slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
パネル・データの分析 PowerPoint Presentation
Download Presentation
パネル・データの分析

Loading in 2 Seconds...

play fullscreen
1 / 34

パネル・データの分析 - PowerPoint PPT Presentation


  • 286 Views
  • Uploaded on

パネル・データの分析. 内容. パネル・データとは パネル・データの分析方法 fixed effects model ダミー変数による方法,階差方程式による方法 random effects model パネル分析の実際 データ・セットの作成 推定. パネル・データとは. クロスセクション・データ 時系列データ パネル・データ クロスセクション・データ × 時系列 クロスセクションデータを時系列的にプールしたデータ 例) 都道府県別データ (県民所得,物価,地価等のデータ)を数年分あつめたデータ

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'パネル・データの分析' - valentine-lawrence


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide2
内容
  • パネル・データとは
  • パネル・データの分析方法
    • fixed effects model
      • ダミー変数による方法,階差方程式による方法
    • random effects model
  • パネル分析の実際
    • データ・セットの作成
    • 推定
slide3
パネル・データとは
  • クロスセクション・データ
  • 時系列データ
  • パネル・データ
    • クロスセクション・データ ×時系列
      • クロスセクションデータを時系列的にプールしたデータ
    • 例)
      • 都道府県別データ(県民所得,物価,地価等のデータ)を数年分あつめたデータ
      • 個票データ×時系列 (調査対象の個人,世帯を数年にわたって追跡したデータ)
      • balanced panel と unbalanced panel
slide4
パネル・データとは(2)

特定の個人についての複数年のデータ:

人種ダミー,経験年数,労働時間,賃金,結婚ダミー

wagepan.raw

賃金や労働時間についてのパネル・データ

個人の識別番号

時間を通じて変化しない変数もある(人種ダミー等)。

労働時間,賃金は年によって異なる値。

slide5
パネル・データ利用の利点
  • サンプル数の増加,変数の変動性が大きくなる
    • 推計値の信頼度が高まる
  • クロスセクション・データやマクロ時系列データでは個々の主体の異質性をうまく捉えられない。
    • パネル・データを利用することで克服できる場合もある
  • 動学的効果を捉えることができるかもしれない
    • マクロ時系列データ
      • 集計された経済主体の行動(個々の主体の意思決定がうまく捉えられない)
    • 社会資本整備の効果地価に反映される社会資本整備計画のアナウンスの前後のデータがあれば
slide6
パネル・データの分析方法
  • 次のモデルを考える。
    • i : 個人i
    • t : 時点t
    • yit:被説明変数 個人i,時点t
    • xj,it: 説明変数xj(j=1,2,...,k) 個人i,時点t
    • uit: 誤差項 個人i,時点t

uitの想定  pooling dataでのOLS,

fixed effects model,random effects model

fixed effects model
fixed effects model

individual effects は個人iの説明変数と相関があるかもしれない

例) 賃金方程式の推計

 個人の生来の資質は観察できない individual effects に反映  

  しかし,個人の生来の資質は学歴と相関があるかもしれない

random effects model
random effects model

fixed effects model random effects model はミスリーディングな用語

もともとは,文字通りの意味:fixed effects は非確率変数(固定値),random effectsは確率変数という想定だった。

slide9
パネル分析 その他
  • 一般的には,individual effects は個々の主体(クロスセクション)に関連
  • 場合によっては,時点特有のショックをコントロールするために,時点に関連させる場合もある
  • unobserved effects model
    • 個々の主体に特徴的な,観察されない変数の影響をうまく処理するための手法
    • 狭い意味でのパネル・データの分析に限定されない
fixed effects model1
fixed effects model

各変数のtに関しての平均を求め,平均からの乖離をとる

あるいは,1階の階差モデルを考える

こうした変形で,individual effectを表す項は消去され,他のパラメータを推定できる。個別の主体 iごとのダミー変数を作って,推計するのと同じ。

(注意)t=1,2,..,T ; i= 1,2,..,nのとき,fixed effects modelの自由度は

n(T-1) – k であることに注意: iごとの平均を求めるために,その分自由度は失われる

slide11
パネル分析の実際
  • wagepan.rawをEviewsに読み込む
      • 賃金と教育等の関係についてのパネル・データ
    • クロスセクションデータでimport,その後,パネル・データに変換する方法
    • パネル・データとしてimportする方法
  • 回帰式の推定
    • 単純な回帰(プールされたデータで)
    • fixed effects model
      • ダミー変数を用いる
      • 1階の階差方程式
    • random effects model
slide12

wagepan.des

4360個のオブザベーション

=545のクロスセクション×8年

slide13

最初に空のデータセットを作成

Eviewsを起動し,cross section data として読み込むための準備を行う

menuからFile New  Workfileを選択

左の画面で

workfile structure typeとしてUnstructured/ Undated を選択し,Observationsを4360とする OKをクリック

これで空のワークファイルが完成

slide14

テキストデータのインポート

最初にwagepan.desを秀丸等で読み込んでおく(変数名をコピーするため)

