序列数据或截面数据的基础之上的,仅能反映变量在时序或截面上的特征,不能反映不同     

基于纵向数据的半参数时间变化系数回归模型的系数估计

一、引言 纵向数据是指对每个个体在不同时间进行观测而得到的由截面和时间序列融合在一起的数据.纵向数据最大的优点就是它将截面数据和时间序列数据结合在一起,更好地分析出个体随时间的变化趋势.本文要研究的是基于纵向数据的半参数时间变化系数回归模型.     

平行数据模型中的异方差问题的处理

一、引言平行数据 (PanelData)指在时间序列上取多个截面 ,在这些截面上同时选取样本观测值所构成的样本数据。也就是把截面和时间序列数据融合在一起的数据。平行数据模型是一类线性经济模型 ,这些模型可以看作协变量的双向设计。如 :yit =∑pk =1xitkyk uit,i=1 ,2 ,L,N ,t =1 ,2 ,L,T其中N是横截面的个数 ,T是每一横截面上时间序列的长度 ,P是外生的或自变量的个数。近 2 0年来 ,平行数据模型在计量经济学理论方法方面取得了重要发展 ,新方法、新观点层出不穷。在经济分析中 ,平行数据模型起着只利用截面数据或只利用时间序列数据模…     

出口贸易与经济增长:基于Panel Data模型的研究

一、Panel Data模型的类型及识别 1.Panel Data模型的类型 Panel Data可译为平行数据或面板数据,是指同时含有横截面和时间序列信息的数据.     

双截面数据及其处理思路初探

在研究一组相关总体的数量特征、总体间数量特征关系和总体间的交互作用时,如果从每一总体中抽取一组截面数据,就形成了一种不同于截面数据、时间序列数据和面板数据的特殊数据类型——双截面数据,虽然现有数据处理方法可以为双截面数据提供“面板化”、“平行化”和方程结构耐抗性检验等处理思路,但鉴于双截面数据的特殊性,每种思路都有不完善的地方,充分挖掘双截面数据所隐含信息的针对性处理方法仍需进一步探索。     

基于Panel Data和SEA的环境Kuznets曲线分析 ——与马树才、李国柱两位先生探讨

 针对当前学者研究中国环境Kuznets曲线存在的问题，本文使用了面板数据模型和空间计量模型，以克服使用时间序列模型时样本数量偏少和使用截面数据时易引起空间自相关性等问题。结果表明中国有部分环境指标满足环境Kuznets曲线的倒U型特征。     

中国国家财政支农支出的时间序列分析

一、模型与数据的选择时间序列模型可以分为平稳的时间序列模型和非平稳时间序列。一个平稳的时间序列要求其数字特征如均值、方差和协方差等不随时间的变化而变化。而且在各个时间点上的时间序列服从一定的概率分布。相反,非平稳时间序列的数字特征随时间的变化而变化,各个点上的随机规律也是变化的,可见非平稳时间序列较平稳时间序列更没有规律,用于预测更困难,而在现实中遇到的经济和金融数据大多数是非平稳的时间     

多水平模型及静态面板数据模型的比较研究

对两水平模型与静态面板数据模型进行对比分析：多水平模型主要用于分析具有层次结构的统计数据,面板数据模型是针对面板数据而提出的一种应用广泛的计量经济模型。面板数据可以看成是具有截面水平与时间水平的两层数据,两水平模型也能对面板数据进行分析,在一定条件下具有一定的相似性。因此,提出多水平的静态面板数据模型,为分析具有多个层次结构的面板数据提供分析工具。     

空间自回归模型及其估计

一、概述在经济问题研究中,处理的数据分为时间序列数据、截面数据以及截面时间序列数据(paneldata)。应用回归模型研究变量之间的关系时,假设模型满足Gauss_Markov条件,当研究的数据是时间序列时,通常会存在序列相关,针对这类数据的问题可以结合时间序列分析的方法加以处理;如     

