Eviews面板數(shù)據(jù)模型估計

1、一、面板數(shù)據(jù)及如何建立混合數(shù)據(jù)庫一、面板數(shù)據(jù)及如何建立混合數(shù)據(jù)庫1.面板數(shù)據(jù)定義面板數(shù)據(jù)定義 時間序列數(shù)據(jù)或截面數(shù)據(jù)都是一維時間序列數(shù)據(jù)或截面數(shù)據(jù)都是一維數(shù)據(jù)。面板數(shù)據(jù)（數(shù)據(jù)。面板數(shù)據(jù)（panel data）也稱時）也稱時間序列截面數(shù)據(jù)（間序列截面數(shù)據(jù)（time series and cross section data）或混合數(shù)據(jù)）或混合數(shù)據(jù)（pool data）。面板數(shù)據(jù)是同時在時間）。面板數(shù)據(jù)是同時在時間和截面空間上取得的二維數(shù)據(jù)。和截面空間上取得的二維數(shù)據(jù)。地區(qū)人均消費1996199719981999200020012002CP-AH（安徽） 3282.466 3646.150 377

2、7.410 3989.581 4203.555 4495.174 4784.364CP-BJ（北京） 5133.978 6203.048 6807.451 7453.757 8206.271 8654.433 10473.12CP-FJ（福建） 4011.775 4853.441 5197.041 5314.521 5522.762 6094.336 6665.005CP-HB（河北） 3197.339 3868.319 3896.778 4104.281 4361.555 4457.463 5120.485CP-HLJ（黑龍江） 2904.687 3077.989 3289.990 3596

3、.839 3890.580 4159.087 4493.535CP-JL（吉林） 2833.321 3286.432 3477.560 3736.408 4077.961 4281.560 4998.874CP-JS（江蘇） 3712.260 4457.788 4918.944 5076.910 5317.862 5488.829 6091.331CP-JX（江西） 2714.124 3136.873 3234.465 3531.775 3612.722 3914.080 4544.775CP-LN（遼寧） 3237.275 3608.060 3918.167 4046.582 4360.42

4、0 4654.420 5402.063CP-NMG（內(nèi)蒙古） 2572.342 2901.722 3127.633 3475.942 3877.345 4170.596 4850.180CP-SD（山東） 3440.684 3930.574 4168.974 4546.878 5011.976 5159.538 5635.770CP-SH（上海） 6193.333 6634.183 6866.410 8125.803 8651.893 9336.100 10411.94CP-SX（山西） 2813.336 3131.629 3314.097 3507.008 3793.908 4131.273

5、 4787.561CP-TJ（天津） 4293.220 5047.672 5498.503 5916.613 6145.622 6904.368 7220.843CP-ZJ（浙江） 5342.234 6002.082 6236.640 6600.749 6950.713 7968.327 8792.210地區(qū)人均收入1996199719981999200020012002IP-AH（安徽） 4106.251 4540.247 4770.470 5178.528 5256.753 5640.597 6093.333IP-BJ（北京） 6569.901 7419.905 8273.418 9127

6、.992 9999.700 11229.66 12692.38IP-FJ（福建） 4884.731 6040.944 6505.145 6922.109 7279.393 8422.573 9235.538IP-HB（河北） 4148.282 4790.986 5167.317 5468.940 5678.195 5955.045 6747.152IP-HLJ（黑龍江） 3518.497 3918.314 4251.494 4747.045 4997.843 5382.808 6143.565IP-JL（吉林） 3549.935 4041.061 4240.565 4571.439 4878.

7、296 5271.925 6291.618IP-JS（江蘇） 4744.547 5668.830 6054.175 6624.316 6793.437 7316.567 8243.589IP-JX（江西） 3487.269 3991.490 4209.327 4787.606 5088.315 5533.688 6329.311IP-LN（遼寧） 3899.194 4382.250 4649.789 4968.164 5363.153 5797.010 6597.088IP-NMG（內(nèi)蒙古） 3189.414 3774.804 4383.706 4780.090 5063.228 5502.8

8、73 6038.922IP-SD（山東） 4461.934 5049.407 5412.555 5849.909 6477.016 6975.521 7668.036IP-SH（上海） 7489.451 8209.037 8773.100 10770.09 11432.20 12883.46 13183.88IP-SX（山西） 3431.594 3869.952 4156.927 4360.050 4546.785 5401.854 6335.732IP-TJ（天津） 5474.963 6409.690 7146.271 7734.914 8173.193 8852.470 9375.060I

