分层交叉因子面板模型的GPCA算法及多维政策冲击的动态识别-张培刚发展研究院

微观经济个体通常受到多层次、多维度政策环境冲击的持续性影响，而分层交叉因子面板模型是识别其动态效应的有效工具。本文通过交叉因子的属性重组，将交叉因子转换为平行因子，建立了分层交叉因子面板模型的识别机制及重组主成分分析（GPCA）算法。蒙特卡洛仿真实验表明，GPCA估计量具有良好的有限样本性质和因子识别能力，比Li和Yang（2018）的CPCA估计量收敛速度更快。将其应用于识别我国制造企业投资多维政策环境冲击的动态效应，发现宏观投资环境冲击具有明显的下行趋势，行业投资冲击和区域投资冲击均具有显著的时变性和趋势性波动特征。本文为识别多层多维政策环境冲击的动态效应提供了新的有效方法。