利用橫截面和時(shí)間序列的計(jì)量模型

1、1 在進(jìn)行經(jīng)濟(jì)分析時(shí)經(jīng)常會(huì)遇到時(shí)間序列和橫截面兩在進(jìn)行經(jīng)濟(jì)分析時(shí)經(jīng)常會(huì)遇到時(shí)間序列和橫截面兩者相結(jié)合的數(shù)據(jù)。例如，在企業(yè)投資需求分析中，我們者相結(jié)合的數(shù)據(jù)。例如，在企業(yè)投資需求分析中，我們會(huì)遇到多個(gè)企業(yè)的若干指標(biāo)的月度或季度時(shí)間序列；在會(huì)遇到多個(gè)企業(yè)的若干指標(biāo)的月度或季度時(shí)間序列；在城鎮(zhèn)居民消費(fèi)分析中，我們會(huì)遇到不同省市地區(qū)的反映城鎮(zhèn)居民消費(fèi)分析中，我們會(huì)遇到不同省市地區(qū)的反映居民消費(fèi)和居民收入的年度時(shí)間序列。本章將前述的企居民消費(fèi)和居民收入的年度時(shí)間序列。本章將前述的企業(yè)或地區(qū)等統(tǒng)稱為個(gè)體，這種業(yè)或地區(qū)等統(tǒng)稱為個(gè)體，這種，有的書，有的書中也稱為平行數(shù)據(jù)或面板數(shù)據(jù)（中也稱為平行數(shù)據(jù)或面板數(shù)據(jù)（

2、panel data）。我們稱）。我們稱這些數(shù)據(jù)為聯(lián)合利用時(shí)間序列這些數(shù)據(jù)為聯(lián)合利用時(shí)間序列/截面數(shù)據(jù)（截面數(shù)據(jù)（Pooled time series，cross section）。）。2 EViews對(duì)時(shí)間序列對(duì)時(shí)間序列/截面數(shù)據(jù)模型的估計(jì)是通過含有截面數(shù)據(jù)模型的估計(jì)是通過含有Pool對(duì)象的工作文件和具有面板結(jié)構(gòu)的工作文件來實(shí)現(xiàn)的。對(duì)象的工作文件和具有面板結(jié)構(gòu)的工作文件來實(shí)現(xiàn)的。 。通。通過過Pool對(duì)象可以實(shí)現(xiàn)對(duì)各種變截距、變系數(shù)時(shí)間序列模型對(duì)象可以實(shí)現(xiàn)對(duì)各種變截距、變系數(shù)時(shí)間序列模型的估計(jì)，但的估計(jì)，但Pool對(duì)象側(cè)重分析對(duì)象側(cè)重分析“窄而長窄而長”的數(shù)據(jù)，即截面的數(shù)據(jù)，即截面成員較少，

3、而時(shí)期較長的側(cè)重時(shí)間序列分析的數(shù)據(jù)。成員較少，而時(shí)期較長的側(cè)重時(shí)間序列分析的數(shù)據(jù)。 對(duì)于截面成員較多，時(shí)期較少的對(duì)于截面成員較多，時(shí)期較少的“寬而短寬而短”的側(cè)重截的側(cè)重截面分析的數(shù)據(jù)，一般通過面分析的數(shù)據(jù)，一般通過進(jìn)行分析。利用面板結(jié)構(gòu)的工作文件進(jìn)行分析。利用面板結(jié)構(gòu)的工作文件可以實(shí)現(xiàn)變截距時(shí)間序列可以實(shí)現(xiàn)變截距時(shí)間序列/截面數(shù)據(jù)模型以及動(dòng)態(tài)時(shí)間序截面數(shù)據(jù)模型以及動(dòng)態(tài)時(shí)間序列列/截面數(shù)據(jù)模型的估計(jì)。截面數(shù)據(jù)模型的估計(jì)。 3 Pool對(duì)象在對(duì)象在EViews中扮演著兩種角色。首先，中扮演著兩種角色。首先，Pool對(duì)對(duì)象中包含了一系列的標(biāo)識(shí)名。這些標(biāo)識(shí)名描述了工作文件象中包含了一系列的標(biāo)識(shí)名。這

4、些標(biāo)識(shí)名描述了工作文件中的時(shí)間序列中的時(shí)間序列/截面數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。在這個(gè)角色中，截面數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。在這個(gè)角色中，Pool對(duì)象在管理和處理時(shí)間序列對(duì)象在管理和處理時(shí)間序列/截面數(shù)據(jù)上的功能與組對(duì)象有截面數(shù)據(jù)上的功能與組對(duì)象有些相似。其次，利用些相似。其次，利用Pool對(duì)象中的過程可以實(shí)現(xiàn)對(duì)各種時(shí)對(duì)象中的過程可以實(shí)現(xiàn)對(duì)各種時(shí)間序列間序列/截面數(shù)據(jù)模型的估計(jì)及對(duì)估計(jì)結(jié)果的檢驗(yàn)和處理。截面數(shù)據(jù)模型的估計(jì)及對(duì)估計(jì)結(jié)果的檢驗(yàn)和處理。在這個(gè)角色中，在這個(gè)角色中，Pool對(duì)象與方程對(duì)象有些相似對(duì)象與方程對(duì)象有些相似 4 。為明。為明顯起見，名稱要相對(duì)較短。例如，國家作為截面成員時(shí)，顯起見，名稱要相對(duì)較短。

