В предыдущих разделах мы достаточно подробно рассмотрели статические модели с панельными данными. Следующий естественный шаг — это изучение динамических моделей, основанных [c.379]
В качестве иллюстрации приведем расчетные значения коэффициентов ценовой перекрестной эластичности спроса на кондитерские изделия в России (табл. 12.1). Табличные данные рассчитывались автором по динамическим рядам торговой статистики за период 1959—1992 гг. с помощью динамических многофакторных моделей (ДММ) спроса на кондитерские изделия. Факторный статистический анализ осуществлялся по двум выделенным устойчивым подпериодам развития кондитерской отрасли и рынка кондитерских товаров — 1959—1975 и 1976—1992 гг. В качестве вспомогательных источников информации привлекались данные выборочных панельных обследований потребителей по городам Москва, Санкт-Петербург и материалы торговой статистики Министерства торговли России. [c.257]
В динамических моделях с панельными данными так же, как и в обычных моделях временных рядов, возникают проблемы единичных корней, коинтеграции и т. п., но рассмотрение этих вопросов выходит за рамки нашей книги. Более подробное описание этой темы можно прочесть, например, в книгах (Greene, 1997), (Verbeek, 2000). [c.385]
В динамических моделях с панельными данными регрессо-ры коррелированы с индивидуальными эффектами независимо от того, являются ли эти эффекты фиксированными или случайными. [c.385]
Глава 3 посвящена методам статистического анализа панельных данных, т.е. данных, содержащих наблюдения за некоторым достаточно большим количеством субъектов в течение некоторого относительно небольшого количества периодов времени. Особенностью многих моделей, используемых для статистического анализа таких данных, является предположение о наличии различий между субъектами исследования, которые постоянны во времени, но которые не удается реально измерить в виде значений некоторой объясняющей переменной. Такие различия специфицируются в этих моделях как фиксированные или случайные эффекты, и в зависимости от пригодности той или иной интерпретации этих эффектов, используются различные методы оценивания параметров модели (обычный или обобщенный метод наименьших квадратов). Метод инструментальных переменных, рассмотренный в главе 2, находит новое применение в динамических моделях панельных данных, в которых в качестве объясняющих переменных в правых частях уравнения могут выступать и запаздывающие значения объясняемой переменной, и реализуется в виде обобщенного метода моментов, ставшего весьма популярным в последние годы. В заключительной части этой главы модели, рассматривавшиеся в главе 1 (пробит, логит, тобит), распространяются на случай панельных данных. [c.8]