个体随机效应模型分析

个体随机效应模型

在面板数据的计量分析中，如果解释变量对被解释变量的效应不随个体和时间变化，并且解释被解释变量的信息不够完整，即解释变量中不包含一些影响被解释变量的不可观测的确定性因素，可以将模型设定为固定效应模型，采用反映个体特征或时间特征的虚拟变量（即知随个体变化或只随时间变化）或者分解模型的截距项来描述这些缺失的确定性信息。

但是，固定效应模型也存在一定的不足。例如固定效应模型模型中包含许多虚拟变量时，减少了模型估计的自由度；实际应用中，固定效应模型的随机误差项难以满足模型的基本假设，易于导致参数的非有效估计。更为重要的是，它只考虑了不完整的确定性信息对被解释变量的效应，而未包含不可观测的随机信息的效应。为了弥补这一不足，Maddala(1971)将混合数据回归的随机误差项分解为截面随机误差分量、时间随机误差分量和个体时间随机误差分量三部分，讨论如下随机效应模型或双分量误差分解模型（1）：

yit??1???kxkit?ui?vt?wit (1)

k?2Kui~N(0,?u2)表示个体随机误差分量； vt~N(0,?v2)表示时间随机误差分量；

wit~N(0,?w2)表示个体时间（或混合）随机误差分量。

如果模型（1）中只存在截面

第30卷增刊2 岩 土 力 学 Vol.30 Supp.2 2009年12月 Rock and Soil Mechanics Dec. 2009

文章编号：1000－7598 (2009) 增刊2－0518－06

混凝土随机骨料模型尺寸效应的细观数值分析

党发宁1，梁昕宇1，田 威1，陈厚群1, 2

（1.西安理工大学 岩土工程研究所，西安 710048；2.中国水利水电科学研究院工程抗震中心，北京 100044）

摘 要：为研究混凝土材料细观不均匀性对试件的静力学性能的影响，采用不同的随机数组，通过固定骨料尺寸，改变试件尺寸的方法，建立了不同的混凝土三维数值模型，都分6步施加相同的均布载荷，来模拟骨料和混凝土试件尺寸比例变化对试件力学性能的影响，研究了骨料随机位置对混凝土试件的应变影响。计算表明，当骨料半径和试件半径的比例系数逐渐增大时，应变误差平方和减小；骨料随机位置对混凝土试

我国证券投资基金羊群行为的实证研究

祁斌1 袁克2 胡倩3 周春生4

（1.中国证监会，北京 100032； 2.招商银行上海分行，上海 200120；3.海通证券股份有限公司，上海 200001；4.北京大学光华管理学院，北京 100871）

摘要：国外的研究显示，发达国家市场机构投资者的羊群行为并不十分明显。作为新兴市场主体的中国机构投资者在这方面的行为特征如何呢？本文使用经典的LSV方法以及Wermers的扩展方法，对我国金融市场上以证券投资基金为代表的机构投资者交易行为进行了实证研究。结果发现，我国证券投资基金之间具有较明显的羊群行为，并具有以下特点：同时使用正负反馈操作策略；在流通盘较大和较小的股票上的羊群行为显著；成长型基金的羊群行为显著等。针对这些发现，笔者探究了羊群行为产生的原因，并提出了一些避免过度羊群行为的措施。

关键词：证券投资基金；交易行为；羊群行为；市场监管

作者简介：祁斌，中国证监会研究中心主任。袁克，博士，招商银行上海分行高级研究员。胡倩，博士，海通证券股份有限公司高级研究员。周春生，北京大学光华管理学院教授。

中图分类号：F830.39 文献标识码：A

Abstract: The existing studi

最常见的随机过程或随机模型

主要内容Brown运动或 运动或Wiener过程 运动或 过程 二项过程 Poission过程 过程 白噪声过程 自回归过程 移动平均过程 混合自回归移动平均过程 利率期限结构或均值回复模型 ARCH类模型 类模型2