5、例如，國家作為截面成員時(shí)，可以使用可以使用USA代表美國，代表美國，CAN代表加拿大，代表加拿大，UK代表英國。代表英國。 定義了定義了Pool的截面成員名稱就等于告訴了的截面成員名稱就等于告訴了EViews，模，模型的數(shù)據(jù)結(jié)構(gòu)。在上面的例子中，型的數(shù)據(jù)結(jié)構(gòu)。在上面的例子中，EViews會(huì)自動(dòng)把這個(gè)會(huì)自動(dòng)把這個(gè)Pool理解成對(duì)每個(gè)國家使用單獨(dú)的時(shí)間序列。理解成對(duì)每個(gè)國家使用單獨(dú)的時(shí)間序列。 必須注意，必須注意，。因此，刪除一。因此，刪除一個(gè)個(gè)Pool并不會(huì)同時(shí)刪除它所使用的序列，但修改并不會(huì)同時(shí)刪除它所使用的序列，但修改Pool使用的使用的原序列會(huì)同時(shí)改變?cè)蛄袝?huì)同時(shí)改變Pool中的數(shù)據(jù)。中的

6、數(shù)據(jù)。 5 在本章中，使用的是一個(gè)研究投資需求的例子，包括了五在本章中，使用的是一個(gè)研究投資需求的例子，包括了五家企業(yè)和三個(gè)變量的家企業(yè)和三個(gè)變量的20個(gè)年度觀測(cè)值的時(shí)間序列：個(gè)年度觀測(cè)值的時(shí)間序列： 5家企業(yè)：家企業(yè)： 3個(gè)變量：個(gè)變量： GM：通用汽車公司：通用汽車公司 I ：總投資：總投資 CH：克萊斯勒公司：克萊斯勒公司 M ：前一年企業(yè)的市場價(jià)值：前一年企業(yè)的市場價(jià)值 GE：通用電器公司：通用電器公司 K ：前一年末工廠存貨和設(shè)備的價(jià)值：前一年末工廠存貨和設(shè)備的價(jià)值 WE：西屋公司：西屋公司 US：美國鋼鐵公司：美國鋼鐵公司 要?jiǎng)?chuàng)建要?jiǎng)?chuàng)建Pool對(duì)象，選擇對(duì)象，選擇Objects/N

7、ew Object/Pool并在編并在編輯窗口中輸入截面成員的識(shí)別名稱：輯窗口中輸入截面成員的識(shí)別名稱： 6 對(duì)截面成員的識(shí)別名稱沒有特別要求，但必須能使用這對(duì)截面成員的識(shí)別名稱沒有特別要求，但必須能使用這些識(shí)別名稱建立合法的些識(shí)別名稱建立合法的EViews序列名稱。此處推薦在每個(gè)識(shí)序列名稱。此處推薦在每個(gè)識(shí)別名中使用別名中使用“_”字符，它不是必須的，但把它作為序列名的字符，它不是必須的，但把它作為序列名的一部分，可以很容易找到識(shí)別名稱。一部分，可以很容易找到識(shí)別名稱。 7 在在Pool中使用序列的關(guān)鍵是序列命名：使用中使用序列的關(guān)鍵是序列命名：使用和和組合命名。截面識(shí)別名稱可以放在序列名中

8、組合命名。截面識(shí)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。 例如，現(xiàn)有一個(gè)例如，現(xiàn)有一個(gè)Pool對(duì)象含有識(shí)別名對(duì)象含有識(shí)別名JPN，USA，UK，想建立每個(gè)截面成員的，想建立每個(gè)截面成員的GDP的時(shí)間序列，我們就的時(shí)間序列，我們就使用使用“GDP”作為序列的基本名。作為序列的基本名。，不能這樣命名序列：不能這樣命名序列：JPNGDP，GDPUSA，UKGDP1，因?yàn)橐驗(yàn)镋Views無法在無法在Pool對(duì)象中識(shí)別這些序列。對(duì)象中識(shí)別這些序列。8 一旦選定的序列名和一旦選定的序列名和Pool中的截面成員識(shí)別名稱相中的截面成員識(shí)別名稱相對(duì)應(yīng)，就可以利用這些序列

9、使用對(duì)應(yīng)，就可以利用這些序列使用Pool了。其中關(guān)鍵是要了。其中關(guān)鍵是要理解理解Pool序列的概念。序列的概念。 一個(gè)一個(gè)Pool序列實(shí)際就是一組序列序列實(shí)際就是一組序列, 序列名是由基本序列名是由基本名和所有截面識(shí)別名構(gòu)成的。名和所有截面識(shí)別名構(gòu)成的。，其中，其中。如果序列。如果序列名為名為GDPJPN，GDPUSA，GDPUK，相應(yīng)的，相應(yīng)的Pool序列序列為為GDP?。如果序列名為。如果序列名為JPNGDP，USAGDP，UKGDP，相應(yīng)的相應(yīng)的Pool序列為序列為 ?GDP。 9 要顯示要顯示Pool中的截面成員識(shí)別名稱，單擊工具條的中的截面成員識(shí)別名稱，單擊工具條的Define按鈕，