File Import  Read

と進んで,wagepan.rawを読み込む

左上の欄(赤で囲った部分)に変数名をペースト

OKをクリックしてデータセット読み込みの完了

wagepan.desから変数名をペースト

slide15

うまく読み込むことができれば左のようになるうまく読み込むことができれば左のようになる

データセットができたら適当な名前をつけて保存する

注意: Eviews7の画面なので,バージョンによってはメニューや画面が異なることがある

クロスセクションデータをパネルデータに変換するためには,このあたりをクリックするか,menuからProc Structute/ Resize Current....を選択

slide16

パネル・データへの変換 : 前頁の操作を行うと次の画面が表れるパネル・データへの変換 : 前頁の操作を行うと次の画面が表れる

workfile structureで Dated Panelを選択

個人を識別する変数を入力

時点を表す変数を入力

Frequency や Start date , End dateも入力した方がいい場合もある(このデータでは自動的に判別された)

slide17

パネルデータとして識別された

1980-87年×545人のデータ=4360obs

パネルデータから通常のundated cross sectionデータへの変換もできる

ProcStructure/Resize ..とたどるか,左の赤で囲った部分(Rangeあたり)をクリック

import
最初からパネルデータとしてimportする方法

Workfile structure typeとしてBalanced Panelを選択

Frequency: Annualを選択(データの期間の指定:月次、四半期などあり)

Start date, End date,

No. of Cross sectionsを指定

ここで用いるデータは、1980年から1987年のデータで、各年545の固体のデータ

545 x 8 = 4360 obs.

import 2
最初からパネルデータとしてimportする方法(2)

MenuからFile Import Read

を選択し、wagepan.rawをimportする

Wagepan.desから変数名をコピーしてペースト

Cross section id

Date id は自動的に作成される

import 3
最初からパネルデータとしてimportする方法(3)

ここをクリックすれば、structure type を変更できる

Cross section id が作成された(nr とは別に)

Date id が作成された(yearとは別に)

slide21
パネル分析

パネル分析のオプションはこのタブから選択できる

左のような回帰式を推計する

slide22
パネル分析のオプション

cross section

None

Fixed Effects

Random Effects

Period

None

Fixed Effects

Random Effects

が選択できる

slide23
次の方程式を推計
  • wagepan.raw
  • lwage = f( educ, black, hisp, exper, married, union)
    • educ(教育年数),black(黒人ダミー), hisp(ヒスパニックダミー)は一定の値
    • exper(labor market experience)
      • labor market から撤退していなければ(出産等?),基本的にはyearと同じく,1年ずつ増えていく
slide24
パネル分析
  • 通常のOLS
  • プールデータでのOLSと同じ
  • Cross Section : None Period : Fixed
    • プールデータで年ダミーを入れたOLS
  • Cross Section : Fixed Period : None
    • プールデータで個人ダミーを入れたOLS
    • 普通のfixed effects model
  • Cross Section : Fixed Period : Fixed
    • 自由度が不足する
  • Cross Section : Radom Period : None
    • 普通のrandom effects model
  • Cross Section : Radom Period : Fixed
slide25
OLS

experを外したOLS

ols 2
OLS(2)

experを説明変数に加えた場合

ols 3
OLS(3)

時点ダミー(d81- d87)を加えた場合

period fixed effects model と同じ

slide28

Period : Fixed Effects

Cross Section: None

slide29

前のモデルの固定効果:

estimation outputの画面から

view 

Fixed / Random Effects を選択していく

slide30

cross section : Fixed Effects

period: None

時間を通じて一定の変数は説明変数に加えることはできない

educ, 人種ダミー

1階の階差モデルと同じ

slide32
問題1
  • Crime2.raw
    • 46市の失業率(unem)と犯罪発生率(crmrte),1982年と1987年
    • crmrteを被説明変数,unemを説明変数にしてOLSを,各年ごと,およびプールしたデータで行え。
    • 各都市の犯罪発生率に結び付く観察不可能な変数があるかもしれない。これを考慮して,fixed effects model でcrmrteとunemの関係を推計せよ(2時点のデータなので,階差モデルで推計すればよい:crmrte,unemの2時点間の変化はデータセットに変数として含まれている)。
slide33
問題2
  • kielmc.raw
    • 1978年,81年の2時点のデータ
    • 1978年時点では焼却場の建設の噂なし,81年時点ではあり(実際には85年に建設)

被説明変数: 住宅価格(rprice: 1978年実質)

説明変数:  nearinc(住宅がゴミ焼却場の近くなら1),

y81(81年なら1)

y81* nearinc

を説明変数にして,OLSを行え。

    • 住宅の質(広さ,築年数等),住宅の周辺環境を表すその他の変数も住宅価格に影響を与える。このことを考慮して(他の適切な説明変数を加えて),焼却場建設の予定が住宅価格を低下させたかどうかを調べよ。
slide34
問題3
  • wagepan.raw
      • 1980年から87年の8時点のデータ
      • 賃金,教育年数,経験年数,人種ダミー,結婚ダミー,...
  • 次のモデルをpooled OLSで推定せよ
    • 被説明変数 lwage(賃金の対数値)
    • 説明変数 educ(教育年数), black(黒人ダミー), hisp(ヒスパニック・ダミー)
  • random effects model で推計し,pooled OLSとの結果と比較せよ。
  • 説明変数を追加して,.1.と2.の回帰を行え
  • fixed effects model + フルセットの説明変数で回帰を行え(注意:学歴,人種ダミー等を説明変数に加えることはできない)。