求助：面板数据加入一阶自回归后，主要自变量不显著

我使用的是面板数据，采用的是截面固定效应进行估计，结果如下：

Dependent Variable: LOG(U?)
Method: Pooled EGLS (Cross-section weights)
Date: 07/19/11 Time: 19:29
Sample: 2000 2009
Included observations: 10
Cross-sections included: 30
Total pool (balanced) observations: 300
Linear estimation after one-step weighting matrix
White cross-section standard errors & covariance (d.f. corrected)
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	0.691684	0.249469	2.772625	0.0060
LOG(TI?)	0.064810	0.034821	1.861214	0.0638
LOG(SI?)	0.213852	0.036747	5.819589	0.0000
LOG(MAR?)	0.279092	0.021122	13.21326	0.0000
LOG(EDU?)	0.051965	0.007196	7.221464	0.0000
LOG(TCI?)	0.040666	0.009296	4.374695	0.0000
LOG(INF?)	0.007372	0.011608	0.635129	0.5259
LOG(GDP?)	0.035022	0.022746	1.539664	0.1248

				Effects Specification
Cross-section fixed (dummy variables)
				Weighted Statistics
R-squared				0.993212		Mean dependent var			6.153570
Adjusted R-squared				0.992282		S.D. dependent var			2.935491
S.E. of regression				0.049947		Sum squared resid			0.656107
F-statistic				1068.889		Durbin-Watson stat			0.689289
Prob(F-statistic)				0.000000
				Unweighted Statistics
R-squared				0.972199		Mean dependent var			3.726917
Sum squared resid				0.786521		Durbin-Watson stat			0.544177

这是刚开始的估计结果，我发现D-W值只有0.54417，说明存在自相关，因此我加入一阶自回归ar(1)，得到的结果如下：

Dependent Variable: LOG(U?)
Method: Pooled EGLS (Cross-section weights)
Date: 07/19/11 Time: 19:30
Sample (adjusted): 2001 2009
Included observations: 9 after adjustments
Cross-sections included: 30
Total pool (balanced) observations: 270
Iterate coefficients after one-step weighting matrix
White cross-section standard errors & covariance (d.f. corrected)
Convergence achieved after 20 total coef iterations
Variable					Coefficient	Std. Error	t-Statistic	Prob.
C					1.981029	0.373473	5.304347	0.0000
LOG(TI?)					-0.031413	0.051841	-0.605961	0.5451
LOG(SI?)					0.019824	0.061881	0.320352	0.7490
LOG(MAR?)					0.068068	0.038698	1.758972	0.0799
LOG(EDU?)					-0.002807	0.014675	-0.191287	0.8485
LOG(TCI?)					-0.002943	0.007582	-0.388197	0.6982
LOG(INF?)					-0.025982	0.019747	-1.315753	0.1896
LOG(GDP?)					0.169399	0.026599	6.368649	0.0000
AR(1)					0.859268	0.023148	37.12131	0.0000

				Effects Specification
Cross-section fixed (dummy variables)
				Weighted Statistics
R-squared				0.998136		Mean dependent var			7.493801
Adjusted R-squared				0.997839		S.D. dependent var			3.619287
S.E. of regression				0.029334		Sum squared resid			0.199637
F-statistic				3357.803		Durbin-Watson stat			2.025999
Prob(F-statistic)				0.000000

虽然得到的结果不存在自相关了，但是自变量都变得不显著了，请问各位高手这中情况应该怎么办？
我的数据都是来自于统计年鉴，只有少量数据缺失，使用内插法填补了一下。而且按照经济学的知识，那几个变量正常来说都应该显著的，为什么加入一阶自相关项后就不显著呢？是不是因为存在内生性问题呢？希望大家给予指点，非常感谢！