10、或選擇按鈕，或選擇View/Cross-Section Identifiers。如果需。如果需要，也可以對(duì)識(shí)別名稱列進(jìn)行編輯。要，也可以對(duì)識(shí)別名稱列進(jìn)行編輯。 Pool中使用的數(shù)據(jù)都存在普通中使用的數(shù)據(jù)都存在普通EViews序列中。這些序列序列中。這些序列可以按通常方式使用：可以列表顯示，圖形顯示，產(chǎn)生新序可以按通常方式使用：可以列表顯示，圖形顯示，產(chǎn)生新序列，或用于估計(jì)。也可以使用列，或用于估計(jì)。也可以使用Pool對(duì)象來處理各單獨(dú)序列。對(duì)象來處理各單獨(dú)序列。10 有很多種輸入數(shù)據(jù)的方法，在介紹各種方法之前，首有很多種輸入數(shù)據(jù)的方法，在介紹各種方法之前，首先要理解時(shí)間序列先要理解時(shí)間序列/截面

11、數(shù)據(jù)的結(jié)構(gòu)，區(qū)別堆積數(shù)據(jù)和非堆截面數(shù)據(jù)的結(jié)構(gòu)，區(qū)別堆積數(shù)據(jù)和非堆積數(shù)據(jù)形式。積數(shù)據(jù)形式。 時(shí)間序列時(shí)間序列/截面數(shù)據(jù)的數(shù)據(jù)信息用三維表示：截面數(shù)據(jù)的數(shù)據(jù)信息用三維表示：。例如：。例如：1950年，通用汽車公司，投資數(shù)據(jù)。年，通用汽車公司，投資數(shù)據(jù)。 使用三維數(shù)據(jù)比較困難，一般要轉(zhuǎn)化成二維數(shù)據(jù)。有使用三維數(shù)據(jù)比較困難，一般要轉(zhuǎn)化成二維數(shù)據(jù)。有幾種常用的方法。幾種常用的方法。 存在工作文件的數(shù)據(jù)都是這種非堆積數(shù)據(jù)，在這種形存在工作文件的數(shù)據(jù)都是這種非堆積數(shù)據(jù)，在這種形式中，給定截面成員、給定變量的觀測(cè)值放在一起，但和式中，給定截面成員、給定變量的觀測(cè)值放在一起，但和其他變量、其他截面成員的數(shù)據(jù)分開

12、。例如，假定我們的其他變量、其他截面成員的數(shù)據(jù)分開。例如，假定我們的數(shù)據(jù)文件為下面的形式：數(shù)據(jù)文件為下面的形式： 11 其中基本名其中基本名 I 代表企業(yè)總投資、代表企業(yè)總投資、M 代表前一年企業(yè)的市場價(jià)值、代表前一年企業(yè)的市場價(jià)值、K 代代表前一年末工廠存貨和設(shè)備的價(jià)值。每個(gè)企業(yè)都有單獨(dú)的表前一年末工廠存貨和設(shè)備的價(jià)值。每個(gè)企業(yè)都有單獨(dú)的 I、M、K 數(shù)據(jù)。數(shù)據(jù)。 EViews會(huì)自動(dòng)按附錄會(huì)自動(dòng)按附錄A中中 介紹的標(biāo)準(zhǔn)輸入程序讀取非堆積數(shù)據(jù)。并把介紹的標(biāo)準(zhǔn)輸入程序讀取非堆積數(shù)據(jù)。并把每個(gè)截面變量看作一個(gè)單獨(dú)序列。注意要按照上述的每個(gè)截面變量看作一個(gè)單獨(dú)序列。注意要按照上述的Pool命名規(guī)則命

13、名。命名規(guī)則命名。 12 確認(rèn)后確認(rèn)后EViews會(huì)打開新建序列的堆積式數(shù)據(jù)表。我們看會(huì)打開新建序列的堆積式數(shù)據(jù)表。我們看到的是按截面成員堆積的序列，到的是按截面成員堆積的序列，Pool序列名在每列表頭，截面序列名在每列表頭，截面成員成員/年代識(shí)別符標(biāo)識(shí)每行：年代識(shí)別符標(biāo)識(shí)每行： 選擇選擇View/Spreadsheet（stacked data），），EViews會(huì)要求輸會(huì)要求輸入序列名列表入序列名列表13 Pool數(shù)據(jù)排列成堆積形式，一個(gè)變量的所有數(shù)據(jù)放在一數(shù)據(jù)排列成堆積形式，一個(gè)變量的所有數(shù)據(jù)放在一起，和其他變量的數(shù)據(jù)分開。大多數(shù)情況下，不同截面成員起，和其他變量的數(shù)據(jù)分開。大多數(shù)情況下

