登录   |   注册   |   网站地图
 
 
首页 > 统计研究杂志 > 非等间隔动态面板数据模型: 基于半差分的估计方法和应用

非等间隔动态面板数据模型: 基于半差分的估计方法和应用

统计研究杂志
Statistical Research
查看全文
摘要:
【内容提要】传统的估计方法并不适用于非等间隔动态面板数据模型,本文在总结已有文献的面板、非线性最小二乘和最短距离估计量的基础上,进一步提出了基于半差分方法的估计量以改进估计精度,与此同时着重强调了缺失观测期中遗漏变量的问题。蒙特卡洛模拟试验了这些估计量在有限样本中的表现,发现半差分估计量的精度最高,尤其是在考虑遗漏变量的情况下。本文将新得到的半差分估计用于中国劳动收入过程的研究中,实证结果表明,中国居民的劳动收入差距在拉大,并且劳动收入对收入冲击更加敏感。
【关键词】非等间隔动态面板数据模型; 半差分方法; 缺失观测期的遗漏变量; 劳动收入过程
引言:

【引言】估计动态面板数据模型最主要的方法是广义矩方法( GMM) Arellano 和Bond,1991; Blundell 和Bond,1998,该方法可以考察面板数据模型中因变量的动态效应,也即因变量滞后项对于当期的影响,因此在经验文献中的应有较为广泛( Millet 和MoDonough, 2013) 。Arellano 和Bond( 1991) 提出用更高阶的因变量滞后项作差分后方程的工具变量的“差分GMM”法,而Blundell 和Bond( 1998) 为了克服弱工具变量和残差自相关的问题,结合差分GMM法和使用差分后的因变量滞后项作水平方程中因变量滞后项工具变量的“水平GMM”法,提出了“系统GMM”法,自此动态面板数据模型估计方法的框架基本成型并且被广泛应用。此后的文献从其他的角度对系统GMM 进行了补充,如Everaert( 2013) 给出的“正交滞后均值变换”( 简称OBMT 法) ,提出了估计水平方程组的新的工具变量集合。

作者:
乔坤元
作者单位:

知识产权声明 | 服务承诺 | 联系我们 | 人才招聘 | 客服中心 | 充值中心 | 关于我们

Copyright© 中国期刊全文数据库      电子邮件:journals@188.com   备案号:辽ICP备14002692号-1
友情链接:万方数据库
建议采用IE 6.0以上版本,1024*768分辨率浏览本页面