寫論文的時候用到的~相關的資料太少了,做一些簡單内容和資料的分享。(PSTR模型的Matlab代碼分享在最後)本文主要為簡單理論和粗暴實操~
有用的話可以點個贊喲(知乎小白卑微求贊)
嘻嘻下面進入正題
面闆平滑轉換模型(Panel smooth transmition model)是Gonzalez等(2005)提出的一種面闆門檻模型。該模型較好地解決了Hansen的PTR模型中門限值前後跳躍性變化的問題,在模型中加入了一個連續的轉換函數,更符合經濟現實。除了平滑變換,該模型還具有有效捕捉不同截面間異質性的優勢,适合多截面資料研究(如多國面闆、或我國省際面闆資料)。
PSTR模型基本公式如下:
其中,
為個體效應,
為解釋變量線性部分的回歸系數,
為解釋變量非線性部分的回歸系數,
為解釋變量,
為随機誤差項。
轉換函數滿足logistic函數形式,即:
,其中
其中,
為門限變量(可以為解釋變量),
為
轉換函數的斜率系數(即平滑參數),
越大,轉換函數斜率越大,表示不同區制間轉換速度越大,
為位置參數,r為轉化函數的個數,m為轉換函數中位置參數的個數。(這裡有些難懂,後續進行PSTR首先也是要進行r和m的确定。簡而言之,r表示轉換函數的個數,r個轉換函數表示模型有r+1個區制。但在每個轉換函數中,位置參數個數可能不止一個。位置參數為1個的logistic函數呈标準的S型分布,但2個位置參數則會出現類似尖U型的曲線。)
國内多數學者運用PSTR模型時,較多出現了r=1,m=1(即一個轉換函數,轉換函數中位置參數為1)的簡單情形。但具體r和m的值是需要進行檢驗的。下面就到了
具體PSTR該如何操作啦:- 進行線性和剩餘非線性檢驗
主要是
綜合LM、LMF、LRT三者的值,對資料的線性關系進行判斷。首先檢驗線性關系:H0:r=0;H1:PSTR with at least r=1,若檢驗出LM、LMF、LRT三者p值均小于0.01(1%顯著度水準下拒絕)(一般顯著的非線性關系p值都為0.000),則拒絕原假設,則模型至少存在一個轉換函數。繼續進行剩餘非線性檢驗,直到接受原假設,則可初步判斷出轉換函數個數r的值。(為什麼說初步判斷呢?後面你就知道了)
2. 位置參數個數m及最優轉換函數個數r*(m)的确定參照matlab的代碼,可對m的值進行修改,一般m選1或2,即可概括出資料特征。
分别設定m=1及m=2,然後通過對比模型
AIC、SC、RSS的值,
選擇AIC、SC、RSS小的值,确定合适的m,以及對應的最優
r*(m),這裡的r*(m)是根據上文中LMF值确定的,是以與上文并不會存在明顯差異。
3. 下面就以標明的m和r*(m)開始PSTR模型的估計啦Matlab的模型跑出來主要會出現
estimated slope parameter of transition function(斜率系數,即平滑參數的估計值);
estimated location parameters(位置參數的估計值);estimated slope parameters(回歸系數),這裡的位置參數、回歸系數,均為每列對應一個轉換函數。此外,還會跑出修正後的标準差、t值等。
關于
不同區制間解釋變量的回歸系數,隻要畫出轉換函數的圖像,根據圖像判斷轉換函數G在每一段上的取值,即可大概判斷,在門限值的兩側,系數穩定的狀态。比如,x<c時,G=0, 則系數為
;x>c時,G=1,則x趨于無窮時,系數趨于
。而在x取值在門限值c附近時,如果門限值為解釋變量,則該解釋變量的系數存在一個導數的平滑轉換,可自行推導。這裡隻列舉了單門限、單轉換函數的簡單例子,實際情況還需自己畫圖分析。
理想的情況自然是做出了U型或者倒U型的非線性關系呀~但其他結論隻要結果穩健,都是也都是可信的。
關于内生性問題,由于看到有核心期刊中說PSTR模型可解決雙向因果帶來的内生性問題,求證的結果應該是不可以哒~
重申,PSTR模型無法解決内生性問題,隻能說面闆模型能緩解部分的内生性問題,但該說法現今普遍不具有說服力。内生性問題的解決還是需要尋找工具變量、或其他方法進行解決。
以上,嘻嘻。
PSTR模型的matlab代碼及相關文章:
連結:https://pan.baidu.com/s/1ejcLvM2DhfFj3qwn59VcjA
提取碼:7elk
大家可以參照Colletaz_Hurlin的文章比對PSTR跑出的結果呀~
如果有什麼問題,歡迎大家指出。