14、，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(gè)變量：的數(shù)據(jù)從上到下依次堆積，每一列代表一個(gè)變量： 14 我們稱上表數(shù)據(jù)是以截面成員堆積的，單擊我們稱上表數(shù)據(jù)是以截面成員堆積的，單擊Order+/-實(shí)現(xiàn)堆實(shí)現(xiàn)堆積方式轉(zhuǎn)換，也可以按日期堆積數(shù)據(jù)：積方式轉(zhuǎn)換，也可以按日期堆積數(shù)據(jù)： 每一列代表一個(gè)變量，每一列內(nèi)數(shù)據(jù)都是按年排列的。如果每一列代表一個(gè)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，要確保各年內(nèi)截面成員的排列順序要一致。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。15 使用使用Pool對(duì)象從文件讀取數(shù)據(jù)，先打開對(duì)象從文件讀取數(shù)據(jù)，先打開Pool，然后選，然后選擇擇Pro

15、cs/Import Pool Data(ASCII,.XLS,.WK?)，要使用，要使用與與Pool對(duì)象對(duì)應(yīng)的輸入程序。對(duì)象對(duì)應(yīng)的輸入程序。16 按照和上面數(shù)據(jù)輸入相反的程序可進(jìn)行數(shù)據(jù)輸出。由于按照和上面數(shù)據(jù)輸入相反的程序可進(jìn)行數(shù)據(jù)輸出。由于EViews可以輸入輸出非堆積數(shù)據(jù)，按截面成員堆積和按日期可以輸入輸出非堆積數(shù)據(jù)，按截面成員堆積和按日期堆積數(shù)據(jù)，因此可以利用堆積數(shù)據(jù)，因此可以利用EViews按照需要調(diào)整數(shù)據(jù)結(jié)構(gòu)。按照需要調(diào)整數(shù)據(jù)結(jié)構(gòu)。 17 每個(gè)截面成員的基礎(chǔ)序列都是普通序列，因此每個(gè)截面成員的基礎(chǔ)序列都是普通序列，因此EViews中中對(duì)各單個(gè)截面成員序列適用的工具都可使用。另外，對(duì)各

16、單個(gè)截面成員序列適用的工具都可使用。另外，EViews還有專門適用于還有專門適用于Pool數(shù)據(jù)的專用工具。可以使用數(shù)據(jù)的專用工具。可以使用EViews對(duì)與對(duì)與一特定變量對(duì)應(yīng)的所有序列進(jìn)行類似操作。一特定變量對(duì)應(yīng)的所有序列進(jìn)行類似操作。 可以使用可以使用PoolGenr(panelgenr)程序生成或者修改程序生成或者修改Pool序序列。列。18 我們可以把這些數(shù)據(jù)看作一系列截面說明回歸量，因此有我們可以把這些數(shù)據(jù)看作一系列截面說明回歸量，因此有N個(gè)截面方程：個(gè)截面方程：， i =1 , 2 , , N (10.1.2) 其中：其中：yi 是是 T 1 維被解釋變量向量維被解釋變量向量，xi 是

17、是 T k 維解釋變量矩陣維解釋變量矩陣，yi 和和 xi 包含個(gè)體成員的各經(jīng)濟(jì)指標(biāo)時(shí)間序列，例如個(gè)體成員代包含個(gè)體成員的各經(jīng)濟(jì)指標(biāo)時(shí)間序列，例如個(gè)體成員代表各不同地區(qū)，則表各不同地區(qū)，則 yi 和和 xi 的各個(gè)分量代表的各個(gè)分量代表 i 地區(qū)的消費(fèi)和收入、地區(qū)的消費(fèi)和收入、物價(jià)等指標(biāo)的經(jīng)濟(jì)時(shí)間序列。物價(jià)等指標(biāo)的經(jīng)濟(jì)時(shí)間序列。 由于含有由于含有 N 個(gè)個(gè)體成員方程的式（個(gè)個(gè)體成員方程的式（10.1.2）和含有）和含有 T個(gè)時(shí)間個(gè)時(shí)間截面方程的式（截面方程的式（10.1.4）兩種形式的模型在估計(jì)方法上類似，因）兩種形式的模型在估計(jì)方法上類似，因此本章主要討論含有此本章主要討論含有 N 個(gè)個(gè)體成

18、員方程的時(shí)間序列個(gè)個(gè)體成員方程的時(shí)間序列/截面數(shù)據(jù)模截面數(shù)據(jù)模型的估計(jì)方法。型的估計(jì)方法。 iiiiiuxy 19 單擊單擊Pool工具欄的工具欄的Estimate選項(xiàng)打開如下對(duì)話框：選項(xiàng)打開如下對(duì)話框： 20 在因變量對(duì)話框中輸入在因變量對(duì)話框中輸入Pool變量或變量或Pool變量表達(dá)式。變量表達(dá)式。 在下面的編輯窗口中輸入樣本說明。樣本的缺省值是各在下面的編輯窗口中輸入樣本說明。樣本的缺省值是各截面成員中的最大樣本值。如果得不到某時(shí)期截面成員的解截面成員中的最大樣本值。如果得不到某時(shí)期截面成員的解釋變量或因變量的值，那么此觀測(cè)值會(huì)被排除掉。釋變量或因變量的值，那么此觀測(cè)值會(huì)被排除掉。 在兩