二项过程1979年Cox、Ross和Rubinstein利用二项过程 年 、 和 利用二项过程 提出了二叉树期权定价模型， 提出了二叉树期权定价模型，用以构造股票价格运 动过程，进行股票期权定价分析。 动过程，进行股票期权定价分析。 目前， 目前，二叉树模型已被广泛应用于金融资产定价 领域， 领域，并为直观理解金融资产价格的复杂随机行为 提供了最佳认识工具， 提供了最佳认识工具，为金融计算提供了可行的数 值方法。 值方法。

二项分布是指随机变量满足概率分布

P (ξ = k ) = C p (1- q )

k n

k

n- k

其中， 其中，k=1,2, …,0<p<1,q=p-1。 , 。 二项过程实质上是将二项分布作为一个过程来描 述金融资产价格变化的。

假设股票价格在t时刻为 假设股票价格在 时刻为S(t),当时间变化到 时刻为 ， t+ t时，价格要么以概率 从S上涨到 上涨到uS(u >1),

pood

中国出口增长的就业效应：基于CGE模型的分析*

陆文聪 李元龙

内容摘要：本文通过构建一个具有中国劳动就业结构特征的CGE模型，以2008年下半年国际金融危机以来全球经济增长变化和中国实施经济刺激计划为背景，设计不同的情景方案，模拟分析了中国出口变化对劳动就业的影响效应。结果显示，出口增长1个百分点可以实现0.088个百分点的非农就业增长。但出口就业效应对不同的产业部门和就业群体具有明显的差异，出口下降将导致纺织、制造业等部门就业人数的显著减少，农民工就业压力明显超过城镇就业。因出口就业效应显著低于投资就业效应，国际金融危机以来我国劳动就业不仅在数量上经历了从大幅减少到显著增长的突变，同时在结构上也出现了从可贸易部门向非贸易部门的转换。权衡劳动力比较优势利用和产业结构升级，重视就业基数大、出口就业弹性低的服务业等部门劳动力吸收能力的提高，实现就业的结构性均衡增长，应成为确保我国未来就业安全的政策方向。

关键词：出口增长 就业效应 CGE模型

一、引言

出口增长是推动中国经济持续高速增长的关键因素之一，也为解决中国劳动就业问题提供了一条十分有效的路径。随着2008年下半年国际金融危机的爆发，世界经济衰退特别是发达国家对中国产品进

本教学视频由合工大经济学院张王飞制作，请尊重作者的知识产权，购买后使用，勿用于商业用途，或上传至网络！谢谢

随机前沿模型（SFA）原理和软件实现

一、SFA原理

在经济学中，常常需要估计生产函数或者成本函数。生产函数f(x)的定义为：在给定投入x情况下的最大产出。但现实中的产商可能达不到最大产出的前沿，为了，假设产商i的产量为：

yi?f(xi,?)?i （1） 其中，?为待估参数；?i为产商i的水平，满足0??i?1。如果?i=1，则产商i正好处于效率前沿。同时，考虑生产函数还会受到随机冲击，故将方程（1）改写成：

yi?f(xi,?)?ievi （2）

其中，evi?0为随机冲击。方程（2）意味着生产函数的前沿f(xi,?)ev是

i随机的，故此类模型称为“随机前沿模型”（stochastic frontier model）。随机前沿模型最早由Aigner, Lovell and Schmidt(1977)提出，并在实证领域运用广泛，Kumbhakar and Lovell(2000)为该领

本教学视频由合工大经济学院张王飞制作，请尊重作者的知识产权，购买后使用，勿用于商业用途，或上传至网络！谢谢

随机前沿模型（SFA）原理和软件实现

一、SFA原理

在经济学中，常常需要估计生产函数或者成本函数。生产函数f(x)的定义为：在给定投入x情况下的最大产出。但现实中的产商可能达不到最大产出的前沿，为了，假设产商i的产量为：

yi?f(xi,?)?i （1） 其中，?为待估参数；?i为产商i的水平，满足0??i?1。如果?i=1，则产商i正好处于效率前沿。同时，考虑生产函数还会受到随机冲击，故将方程（1）改写成：

yi?f(xi,?)?ievi （2）

其中，evi?0为随机冲击。方程（2）意味着生产函数的前沿f(xi,?)ev是

i随机的，故此类模型称为“随机前沿模型”（stochastic frontier model）。随机前沿模型最早由Aigner, Lovell and Schmidt(1977)提出，并在实证领域运用广泛，Kumbhakar and Lovell(2000)为该领