当面板数据模型的解释变量中出现被解释变量的滞后项，从而导致解释变量与随机扰动项相关，产生了内生性问题。如采用标准的固定效应或随机效应进行分析，会导致参数估计的非一致性。广义矩估计（Genaral Method of Moments, GMM）可以较好地解决这一问题（王少平、封福育，2006）。GMM估计的基本思想是寻找正交性条件。由于正交条件的个数多于方程估计参数的个数，所以要对不同的正交性条件给予一个权重，基本的原则是对估计准确度较差的给予较小权重，而对准确性较高的给予较大权重。
    所以，当你在解释变量中加入因变量的一阶或二阶滞后项时，GMM估计是更好的估计技术，更获得更一致的估计结果。
    关于GMM的学习，给你推荐以下经典理论文献和比较有名的国内外应用文献：
    （一）关于GMM的理论文献：
    1. Manuel Arellano and Stephen Bond, Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations, The Review of Economic Studies, 1991,58(2), pp.277-297.
        2. Richard Buendell and Stephen Bond, Initial Conditions and Moment Restrictions in Dynamic Panel Data Models, Journal of Econometrics, 1998(87), pp. 115-143.
        3. David Roodman, How to Do xtabond2: An Introduction to "Difference" and "System" GMM in Stata, Center for Global Development Working Paper, 2006, No. 103.
         （二）关于GMM的应用文献：
    1. 王少平、封福育，外商直接投资对中国贸易的效应与区域差异：基于动态面板数据模型分析，世界经济，2006（8）：23－30。
    2. 姚树洁、韦开蕾：“中国经济增长、外商直接投资和出口贸易的互动实证分析”，《经济学（季刊）》，2007，7（1）：151－170。
    3. Dani Rodrik, The Real Exchange Rate and Economic Growth: Comments and Discussion,Brooking Papers, Fall 2008, pp.365-412.
        4. Charles Yuji Horioka and Junmin Wan, The Determinants of Household Saving in China: A Dynamic Panel Analysis of Provincial Data, Journal of Money, Credit and Banking, 2007, 39(8), pp. 2077-2096.
        这些文献应该都能通过校园图书馆电子资源或本论坛收到，你先查找下。如果有没有找到的，可站内发信给我，我给你传上来。

希望大家给点意见，我的论坛币也都奉献给大家了，非常感谢！

一个办法是加入y的滞后项，用动态矩估计试试
stata命令是xtabond2

ywh19860616 发表于 2011-7-19 20:18
一个办法是加入y的滞后项，用动态矩估计试试
stata命令是xtabond2

非常感谢，我试一下，但是您说的动态矩好像有点复杂，我不是很懂。请问动态矩能解决什么问题？

朱默 发表于 2011-7-19 21:27
当面板数据模型的解释变量中出现被解释变量的滞后项，从而导致解释变量与随机扰动项相关，产生了内生性问题。如采用标准的固定效应或随机效应进行分析，会导致参数估计的非一致性。广义矩估计（Genaral Method of Moments, GMM）可以较好地解决这一问题（王少平、封福育，2006）。GMM估计的基本思想是寻找正交性条件。由于正交条件的个数多于方程估计参数的个数，所以要对不同的正交性条件给予一个权重，基本的原则是对估计准确度较差的给予较小权重，而对准确性较高的给予较大权重。
    所以，当你在解释变量中加入因变量的一阶或二阶滞后项时，GMM估计是更好的估计技术，更获得更一致的估计结果。
    关于GMM的学习，给你推荐以下经典理论文献和比较有名的国内外应用文献：
    （一）关于GMM的理论文献：
    1. Manuel Arellano and Stephen Bond, Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations, The Review of Economic Studies, 1991,58(2), pp.277-297.
        2. Richard Buendell and Stephen Bond, Initial Conditions and Moment Restrictions in Dynamic Panel Data Models, Journal of Econometrics, 1998(87), pp. 115-143.
        3. David Roodman, How to Do xtabond2: An Introduction to "Difference" and "System" GMM in Stata, Center for Global Development Working Paper, 2006, No. 103.
         （二）关于GMM的应用文献：
    1. 王少平、封福育，外商直接投资对中国贸易的效应与区域差异：基于动态面板数据模型分析，世界经济，2006（8）：23－30。
    2. 姚树洁、韦开蕾：“中国经济增长、外商直接投资和出口贸易的互动实证分析”，《经济学（季刊）》，2007，7（1）：151－170。
    3. Dani Rodrik, The Real Exchange Rate and Economic Growth: Comments and Discussion,Brooking Papers, Fall 2008, pp.365-412.
        4. Charles Yuji Horioka and Junmin Wan, The Determinants of Household Saving in China: A Dynamic Panel Analysis of Provincial Data, Journal of Money, Credit and Banking, 2007, 39(8), pp. 2077-2096.
        这些文献应该都能通过校园图书馆电子资源或本论坛收到，你先查找下。如果有没有找到的，可站内发信给我，我给你传上来。

太感谢您了！

我这就试一下，谢谢！

不客气，我也是正在学习GMM，前段时间找了一些资料，但做到真正领会和熟练运用，还是需要花大气力的。作为共勉，一起努力吧。

朱默 发表于 2011-7-19 19:49
当面板数据模型的解释变量中出现被解释变量的滞后项，从而导致解释变量与随机扰动项相关，产生了内生性问题 ...

终于找到在解释变量中引入被解释变量的滞后项的帖子，请问一下，你用R做过这个东东不~最近在做这个，遇到一些问题，还请高手指教~~

受教了