本文是黎实教授的国家自然科学基金项目“截面相关与非球型扰动条件下平稳与非平稳面板数据线性建模技术研究(71071130)”的部分研究成果。随着微观数据的不断丰富,当前对微观个体行为的实证研究正成为一个热点。但是由于这类模型多为非线性结构,在研究方法上比线性模型更加困难,其理论结果还存在较多值得研究的领域。本文针对二元选择面板数据模型的设定、估计和检验进行了研究,期望在这些方面做出贡献。本文从模型的设定、估计、检验和实证研究几个方面进行了系统的阐述和研究。首先介绍了研究的问题、背景和研究意义,即第1章的绪论。然后本文回顾了计量经济学家们在这几个方面的已有研究成果。估计方面有二元选择面板数据模型的一些常见估计方法,如直接估计法、条件似然估计法、偏误纠正估计法以及极大得分估计法,检验方面介绍了模型的设定检验以及截面相关性检验。这些内容构成了第2章的文献综述部分。第3章研究了二元选择面板数据模型的设定检验。首先介绍了二元选择截面数据模型中常见的模型设定检验方法及其不足之处,包括异方差检验、遗漏变量检验以及分布误设检验。这里除了专门性检验方法外,还介绍了一般设定检验(RESET)方法。其次本文研究了二元选择面板数据模型的一般设定检验,同时将截面模型中的专门性检验方法扩展到面板模型,并与一般设定检验方法进行了比较。本文的第4章主要研究了带异质线性趋势的二元面板数据模型的估计问题。首先研究了偏误纠正估计在Gumbit模型中的小样本性质,其次研究了带异质线性趋势的二元选择面板数据模型的偏误纠正估计,并针对Logit模型给出了当扰动项序列相关时模型仍存在充分统计量的充要条件。第5章研究了面板数据模型的截面相关检验。首先介绍了当前主要的一些关于面板模型的截面相关检验方法的思想和不足之处,并提出了一个新的截面相关检验统计量,考察了其在线性面板模型和二元选择面板数据模型中的大样本性质和小样本性质。在第6章本文考察了当二元选择面板数据模型的扰动项存在截面相关时的模型估计,利用Copula连接函数构造了带截面相关的二元选择面板数据模型的极大似然函数并估计了混合模型和固定效应模型。第7章对上述章节研究的估计检验方法进行了实证研究,包括带异质线性趋势二元选择面板数据模型的估计、二元选择面板数据模型的截面相关性检验以及带截面相关的二元选择面板数据模型估计。最后第8章对本文的主要研究内容进行了总结,提出了一些有意义的富有挑战的后续研究内容。具体来说,本文的研究内容主要包含以下几个方面：一、当前国内对二元选择模型的理论研究尚处于起步阶段,在二元选择面板数据模型的理论研究方面更涉及较少。本文系统总结了国内外在二元选择面板数据模型的设定、估计和检验上相关研究和最新进展,介绍了当前此领域研究中一些主要方法,并指出其中的不足,为后续研究提供了一些思路。二、模型设定检验。本文将Ramsey的RESET检验扩展到二元选择面板数据模型,讨论了异方差、遗漏变量和扰动项分布误设RESET检验的水平和功效。本文的小样本模拟结果发现：(1)上述几种模型误设的RESET检验未出现明显水平扭曲问题,实际水平和名义水平非常接近；(2)在功效方面,异方差检验、遗漏变量检验以及分布误设检验的功效总体表现较好,尤其当遗漏变量与解释变量的相关度很高的时候,RESET检验的功效表现非常好；(3)RESET检验在区分扰动项是服从标准正态分布还是标准Logistics分布时,检验功效非常低。同时,本文还讨论了二元选择截面数据模型中常用的专门性检验方法在二元选择面板数据模型中的表现(包括Davidson&Mackinnon的异方差、遗漏变量检验以及Silva的分布误设检验),发现除遗漏变量检验外其他误设检验的效果都很差。三、模型估计。二元选择面板数据模型估计中常见的问题是冗余参数导致估计量的偏误较大。从而,已有研究提出了偏误纠正的估计方法,但尚未见此方法在Gumbit模型中小样本性质的讨论。为此,本文采用模拟技术,研究了Gumbit模型偏误纠正估计量的小样本性质。本文研究发现偏误纠正估计方法显著减小了Gumbit模型估计量的偏误。其次,本文研究了带异质线性趋势的二元选择面板数据模型的估计。