9、P-ZJ（浙江） 6446.515 7158.288 7860.341 8530.314 9187.287 10485.64 11822.00Pool對象側(cè)重分析截面成員較少，而時期較對象側(cè)重分析截面成員較少，而時期較長的數(shù)據(jù)；對于截面成員較多，時期較少的數(shù)據(jù)，長的數(shù)據(jù)；對于截面成員較多，時期較少的數(shù)據(jù)，一般通過具有面板結(jié)構(gòu)的工作文件（一般通過具有面板結(jié)構(gòu)的工作文件（Panel workfile）進行分析。）進行分析。2.混合數(shù)據(jù)庫混合數(shù)據(jù)庫Pool的建立的建立 創(chuàng)建創(chuàng)建Pool對象，選擇對象，選擇Objects/New Object/Pool并在并在編輯窗口中輸入截面成員的識別名稱：編輯窗口

10、中輸入截面成員的識別名稱： 對截面成員的識別名稱沒有特別要求，但必須能使用對截面成員的識別名稱沒有特別要求，但必須能使用這些識別名稱建立合法的這些識別名稱建立合法的EViews序列名稱。序列名稱。 在在Pool中使用序列的關(guān)鍵是序列命名：使用基本名和中使用序列的關(guān)鍵是序列命名：使用基本名和截面識別名稱組合命名。截面識別名稱可以放在序列名中截面識別名稱組合命名。截面識別名稱可以放在序列名中的任意位置，只要保持一致即可的任意位置，只要保持一致即可 一個一個Pool序列實際就是一組序列序列實際就是一組序列, 序列名是由基本名序列名是由基本名和所有截面識別名構(gòu)成的。和所有截面識別名構(gòu)成的。Pool序列

11、名使用基本名和序列名使用基本名和“?”占位符，其中占位符，其中“?”代表截面識別名。代表截面識別名。 建立好建立好Pool對象以后，選擇對象以后，選擇View/Spreadsheet（stacked data），），EViews會要求輸入序列名列表。會要求輸入序列名列表。大多數(shù)情況下，不同截面成員的數(shù)據(jù)從上到下依次堆積，每一大多數(shù)情況下，不同截面成員的數(shù)據(jù)從上到下依次堆積，每一列代表一個變量列代表一個變量,每一列內(nèi)數(shù)據(jù)都是按年排列的。如果數(shù)據(jù)按年排列，每一列內(nèi)數(shù)據(jù)都是按年排列的。如果數(shù)據(jù)按年排列，要確保各年內(nèi)截面成員的排列順序要一致。要確保各年內(nèi)截面成員的排列順序要一致。生成新的序列生成新的序

12、列 打開原始打開原始pool數(shù)據(jù)，點擊工具欄中的數(shù)據(jù)，點擊工具欄中的poolgenr鍵，在鍵，在彈出的對話框中輸入要生成的公式，如：彈出的對話框中輸入要生成的公式，如：cp?=consume?/p?,ip?=income?/p? 單擊單擊Pool工具欄的工具欄的Estimate選項打開如下對話框：選項打開如下對話框： （1 1）因變量）因變量在因變量對話框中輸入在因變量對話框中輸入PoolPool變量或變量或PoolPool變量表達式。變量表達式。（2 2）估計方法）估計方法Fixed and Random下：下：Cross-secti（個體效應(yīng)）有三個選項，分別表示無、固定和隨機個（個體效應(yīng)

13、）有三個選項，分別表示無、固定和隨機個體效應(yīng)。體效應(yīng)。Period（時點效應(yīng)）有三個選項，分別表示無、有固定和有隨機時時點效應(yīng)）有三個選項，分別表示無、有固定和有隨機時點效應(yīng)。點效應(yīng)。Weights有五個選項，分別表示無加權(quán)、個體的有五個選項，分別表示無加權(quán)、個體的GLS法、個體法、個體SUR法、法、時點時點GLS法和時點法和時點SUR法。法。（3 3）估計設(shè)置）估計設(shè)置Method有兩個選項：有兩個選項：LS和和TSLSSample為樣本區(qū)間。為樣本區(qū)間。 （4）解釋變量解釋變量 (1) Common:此欄中輸入的變量對所有截面成員有相同的此欄中輸入的變量對所有截面成員有相同的系數(shù)，并用一般