19、個(gè)編輯框中輸入解釋變量。在兩個(gè)編輯框中輸入解釋變量。 (1) Common :此欄中輸入的變量對(duì)所有截面成員有此欄中輸入的變量對(duì)所有截面成員有相同的系數(shù)，并用一般名稱或相同的系數(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(duì)此欄中輸入的變量對(duì)Pool中每個(gè)截面成員的系數(shù)不同。中每個(gè)截面成員的系數(shù)不同。 (3) Period specific :此欄中輸入的變量對(duì)此欄中輸入的變量對(duì)Pool中每個(gè)中每個(gè)時(shí)期的系數(shù)不同。時(shí)期的系數(shù)不同。21 模型模型(10.1.2)常用的有如下三種情形：常用的有如下三種情形： 對(duì)于情形

20、對(duì)于情形1，稱為變系數(shù)模型，除了存在個(gè)體影響外，稱為變系數(shù)模型，除了存在個(gè)體影響外，在橫截面上還存在變化的經(jīng)濟(jì)結(jié)構(gòu)，因而結(jié)構(gòu)參數(shù)在不同橫在橫截面上還存在變化的經(jīng)濟(jì)結(jié)構(gòu)，因而結(jié)構(gòu)參數(shù)在不同橫截面上是不同的。截面上是不同的。 對(duì)于情形對(duì)于情形2，稱為變截距模型，在橫截面上個(gè)體影響不同，稱為變截距模型，在橫截面上個(gè)體影響不同，個(gè)體影響表現(xiàn)為模型中被忽略的反映個(gè)體差異的變量的影響，個(gè)體影響表現(xiàn)為模型中被忽略的反映個(gè)體差異的變量的影響，又分為固定影響和隨機(jī)影響兩種情況。又分為固定影響和隨機(jī)影響兩種情況。 對(duì)于情形對(duì)于情形3，在橫截面上無個(gè)體影響、無結(jié)構(gòu)變化，則，在橫截面上無個(gè)體影響、無結(jié)構(gòu)變化，則普通最

21、小二乘法估計(jì)給出了普通最小二乘法估計(jì)給出了 和和 的一致有效估計(jì)。相當(dāng)于的一致有效估計(jì)。相當(dāng)于將多個(gè)時(shí)期的截面數(shù)據(jù)放在一起作為樣本數(shù)據(jù)。將多個(gè)時(shí)期的截面數(shù)據(jù)放在一起作為樣本數(shù)據(jù)。jiji ,jiji ,jiji ,22 經(jīng)常使用的檢驗(yàn)是協(xié)方差分析檢驗(yàn)，主要檢驗(yàn)如下兩經(jīng)常使用的檢驗(yàn)是協(xié)方差分析檢驗(yàn)，主要檢驗(yàn)如下兩個(gè)假設(shè)：個(gè)假設(shè)： H1： H2： 可見如果接受假設(shè)可見如果接受假設(shè) H2 則可以認(rèn)為樣本數(shù)據(jù)符合情形則可以認(rèn)為樣本數(shù)據(jù)符合情形3，即模型為即模型為，無需進(jìn)行進(jìn)一步的檢驗(yàn)。，無需進(jìn)行進(jìn)一步的檢驗(yàn)。 如果拒絕假設(shè)如果拒絕假設(shè)H2，則需檢驗(yàn)假設(shè)則需檢驗(yàn)假設(shè)H1。如果接受如果接受H1，則則認(rèn)為樣

22、本數(shù)據(jù)符合情形認(rèn)為樣本數(shù)據(jù)符合情形2，即模型為，即模型為，反之拒絕，反之拒絕H1 ，則認(rèn)為樣本數(shù)據(jù)符合情形，則認(rèn)為樣本數(shù)據(jù)符合情形1，即模型為，即模型為。N21N21N2123 下面介紹假設(shè)檢驗(yàn)的下面介紹假設(shè)檢驗(yàn)的 F 統(tǒng)計(jì)量的計(jì)算方法。首先計(jì)算情統(tǒng)計(jì)量的計(jì)算方法。首先計(jì)算情形形1()的殘差平方和，記為的殘差平方和，記為 S1 1 ；情形情形2()的殘差平方和記為的殘差平方和記為 S2 2 ；情形情形3()的殘差平方和的殘差平方和記為記為 S3 3 。計(jì)算計(jì)算 F2 統(tǒng)計(jì)量統(tǒng)計(jì)量 (10.2.7) 在假設(shè)在假設(shè) H2 下檢驗(yàn)統(tǒng)計(jì)量下檢驗(yàn)統(tǒng)計(jì)量 F2 服從相應(yīng)自由度下的服從相應(yīng)自由度下的F分布。