固定资产投资与经济增长关系探究:来自平行数据的证据

一、研究现状评述从数据特点进行分类,对投资和经济增长关系的研究,大致可以分为两个方面:(1)利用时间序列数据或者截面数据进行实证分析;(2)利用平行数据进行实证分析。所谓平行数据(panel data,也译作面板数据、综列数据等),是指在时间序列数据上取多个截面,在这些截面上同时选取样本观测值所构成的样本数据。利用截面数据,Levine and Renelt(1992)研究表明投资是一个灵敏的变量,对国家经济增长的影响是正的与统计显著的。利用法国、德国、日本、英国与美国的时间序列数据,Alfred and Willi(2001)研究了投资的外部性与内生经济增长的关…     

面板数据加权聚类分析方法研究

在面板数据聚类分析方法的研究中,基于面板数据兼具截面维度和时间维度的特征,对欧氏距离函数进行了改进,在聚类过程中考虑指标权重与时间权重,提出了适用于面板数据聚类分析的"加权距离函数"以及相应的Ward.D聚类方法。首先定义了考虑指标绝对值、邻近时点增长率以及波动变异程度的欧氏距离函数;然后,将指标权重与时间权重通过线性模型集结成综合加权距离,最终实现面板数据的加权聚类过程。实证分析结果显示,考虑指标权重与时间权重的面板数据加权聚类分析方法具有更好的分辨能力,能提高样本聚类的准确性。     

出口贸易经济增长:与基于Panel Data模型的研究

一、Panel D ata模型的类型及识别1.Panel D ata模型的类型Panel Data可译为平行数据或面板数据,是指同时含有横截面和时间序列信息的数据。利用Panel Data建立的模型称为Panel Data模型,Panel Data模型的一般形式为:yit=αi xitβi uit(1)yit为因变量在横截面i和时间t上的数值     

统计数据挖掘与OLAP技术应用

统计数据挖掘是数据挖掘在统计领域的应用,由于统计领域就是充满各种数据信息的世界,既有历史积累下来的时间序列数据,也有各省市政府、事业单位、企业形成的截面数据,还有二者合一的面板数据(又称Pool数据),信息资源十分丰富,因此对统计数据挖掘具有十分重要的现实意义。     

中国城镇化进程与经济增长关系的实证研究

 以我国1978-2009年城镇化率和人均GDP年度时间序列数据为基础,建立反映城镇化水平和经济增长动态关系的向量自回归(VAR)模型;在VAR模型的基础上,运用脉冲响应函数和方差分解分析了城镇化进程与经济增长相互之间的动态影响。为了弥补时间序列数据只包含时间和指标两维信息的缺陷,进一步采用2000-2009年我国31个省市的城镇化率和人均GDP的面板数据,利用横截面、时间和指标三维信息对两者之间的关系进行分析。通过运用面板数据的单位根检验和面板数据协整检验,得出我国城镇化进程与经济发展水平之间存在长期稳定的均衡关系。在此基础上,建立面板数据固定效应变系数模型,从弹性角度分析,认为我国城镇化率每提高一个百分点,可以维持7.1%的经济增长。     

我国经济增长与贸易顺差的实证研究

文章通过构建联立方程模型,对经济增长和贸易顺差之间的关系进行实证分析。根据我国1984—2008年相关时间序列数据和2000～2008年我国省际面板数据,运用stata10．0软件对时间序列联立方程模型和面板联立方程模型采用两阶段最小二乘法（2SLS）进行估计,得出：贸易顺差促进我国经济的增长,同时经济增长也扩大了我国的贸易顺差,但我国不同区域的经济增长与贸易顺差的相互影响作用不同。     

空间统计方法在社会福利分析中的应用

在研究经济问题时,处理的数据大多是时间序列数据,对这类数据的分析采用的是时间序列分析方法,较少进行空间分析,建立的模型也是以时间序列为主。虽然这种以时间序列数据为对象进行分析、研究问题的方法能够反映一定的经济问题,但是往往会掩盖空间的差异。因为我们生活在由时间