14、名稱或系數(shù)，并用一般名稱或Pool名稱輸出結(jié)果。名稱輸出結(jié)果。 (2) Cross-section specific:此欄中輸入的變量對此欄中輸入的變量對Pool中每個中每個截面成員的系數(shù)不同。截面成員的系數(shù)不同。EViews會對每個截面成員估計不同的系數(shù)，會對每個截面成員估計不同的系數(shù)，并使用截面成員識別名后跟一般序列名，中間用并使用截面成員識別名后跟一般序列名，中間用“”連接進行標(biāo)連接進行標(biāo)簽。簽。 (3) Period specific :此欄中輸入的變量對此欄中輸入的變量對Pool中每個時期的中每個時期的系數(shù)不同。系數(shù)不同。EViews會對每個時期估計不同的系數(shù)，并使用變量名后會對每個

15、時期估計不同的系數(shù)，并使用變量名后跟時期，中間用跟時期，中間用“”連接進行標(biāo)簽。連接進行標(biāo)簽。1Kititkkititkyu x二、面板數(shù)據(jù)模型形式設(shè)定檢驗二、面板數(shù)據(jù)模型形式設(shè)定檢驗如果從時間上看，不同個體之間不存在顯著性差異；從截面上如果從時間上看，不同個體之間不存在顯著性差異；從截面上看，不同截面之間也不存在顯著性差異，那么就可以直接把面板數(shù)看，不同截面之間也不存在顯著性差異，那么就可以直接把面板數(shù)據(jù)混合在一起用普通最小二乘法（據(jù)混合在一起用普通最小二乘法（OLS）估計參數(shù)。）估計參數(shù)。EViwes估計方法：估計方法：在主窗口中雙擊已建立的在主窗口中雙擊已建立的Pool數(shù)據(jù)庫，在數(shù)據(jù)庫，

16、在Pool窗口的工具欄中點擊窗口的工具欄中點擊Estimate鍵，打開鍵，打開Pooled Estimation（混（混合估計）窗口，其選項如下圖。合估計）窗口，其選項如下圖。 固定效應(yīng)模型固定效應(yīng)模型得出如下輸出結(jié)果得出如下輸出結(jié)果 相應(yīng)的表達式是：相應(yīng)的表達式是：129.630.76ititCPIP(2.0) (79.7) 20.98,4824588rRSSE上式表示上式表示15個省級地區(qū)的城鎮(zhèn)人均支個省級地區(qū)的城鎮(zhèn)人均支出平均占收入的出平均占收入的76%。 若要查看方程，在結(jié)果輸出窗口點若要查看方程，在結(jié)果輸出窗口點ViewRepresentations。要用。要用模型進行模擬，點模型進

17、行模擬，點procMake Model，在出來的窗口中點，在出來的窗口中點Solve。在結(jié)果輸出窗口中點擊在結(jié)果輸出窗口中點擊View選選Residuals/Table, Graphs, Covariance Matrix, Correlation Matrix功能可以分別得到按個體計功能可以分別得到按個體計算的殘差序列表，殘差序列圖，殘差序列的方差協(xié)方差矩陣，殘差算的殘差序列表，殘差序列圖，殘差序列的方差協(xié)方差矩陣，殘差序列的相關(guān)系數(shù)矩陣。序列的相關(guān)系數(shù)矩陣。個體固定影響變截距模型就是對于不同的個體有不同截距的模個體固定影響變截距模型就是對于不同的個體有不同截距的模型。如果對于不同的時間序列

18、（個體）截距是不同的，但是對于不型。如果對于不同的時間序列（個體）截距是不同的，但是對于不同的橫截面，模型的截距沒有顯著性變化，那么就應(yīng)該建立個體固同的橫截面，模型的截距沒有顯著性變化，那么就應(yīng)該建立個體固定影響模型。定影響模型。EViwes估計方法：估計方法：在在EViwes的的Pooled Estimation對話框中的對話框中的Cross-secti下拉菜單中選中下拉菜單中選中Fixed。把。把c從從Common coefficients窗口窗口中刪除，其余選項同上。中刪除，其余選項同上。個體固定影響變截距模型個體固定影響變截距模型得出如下輸出結(jié)果得出如下輸出結(jié)果 相應(yīng)的表達式為：相應(yīng)的