23、分布。若計(jì)算所得到的統(tǒng)計(jì)量若計(jì)算所得到的統(tǒng)計(jì)量 F2 的值不小于給定置信度下的相應(yīng)臨的值不小于給定置信度下的相應(yīng)臨界值，則拒絕假設(shè)界值，則拒絕假設(shè) H2，繼續(xù)檢驗(yàn)假設(shè)，繼續(xù)檢驗(yàn)假設(shè) H1。反之，接受。反之，接受 H2則則認(rèn)為樣本數(shù)據(jù)符合模型情形認(rèn)為樣本數(shù)據(jù)符合模型情形3 ，即，即。)1(),1)(1()1()1)(1/()(1132kTNkNFkNNTSkNSSF24 在假設(shè)在假設(shè)H1下檢驗(yàn)統(tǒng)計(jì)量下檢驗(yàn)統(tǒng)計(jì)量F1也服從相應(yīng)自由度下的也服從相應(yīng)自由度下的F分布，分布，即即 (10.2.8) 若計(jì)算所得到的統(tǒng)計(jì)量若計(jì)算所得到的統(tǒng)計(jì)量F1的值不小于給定置信度下的相的值不小于給定置信度下的相應(yīng)臨界值，

24、則拒絕假設(shè)應(yīng)臨界值，則拒絕假設(shè)H1。 如果接受如果接受H1，則認(rèn)為樣本數(shù)據(jù)符合情形則認(rèn)為樣本數(shù)據(jù)符合情形2，即模型為，即模型為，反之拒絕，反之拒絕H1 ，則認(rèn)為樣本數(shù)據(jù)符合情形，則認(rèn)為樣本數(shù)據(jù)符合情形1，即模，即模型為型為。)1(,) 1()1() 1/()(1121kTNkNFkNNTSkNSSF25 例例10.5中系數(shù)中系數(shù) 和和 取何種形式可以利用模型形式設(shè)定檢驗(yàn)取何種形式可以利用模型形式設(shè)定檢驗(yàn)方法來確定。方法來確定。 (1) 首先分別計(jì)算首先分別計(jì)算3種形式的模型：變參數(shù)模型、變截距模種形式的模型：變參數(shù)模型、變截距模型和不變參數(shù)模型，在每個(gè)模型的回歸統(tǒng)計(jì)量里可以得到相應(yīng)型和不變參數(shù)

25、模型，在每個(gè)模型的回歸統(tǒng)計(jì)量里可以得到相應(yīng)的殘差平方和的殘差平方和S1=339121.5、S2 = 444288.4 和和S3 = 1570884。 (2) 按按(10.2.7)式和式和(10.2.8)式計(jì)算式計(jì)算F統(tǒng)計(jì)量，其中統(tǒng)計(jì)量，其中N=5、k=2、T=20，得到的兩個(gè)，得到的兩個(gè)F統(tǒng)計(jì)量分別為：統(tǒng)計(jì)量分別為： F1= (S2 - S1)/8)/(S1 /85) = 3.29 F2= (S3 - S1)/12)/(S1 /85) = 25.73 利用函數(shù)利用函數(shù) qfdist(d, k1, k2) 得到得到F分布的臨界值，其中分布的臨界值，其中d 是臨是臨界點(diǎn)，界點(diǎn)，k1和和k2是自由度

26、。在給定是自由度。在給定5%的顯著性水平下的顯著性水平下(d=0.95)，得，得到相應(yīng)的臨界值為：到相應(yīng)的臨界值為： F(12, 85) = 1.87 F(8, 85) =2.049 由于由于 F21.87，所以拒絕所以拒絕H2；又由于又由于 F12.049，所以也拒絕所以也拒絕H1。因此，例因此，例10.5的模型應(yīng)采用變系數(shù)的形式的模型應(yīng)采用變系數(shù)的形式。 26 使用時(shí)間序列使用時(shí)間序列/截面數(shù)據(jù)模型數(shù)據(jù)結(jié)構(gòu)信息，有很多種方截面數(shù)據(jù)模型數(shù)據(jù)結(jié)構(gòu)信息，有很多種方法進(jìn)行方程估計(jì)?？梢怨烙?jì)固定截距模型，隨機(jī)截距模型，法進(jìn)行方程估計(jì)?？梢怨烙?jì)固定截距模型，隨機(jī)截距模型，或者模型變量對(duì)各截面成員的系數(shù)

27、不同，以及估計(jì)單獨(dú)的或者模型變量對(duì)各截面成員的系數(shù)不同，以及估計(jì)單獨(dú)的AR項(xiàng)系數(shù)。也可以為各個(gè)截面成員分別估計(jì)一個(gè)方程。項(xiàng)系數(shù)。也可以為各個(gè)截面成員分別估計(jì)一個(gè)方程。 下面將介紹怎樣使用下面將介紹怎樣使用Pool和系統(tǒng)估計(jì)更一般和復(fù)雜的模型，和系統(tǒng)估計(jì)更一般和復(fù)雜的模型，包括二階段最小二乘估計(jì)和非線性模型，以及有復(fù)雜截面系包括二階段最小二乘估計(jì)和非線性模型，以及有復(fù)雜截面系數(shù)限制的模型。數(shù)限制的模型。 27 下面討論下面討論P(yáng)ool模型的計(jì)算方法。設(shè)有模型的計(jì)算方法。設(shè)有N個(gè)觀測(cè)值互相堆積。個(gè)觀測(cè)值互相堆積。為討論方便，把堆積方程表示為：為討論方便，把堆積方程表示為：, i =1, 2, ,

