arlionn老师对我之前的疑问做了一些解答,之后我又发了新的回复,之后就没有回答了,我想可能是arlionn以为我提的问题已经解决了吧,因此这里再次把它贴出,期待包括arlionn等老师授业解惑。
“谢谢arlionn热心的解答,不过你说的这些我能理解,我也正在看Greene的书,我说的理解不清楚的是,随机系数模型中,估计参数b随个体的异质性变化而变化这种情况,也就是不同的个体具有不同的参数b[i],模型形式为:
y[i]=X[i]b[i]+u[i]
你说的a[i],实质上是b[i]中常数项的异质性特征(要么固定效应,要么随机效应),其他参数对于每一个个体都是相同的,而随机系数模型是所有参数随个体不同而不同。
而在sur模型中,b也是随个体的不同而不同的,尽管格林 表示在sur模型中,下标t并不代表时间序列,但是他举的例子,格伦菲尔德的例子,似乎t确实代表了时间序列,那么在形成面板数据的情况下,是选择sur模型,还是随机系数模型?
这两个模型从本质上来说有什么区别,他们的协方差结构有什么区别?”
“另外,还想问一下arlionn,最小二乘虚拟估计和固定效应法是不是等价的?如果不是,那么固定效应法的估计量是组间估计量还是总估计量?由于最小二乘虚拟估计量是组内估计量,这个组内估计量是有效的吗?假如有效,那么组间的信息是不是在模型中无用了?格林第五版13章3节的总估计量到底是什么估计量?他有没有用?
再次谢谢arlionn”