19、表達式為： (6.3) (55) 其中虛擬變量其中虛擬變量 的定義是：的定義是： 15個省級地區(qū)的城鎮(zhèn)人均指出平均占收入個省級地區(qū)的城鎮(zhèn)人均指出平均占收入70%。從上面的結(jié)果可以看出北京市居民的自。從上面的結(jié)果可以看出北京市居民的自發(fā)性消費明顯高于其他地區(qū)。發(fā)性消費明顯高于其他地區(qū)。1215515.60.7036.3537.6. 198.6ititCPIPDDD1215,.,D DD20.99,2270386rRSSE1,1,2,.,150,iiiD如果屬于第個個體,其他 固定效應(yīng)模型分為三種：個體固定效應(yīng)模型、時點固定效應(yīng)模型分為三種：個體固定效應(yīng)模型、時點固定效應(yīng)模型和個體時點固定效應(yīng)模型

20、。如果觀察得固定效應(yīng)模型和個體時點固定效應(yīng)模型。如果觀察得數(shù)據(jù)是對個體固定，則應(yīng)選擇個體固定效用模型。但數(shù)據(jù)是對個體固定，則應(yīng)選擇個體固定效用模型。但是，我們還需作個體固定效應(yīng)模型和混合估計模型的是，我們還需作個體固定效應(yīng)模型和混合估計模型的選擇。所以，就要作選擇。所以，就要作F值檢驗。值檢驗。 相對于混合估計模型來說，是否有必要建立個體固相對于混合估計模型來說，是否有必要建立個體固定效應(yīng)模型可以通過定效應(yīng)模型可以通過F檢驗來完成。檢驗來完成。 假設(shè)假設(shè) H0：對于不同橫截面模型截距項相同（建立：對于不同橫截面模型截距項相同（建立混合估計模型）?；旌瞎烙嬆Ｐ停?。SSEr 備擇假設(shè)備擇假設(shè) H1

21、：對于不同橫截面模型的截距項不同：對于不同橫截面模型的截距項不同（建立個體固定效應(yīng)模型）。（建立個體固定效應(yīng)模型）。SSEu F統(tǒng)計量定義為：統(tǒng)計量定義為： F=( SSEr - SSEu)/(N+k2)/ SSEu/(NT-N-k) 其中，其中，SSEr，SSEu分別表示約束模型（混分別表示約束模型（混合估計模型的）和非約束模型（個體固定效應(yīng)模合估計模型的）和非約束模型（個體固定效應(yīng)模型的）的殘差平方和（型的）的殘差平方和（Sum squared resid）。）。非約束模型比約束模型多了非約束模型比約束模型多了N1個被估參數(shù)。需個被估參數(shù)。需要指出的是：當(dāng)模型中含有要指出的是：當(dāng)模型中含有

22、k個解釋變量時，個解釋變量時，F(xiàn)統(tǒng)統(tǒng)計量的分母自由度是計量的分母自由度是NT-N- k。通過對。通過對F統(tǒng)計量統(tǒng)計量我們將可選擇準(zhǔn)確、最佳的估計模型。我們將可選擇準(zhǔn)確、最佳的估計模型。 在作回歸時也是四步：在作回歸時也是四步： 第一步，先作混合效應(yīng)模型：第一步，先作混合效應(yīng)模型： 在在cross-section 一欄選擇一欄選擇None ，Period也是也是None；Weights是是cross-section Weights，然后把回，然后把回歸結(jié)果的歸結(jié)果的Sum squared resid值復(fù)制出來，就是值復(fù)制出來，就是SSEr 第二步：作個體固定效用模型：在第二步：作個體固定效用模型

23、：在cross-section 一欄選擇一欄選擇Fixed ，Period也是也是None；Weights是是cross-section Weights，然后把回，然后把回歸結(jié)果的歸結(jié)果的Sum squared resid值復(fù)制出來，就是值復(fù)制出來，就是SSEu 第三步：根據(jù)公式第三步：根據(jù)公式F=( SSEr - SSEu)/(N+k2)/ SSEu/(NT-N-k)。計算出結(jié)果。其中，。計算出結(jié)果。其中，T為年數(shù)，不管我們的數(shù)據(jù)是為年數(shù)，不管我們的數(shù)據(jù)是unbalance還是還是balance看看observations就行了，也即就行了，也即Total pool (balanced) o

