
一、前言
计算和互联网技术的广泛运用极大地提高了数据的可获得性,使大量的数据得以收集、保存和整理。与此同时,计量经济学在整个经济学体系中的地位日益提升。在顶级经济学杂志的论文中,应用计量论文已占到了相当高的比例。正是在这些背景之下,面板数据受到了越来越多经济研究人员的欢迎,面板数据的应用研究亦成为热点。
面板数据成为研究的热点一方面自然是因为本身优秀的特质;另一方面也归因于面板数据在应用过程中仍有许多问题和未知领域需要去探索。在面板数据回归分析中,如果存在异方差,最小二乘估计出的系数尽管是线性、无偏和一致的,但不是有效的,甚至不是渐进有效的。这些影响将导致参数估计和假设检验失效。
二、异方差产生的原因
异方差产生的因素很多,比如模型中省略了某些重要的解释变量,模型形式设定不准确,样本数据中存在的测量误差,异常值的出现,截面个体之间的差异等。面板数据是具有时序和截面双重性质的数据形式,异方差不仅会出现在时间序列上还将出现在横截面序列上,所以面板数据模型中的异方差问题要比单纯的时间序列或截面数据模型要复杂得多。
三、面板数据异方差处理方法
实际上,在处理面板数据线性回归时,主要考虑固定效应模型与pooled OLS的异方差问题。因为随机效应模型使用GLS估计,本身就已经控制了异方差。
Huber (1967)、Eicker (1967) 和 White (1980)提出了异方差—稳健方差矩阵估计,该方法能够在考虑异方差情况下求出稳健标准误。利用异方差稳健标准误对回归系数进行t检验和F检验都是渐近有效的。这就意味着,如果出现异方差,仍然可以使用OLS回归,只需结合使用稳健标准误即可。在STATA中,异方差—稳健标准误可以在“reg”或者“xtreg”语句后,加选择性命令“robust”即可得到。但是这一方法有一个假设的前提:残差项是独立分布的。
Parks(1967)提出了可行广义最小二乘法(FGLS),一般用于随机效应模型估计。基本思路是:先估计固定效应模型,得到〖个体误差项方差σ〗_ε^2 的估计值〖 σ ?〗_ε^2。继而估计混合OLS模型,利用其残差和第一步得到的〖 σ ?〗_ε^2,即可估计出总体误差项的方差σ ?_μ^2 。FGLS 估计量在N→∞或T→∞或二者都成立的情况下,都是渐进有效的。在STATA中,运用可行广义最小二乘法的命令是:xtgls。FGLS 要比“OLS+稳健标准误”处理异方差的方法更为有效,特别是在大样本的情况下。但是在更一般的情况下,“OLS+稳健标准误”比FGLS稳健,因为前者不需要估计条件方差函数的形式。
Beck and Katz (1995) 认为FGLS产生的标准误过小。为解决这一影响,他们提出了面板校正标准误(PCSE)来估计OLS的系数。在STATA中,带PCSE的pooled OLS可以由xtpcse获得。但是PCSE仅为T→∞时渐进有效的。当T/N 较小时,这一方法则不够精确。
Driscoll& Kraay (1998)提出了在N→∞的情况下渐近有效的非参数协方差矩阵估计方法,能够获得控制异方差和自相关的一致标准误,克服了PCSE在N→∞情况下不够准确的问题。在STATA中,获得Driscoll&Kraay 标准误的命令是xtscc。需要说明的是,xtscc只适用于估计pooled OLS和固定效应(组内)回归模型。
四、结论
通过以上比较分析可以看出,仅仅从方法上去比较处理异方差的方式孰优孰劣是不够的,还要结合样本情况、模型设置以及个人的追求偏好(如追求稳健或追求有效的偏好)进行选择。
推荐学习书籍
《CDA一级教材》适合CDA一级考生备考,也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校,累计已有10万+在读~
免费加入阅读:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为银行精准 ...
2025-07-02探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26