对于带异质线性趋势的Logit模型,得到了当扰动项序列相关时模型仍然存在充分统计量的一个等价刻画,为存在序列相关扰动项的模型估计提供了思路。而对不存在充分统计量的Probit模型,本文给出了其极大似然估计量的偏误结构,通过这个偏误对此模型的极大似然估计量进行了偏误纠正,提出偏误纠正估计量。同时,也给出了解释变量的平均边际效应估计的偏误。小样本结果显示本文提出的偏误纠正估计量无论是对参数的估计还是对平均边际效应的估计都能很好的纠正通常极大似然估计量的偏误。并且对Logit模型而言,偏误纠正估计量的平均绝对偏误甚至优于条件似然函数估计量的平均绝对偏误。四、截面相关性检验。在借鉴已有面板数据模型截面相关性检验研究成果的基础上,本文构造了检验面板数据模型截面相关性的新统计量——MCD统计量,并研究了MCD统计量的渐近性质和小样本性质。可以证明,无论在线性面板模型还是在二元选择面板数据模型中MCD统计量的序贯极限分布都是标准正态分布。小样本模拟结果表明这个新的统计量具有较好的水平和功效。同时,在线性面板模型的截面相关检验研究中,本文也讨论了当扰动项序列相关时的截面相关检验。研究发现扰动项的序列相关会严重的扭曲截面相关检验统计量的水平,但是如果能够消除这种序列相关性,水平和功效可以恢复到无序列相关的情况。另外,本文也将Baltige等调整的LM统计量和MCD统计量扩展到二元选择面板数据模型,研究了这两个统计量在此模型中的渐近性质和小样本性质。在应用研究中,本文发现了国内上市公司间的现金红利分配行为具有较强相关性的经验证据。五、存在截面相关时二元选择面板数据模型的估计。当检测出存在截面相关性问题时,如何进行二元选择面板数据模型的估计,目前还是一个研究的热点。在存在截面相关时,本文提出了针对混合效应二元选择面板数据模型的两阶段极大似然估计方法,以及针对固定效应二元选择面板数据模型的三阶段极大似然估计方法,研究了这两种估计方法的渐近性质和小样本性质,并在实证分析中予以了验证。两种估计方法的区别在于三阶段极大似然估计中多了冗余参数的估计。在三阶段估计方法中,本文首先在截面独立假设下对公共参数进行了估计。第二阶段极大似然估计是将上述估计结果带入模型估计异质性参数,并以此计算广义残差。最后将广义残差的相关系数作为Copula函数中的相关性参数,得到带截面相关的似然函数,并最大化这个似然函数得到公共参数的最终估计结果。本文证明了这个结果的一致性和渐近正态性,并给出了其渐近方差形式。在小样本模拟研究中,通过比较平均绝对偏误后发现,这种估计方法比忽视截面相关而直接进行极大似然估计要好得多,不仅提高了收敛速度也明显弥补了直接极大似然估计的有效性损失。实证研究也表明这种多阶段极大似然估计可以改善带截面相关二元选择面板数据模型参数估计量的有效性。在本文关于二元选择面板数据模型的设定、估计、检验的研究中。笔者以为在以下几点有所创新：一、推导了带异质线性趋势二元选择面板数据模型极大似然估计量的主要偏误结构,并提出偏误纠正估计量,模拟发现此估计量的小样本性质非常好。与现有的两种估计方法(条件似然估计和极大得分估计)比较存在以下优点：(1)与条件似然估计法相比,不需要把扰动项分布设定为logistics分布,同时可以利用的样本量也更多；(2)与极大得分估计法相比,不需要窗宽等人为设定参数,而且优化方法也更加简单。二、经过对面板模型的截面相关检验的研究,本文提出了一个新的截面相关检验统计量,推导了其大样本性质,并进行了小样本模拟研究。这个新的统计量很好地避免了Pesaran(2004)的CD统计量功效过低情况,同时比Pesaran et.al.(2008)提出的统计量要更为简单。在考察了线性面板模型的截面相关检验后,本文将这个新的检验统计量和Baltige等(2010b)调整的LM统计量扩展到二元选择面板数据模型,丰富了现有的二元选择面板数据模型的截面相关检验方法。三、针对带截面相关的二元选择面板数据模型中的混合模型和固定效应模型,本文分别提出了两阶段极大似然估计和三阶段极大似然估计,证明这两个估计量都是一致的,渐近服从正态分布,并给出估计量的渐近方差。小样本模拟发现,相比于通常的极大似然估计和条件似然估计方法,多阶段极大似然估计量显著提高了参数估计的有效性,在某些时候也提高了收敛速度。