24、bservations:的值，但是如果是的值，但是如果是balance我們也可以計算，也即是每一年的企業(yè)數(shù)我們也可以計算，也即是每一年的企業(yè)數(shù)的總和。比如說我們研究的總和。比如說我們研究7年，每一年又年，每一年又15個地區(qū)，個地區(qū)，則則NT715105。K為解釋變量的個數(shù)，不含為解釋變量的個數(shù)，不含被解釋變量。被解釋變量。 第四步，根據(jù)計算出來的結(jié)果查第四步，根據(jù)計算出來的結(jié)果查F值分布表。值分布表?？词欠裢ㄟ^檢驗。檢驗準(zhǔn)則：當(dāng)看是否通過檢驗。檢驗準(zhǔn)則：當(dāng)F F(T-1, NT-T-k) , =0.01,0.05或或0.1時，拒絕原假設(shè)，則時，拒絕原假設(shè)，則結(jié)論是應(yīng)該建立個體固定效應(yīng)模型，反之

25、，接受原結(jié)論是應(yīng)該建立個體固定效應(yīng)模型，反之，接受原假設(shè)，則不能建立個體固定效應(yīng)模型。假設(shè)，則不能建立個體固定效應(yīng)模型。 接下來對本例用接下來對本例用F統(tǒng)計量檢驗是應(yīng)該建立混合統(tǒng)計量檢驗是應(yīng)該建立混合回歸模型，還是個體固定效應(yīng)回歸模型?；貧w模型，還是個體固定效應(yīng)回歸模型。 ： 。模型中不同個體的截距相同。模型中不同個體的截距相同（真實模型為混合回歸模型）。（真實模型為混合回歸模型）。 ：模型中不同個體的截距項不同（真實模：模型中不同個體的截距項不同（真實模型為個體固定效應(yīng)回歸模型）。型為個體固定效應(yīng)回歸模型）。 F統(tǒng)計量定義為：統(tǒng)計量定義為：0Hi1H)/() 1/()()/()() 1/()

26、(kNNTSSENSSESSEkNNTSSEkNNTkNTSSESSEFuuruur 其中其中SSER表示約束模型，即混合估計模型的殘表示約束模型，即混合估計模型的殘差平方和，差平方和，SSEU表示非約束模型，即個體固定表示非約束模型，即個體固定效應(yīng)回歸模型的殘差平方和。非約束模型比約效應(yīng)回歸模型的殘差平方和。非約束模型比約束模型多了束模型多了N-1個被估參數(shù)。個被估參數(shù)。 所以本例中：所以本例中： 所以推翻原假設(shè)，建立個體固定效應(yīng)回歸模型所以推翻原假設(shè)，建立個體固定效應(yīng)回歸模型更合理。更合理。8 . 1)89,14(16. 7) 115105/(2256339) 115/()22563394

27、797532(05. 0FF當(dāng)利用面板數(shù)據(jù)研究擁有充分多個體的總體經(jīng)濟特征時，若利當(dāng)利用面板數(shù)據(jù)研究擁有充分多個體的總體經(jīng)濟特征時，若利用總體數(shù)據(jù)的固定效應(yīng)模型就會損失巨大的自由度，使得個體截距用總體數(shù)據(jù)的固定效應(yīng)模型就會損失巨大的自由度，使得個體截距項的估計不具有有效性。這時可建立個體隨機影響變截距模型。其項的估計不具有有效性。這時可建立個體隨機影響變截距模型。其Eviews實現(xiàn)見下圖。實現(xiàn)見下圖。個體隨機影響變截距模型個體隨機影響變截距模型運行結(jié)果得運行結(jié)果得 相應(yīng)的表達式是： 其中虛擬變量 的定義是：15218 .10536798. 272. 09 .345DDDIPPCitit2959

28、952,98. 02SSER1215,.,D DD1,0,iD如果屬于第i個個體,i=1,2,.,15其他 固定效應(yīng)模型和隨機效應(yīng)模型的設(shè)定檢驗固定效應(yīng)模型和隨機效應(yīng)模型的設(shè)定檢驗-hausman檢驗檢驗 眾所周知，在回歸模型眾所周知，在回歸模型 滿足基本假設(shè)時，回歸系數(shù)的滿足基本假設(shè)時，回歸系數(shù)的ols估計量是估計量是BLUE估估計，但是，當(dāng)模型不滿足計，但是，當(dāng)模型不滿足“正交性假設(shè)正交性假設(shè)” 時，時， 的的OLS估計量不再是無偏的。同時，當(dāng)模型估計量不再是無偏的。同時，當(dāng)模型不滿足不滿足“同方差性假設(shè)同方差性假設(shè)” 時，時， 的的OLS估計量不是有效的。估計量不是有效的。tttuXY0)|(ttXuEIXuVartt2)|( 對