第一章 绪论

第一节 研究背景及意义

面板数据模型是现代计量经济学中的重要组成部分，随着计量经济学理论的迅速发展，对面板数据模型的研究逐渐深入，使用面板数据模型进行实证分析逐渐普及，对面板数据的调查和收集开始备受关注。美国的NLS 数据集和PSID数据集是最为著名的两个面板数据。欧洲许多国家公布年度或月度的全国调查数据，如荷兰的SEP，德国的GSOEP，英国的 BHPS 等。我国国家统计局将一些重要经济指标的分地区时间序列调查数据也陆续纳入国家统计年鉴并发布在其官方网站。

面板数据是在不同时间点上对不同个体进行观测得到的数据，是既包括时间维度又包括横截面维度的二维数据。与普通的一维数据相比，其样本容量更大，可以挖掘的信息更为丰富。使用面板数据模型可以避免多重共线性，提高模型自由度，构建和检测更为复杂的变量结构关系。对面板数据模型的进一步研究不仅可以充实计量经济学理论，也具有重要的实际意义和应用价值。

但是目前普及的面板数据分析方法存在一定的局限性：一方面，现有面板数据分析方法通常假设误差项服从正态分布，如果数据分布违背假设，比如数据存在尖峰或者厚尾时，那么其估计结果可能不再优良和稳健；另一方面，现有面板数据模型多数基于均值回归方程进行建模，采用最小二乘法或广义最小二乘法进行参数估计，其回归结果虽然可以估计和检验均值效应，却难以刻画变量在数据尾部可能存在的相关关系，因此无法提供数据全面的结构特征。特别地，当不同的分布具有相同的均值和方差时，使用均值回归分析得到的结果无法体现其差异性，因此不足以提供有用的提示，甚至可能遗漏一些重要且有价值的信息。

为了突破传统面板数据分析方法的局限性，考虑将分位数回归技术应用于面板数据模型分析中。分位数回归最早由 Koenker 和Bassett（1978）提出，与基于最小二乘估计的线性均值回归相比，这一方法可以从如下几个方面弥补传统线性回归模型的局限之处：（1）分位数回归放宽了对误差项的分布假设，对随机误差项的分布情况不需做任何限制，当误差项不满足正态分布时，参数估计量仍然可以保持其有效性；（2）参数估计过程中，分位数回归通过构造加权残差绝对值之和最小化问题对未知参数进行求解，与最小二乘方法相比，其求解过程对于异常值的敏感程度大为降低，从而其估计结果更为稳健；（3）从回归结果来看，最小二乘线性均值回归只能得到一条回归方程，分位数回归则可以根据因变量分位点的不同提供多条回归方程，从而对因变量在整体分布上的回归关系作出更为清楚的阐释。

Koenker（2004）最早展开了对面板数据分位数回归模型的探讨，将分位数回归应用于纵向数据分析，提出了固定效应纵向数据分位数回归模型，这是对面板数据计量方法的重要扩展。使用面板数据分位数回归进行实证分析，不仅可以控制个体差异，充分利用面板数据的大样本特征，而且可以放宽均值回归模型对误差项的正态强假设，同时可以捕捉因变量整体分布上不同分位点处存在的回归关系，克服回归结果的片面性，因此这一分析方法应用场合更广泛，估计结果更全面，反映的信息更丰富。

近年来，国内外关于面板数据分位数回归的研究逐渐展开，但由于模型提出的时间较晚，目前关于这类模型的理论研究仍处于起步阶段。现有的研究方向主要有：对于固定效应或随机效应面板分位数回归模型的模型构建、模型求解、参数检验和渐进性质的研究；对于动态面板分位数回归模型的研究；对于非线性面板分位数回归模型的研究；关于面板分位数回归模型的非参数估计、半参数估计方法的研究；关于删失面板分位数回归模型、分层面板分位数回归模型、面板数据自回归分位模型等扩展模型的研究。其中面板数据分位数回归模型的模型构建和参数估计问题是研究的核心问题，根据对现有相关研究的分析可以发现：一方面，面板数据分位数回归模型的参数估计方法并不唯一，对现有方法进行改进或者探索新的求解方法都可能简化模型估计过程，提高模型估计能力；另一方面，对基于面板数据的非线性分位数回归模型研究较少，在模型构建、模型求解、参数检验等方面的研究都处于初级阶段，有待进一步发展。

针对上述问题，本书对面板数据分位数回归模型的模型构建和模型求解从三个方面展开研究，并利用提出的方法对物价波动相关问题进行实证分析，本研究是对现有理论研究的有益补充，也是对新方法应用研究的初步探索。