28、N (10.3.1) 其中其中 yi 是是第第 i 個(gè)個(gè)截面成員的截面成員的T 1維維因變量向量，因變量向量，xi 是是第第 i 個(gè)個(gè)截截面成員面成員的的T k 維維解釋變量矩陣。解釋變量矩陣。 i 是是第第 i 個(gè)個(gè)截面成員的截面成員的k 1維維未知參數(shù)向量，未知參數(shù)向量，ui 是是第第 i 個(gè)個(gè)截面成員的截面成員的T 1維維擾動(dòng)項(xiàng)向量。用擾動(dòng)項(xiàng)向量。用分塊矩陣形式表示如下：分塊矩陣形式表示如下： NNNNNuuuxxxyyy2121212121000000iiiiiuxy28 并且方程的殘差協(xié)方差矩陣為：并且方程的殘差協(xié)方差矩陣為： 基本說明把基本說明把Pool說明作為聯(lián)立方程系統(tǒng)并使用系

29、統(tǒng)最說明作為聯(lián)立方程系統(tǒng)并使用系統(tǒng)最小二乘法估計(jì)模型。小二乘法估計(jì)模型。NNNNNNEEuuuuuuuuuuuuuuuuuuuu212221212111)(29 當(dāng)殘差同期不相關(guān)，并且時(shí)期和截面同方差時(shí)，當(dāng)殘差同期不相關(guān)，并且時(shí)期和截面同方差時(shí)， 對(duì)堆積數(shù)據(jù)模型使用普通最小二乘法估計(jì)系數(shù)和協(xié)方差。對(duì)堆積數(shù)據(jù)模型使用普通最小二乘法估計(jì)系數(shù)和協(xié)方差。相當(dāng)于情形相當(dāng)于情形3： i = = j ， i = = j ，在橫截面上無個(gè)體影響、無結(jié)在橫截面上無個(gè)體影響、無結(jié)構(gòu)變化，則普通最小二乘法估計(jì)給出了構(gòu)變化，則普通最小二乘法估計(jì)給出了 和和 的一致有效估的一致有效估計(jì)。相當(dāng)于將多個(gè)時(shí)期的截面數(shù)據(jù)放在一

30、起作為樣本數(shù)據(jù)。計(jì)。相當(dāng)于將多個(gè)時(shí)期的截面數(shù)據(jù)放在一起作為樣本數(shù)據(jù)。其中其中 yi 和和 xi 分別是分別是 各時(shí)期的因變量向量和解釋變量矩陣。各時(shí)期的因變量向量和解釋變量矩陣。TNII2uxxxyyyTT212130以例以例10.5為例為例:31 所有的截面的系數(shù)相等，和將所有的截面的系數(shù)相等，和將5個(gè)公司的數(shù)據(jù)接到一起，個(gè)公司的數(shù)據(jù)接到一起，用用OLS的估計(jì)結(jié)果相同。的估計(jì)結(jié)果相同。32 固定影響估計(jì)量通過為每個(gè)截面成員估計(jì)不同常數(shù)項(xiàng)使固定影響估計(jì)量通過為每個(gè)截面成員估計(jì)不同常數(shù)項(xiàng)使 i 不不同。同。EViews將每個(gè)變量減去平均值，并用轉(zhuǎn)換后的數(shù)據(jù)，通過最將每個(gè)變量減去平均值，并用轉(zhuǎn)換后

31、的數(shù)據(jù)，通過最小二乘估計(jì)來計(jì)算固定影響。小二乘估計(jì)來計(jì)算固定影響。 (10.3.3)其中其中 ，, i =1, 2, , N (10.3.4) TxxTyytitititi/,/FEiiiyxNiTtiitiitNiTtiitiitFEyy11111)()()()(xxxxxxktkititiitxxx1,2,1,x33 如果引進(jìn)總體均值截距項(xiàng)（如果引進(jìn)總體均值截距項(xiàng)（m），可以將模型（），可以將模型（10.3.1）寫成如下的等價(jià)形式：寫成如下的等價(jià)形式： i =1, 2, , N (10.3.10) 在該形式下，模型（在該形式下，模型（10.3.1）中的反映個(gè)體影響的跨成員）中的反映個(gè)體影響

