《表2 回归模型控制的因素》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《媒体报道与未成熟金融市场信息透明度——中国网络借贷市场视角》
为处理上述问题,我们采用了5种估计方法。我们以OLS模型作为基准模型。固定效应模型(FE)允许面板数据在不同平台存在影响交易量,但研究人员观察不到的具有平台特色的因素,如平台管理文化等;组均值估计量(MG)则在控制平台个体效应的基础上,进一步允许解释变量的边际效应存在差异(Pesaran and Smith,1995)。例如,如果Shibor发生变化带来平台利差变化时,大平台和对小平台的交易量受到的影响不同,那么该模型仍可以一致估计相关参数。共同相关组均值估计量(CCEMG)则在MG模型的基础上,进一步控制了共同因素引起的空间相关性。例如,监管部门宣布备案延期后,分别在杭州和深圳的两家原本在运营上没有任何联系的平台都面临了类似的不确定性,这就使这两家平台的运营产生了空间相关,CCEMG模型则允许此时仍然可以获得一致估计。最后,动态共同相关组均值估计量则允许上周的交易状况影响上周的媒体报道和本周的交易情况(Dyn CCEMG)(Chudik and Pesaran,2015)。在估计这5类模型后,我们引入空间相关检验CD检验(Pesaran,2015)作为模型选择的依据,如果统计量的值大则是拒绝不存在空间相关的证据。下面,我们将介绍估计方法,并在表2总结不同模型控制的因素。本文的OLS模型是:
图表编号 | XD00195563700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.05 |
作者 | 沈艳、王靖一 |
绘制单位 | 北京大学数字金融研究中心 |
更多格式 | 高清、无水印(增值服务) |