本教学视频由合工大经济学院张王飞制作，请尊重作者的知识产权，购买后使用，勿用于商业用途，或上传至网络！谢谢

随机前沿模型（SFA）原理和软件实现

一、SFA原理

在经济学中，常常需要估计生产函数或者成本函数。生产函数f(x)的定义为：在给定投入x情况下的最大产出。但现实中的产商可能达不到最大产出的前沿，为了，假设产商i的产量为：

yi?f(xi,?)?i （1） 其中，?为待估参数；?i为产商i的水平，满足0??i?1。如果?i=1，则产商i正好处于效率前沿。同时，考虑生产函数还会受到随机冲击，故将方程（1）改写成：

yi?f(xi,?)?ievi （2）

其中，evi?0为随机冲击。方程（2）意味着生产函数的前沿f(xi,?)ev是

i随机的，故此类模型称为“随机前沿模型”（stochastic frontier model）。随机前沿模型最早由Aigner, Lovell and Schmidt(1977)提出，并在实证领域运用广泛，Kumbhakar and Lovell(2000)为该领

固定效应模型的估计原理说明

在面板数据线性回归模型中，如果对于不同的截面或不同的时间序列，只是模型的截距项是不同的，而模型的斜率系数是相同的，则称此模型为固定效应模型。固定效应模型分为三类：

1.个体固定效应模型

个体固定效应模型是对于不同的纵剖面时间序列（个体）只有截距项不同的模型：

yit??i???kxkit?uit (1)

k?2K从时间和个体上看，面板数据回归模型的解释变量对被解释变量的边际影响均是相同的，而且除模型的解释变量之外，影响被解释变量的其他所有（未包括在回归模型或不可观测的）确定性变量的效应只是随个体变化而不随时间变化时。

检验：采用无约束模型和有约束模型的回归残差平方和之比构造F统计量，以检验设定个体固定效应模型的合理性。F模型的零假设：

H0:?1??2??3??????N?1?0

N?1?F(N?1,N(T?1)?K?1)

URSS(NT?N?K?1)(RRSS?URSS)F?RRSS是有约束模型（即混合数据回归模型）的残差平方和，URSS是无约束模型ANCOVA估计的残差平方和或者LSDV估计的残差平方和。

实践：

一、数据：已知1996—2002年中国东北、华北、华东15个省级地区的居民

固定效应模型的估计原理说明

在面板数据线性回归模型中，如果对于不同的截面或不同的时间序列，只是模型的截距项是不同的，而模型的斜率系数是相同的，则称此模型为固定效应模型。固定效应模型分为三类：

1.个体固定效应模型

个体固定效应模型是对于不同的纵剖面时间序列（个体）只有截距项不同的模型：

yit??i???kxkit?uit (1)

k?2K从时间和个体上看，面板数据回归模型的解释变量对被解释变量的边际影响均是相同的，而且除模型的解释变量之外，影响被解释变量的其他所有（未包括在回归模型或不可观测的）确定性变量的效应只是随个体变化而不随时间变化时。

检验：采用无约束模型和有约束模型的回归残差平方和之比构造F统计量，以检验设定个体固定效应模型的合理性。F模型的零假设：

H0:?1??2??3??????N?1?0

N?1?F(N?1,N(T?1)?K?1)

URSS(NT?N?K?1)(RRSS?URSS)F?RRSS是有约束模型（即混合数据回归模型）的残差平方和，URSS是无约束模型ANCOVA估计的残差平方和或者LSDV估计的残差平方和。

实践：

一、数据：已知1996—2002年中国东北、华北、华东15个省级地区的居民