32、的跨成員方程變化的截距項(xiàng)被分解成在各個(gè)體成員方程中都相等的總方程變化的截距項(xiàng)被分解成在各個(gè)體成員方程中都相等的總體均值截距項(xiàng)體均值截距項(xiàng)（m）和跨成員方程變化的表示個(gè)體對(duì)總體均和跨成員方程變化的表示個(gè)體對(duì)總體均值偏離的個(gè)體截距項(xiàng)（值偏離的個(gè)體截距項(xiàng)（ i*）。）。個(gè)體截距項(xiàng)個(gè)體截距項(xiàng) i* 表示的是個(gè)體成表示的是個(gè)體成員員i對(duì)總體平均狀態(tài)的偏離，所有偏離之和應(yīng)該為零，即對(duì)總體平均狀態(tài)的偏離，所有偏離之和應(yīng)該為零，即 (10.3.11)iiiimuxy*01*Nii34 在該約束下，可以得到模型在該約束下，可以得到模型(10.3.10)中的各參數(shù)的最優(yōu)線中的各參數(shù)的最優(yōu)線性無偏估計(jì)性無偏估計(jì) (

33、10.3.12) (10.3.13) (10.3.14)其中：其中： ， ， 。 EViews計(jì)算固定影響是包含總體均值截距項(xiàng)的變截距模計(jì)算固定影響是包含總體均值截距項(xiàng)的變截距模型，以例型，以例10.5為例：為例：FEymxFEiiimyx*)(111NiTtitNTxx)(111NiTtityNTyTxxTyytitititi/,/NiTtiitiitNiTtiitiitFEyy11111)()()()(xxxxxx353637 模型模型(10.3.1)還可以推廣為包含時(shí)期個(gè)體恒量的形式，還可以推廣為包含時(shí)期個(gè)體恒量的形式，即模型形式為：即模型形式為： i =1, 2, N ，t =1, 2

34、, T (10.3.15) 其中：其中： t 為時(shí)期個(gè)體恒量，反映時(shí)期特有的影響。類似地，為時(shí)期個(gè)體恒量，反映時(shí)期特有的影響。類似地，通過引進(jìn)相應(yīng)的個(gè)體成員和時(shí)期虛擬變量，利用普通最小通過引進(jìn)相應(yīng)的個(gè)體成員和時(shí)期虛擬變量，利用普通最小二乘法可以得到各參數(shù)的二乘法可以得到各參數(shù)的OLS估計(jì)。估計(jì)。 ittiititmuxy*383940 利用利用OLS參數(shù)估計(jì)，我們得到參數(shù)估計(jì)，我們得到5個(gè)公司的方程殘差的方個(gè)公司的方程殘差的方差差 i2 ，具有截面異方差性。，具有截面異方差性。通用汽車公司（通用汽車公司（GM）9410.91克萊斯勒公司（克萊斯勒公司（CH） 755.85通用電器公司（通用電器

35、公司（GE）34288.89西屋公司（西屋公司（WE） 633.42美國鋼鐵公司（美國鋼鐵公司（US）33455.5141 當(dāng)殘差具有截面異方差性和同步不相關(guān)時(shí)最好進(jìn)行截面加權(quán)當(dāng)殘差具有截面異方差性和同步不相關(guān)時(shí)最好進(jìn)行截面加權(quán)回歸：回歸： EViews進(jìn)行可行廣義最小二乘（進(jìn)行可行廣義最小二乘（FGLS）。）。 首先從一階段首先從一階段Pool最小二乘回歸，得到方差最小二乘回歸，得到方差 i2 的的估計(jì)值估計(jì)值 si2，計(jì)算公式為：計(jì)算公式為：， i =1, 2, , N (10.3.24) 其中其中 是是OLS的擬合值。的擬合值。 NTNTTEEIIIuu2222100000)(21iit

36、TtitiTyysi/)(212ity 42 其次系數(shù)值其次系數(shù)值 由標(biāo)準(zhǔn)由標(biāo)準(zhǔn)GLS估計(jì)量估計(jì)，是有效估計(jì)量估計(jì)量估計(jì)，是有效估計(jì)量。 NiiiiNiiiiFE1211211111yxxxyXXX4344 當(dāng)殘差具有截面異方差性和同步相關(guān)性時(shí)，當(dāng)殘差具有截面異方差性和同步相關(guān)性時(shí)，SUR加權(quán)最小二加權(quán)最小二乘是可行的乘是可行的GLS估計(jì)量：估計(jì)量： 其中其中 是同步相關(guān)的對(duì)稱陣：是同步相關(guān)的對(duì)稱陣： (10.3.28)一般項(xiàng)一般項(xiàng) ，在所有的，在所有的 t 時(shí)為常數(shù)。時(shí)為常數(shù)。 NNNNNNN212222111211TTNNTNTNTTTNTTEIIIIIIIIIuu12222111211)

37、()(itjtijuuE45 EViews估計(jì)估計(jì)SUR模型時(shí)使用的模型時(shí)使用的 ij 是由一階段是由一階段Pool最小二最小二乘回歸得到：乘回歸得到： i, j = =1, 2, , N (10.3.30) 其中：其中： 和和 可由式（可由式（10.3.3）和式（）和式（10.3.4）得到。計(jì)算后，）得到。計(jì)算后，再進(jìn)行廣義最小二乘估計(jì)（再進(jìn)行廣義最小二乘估計(jì)（GLS），此時(shí)），此時(shí) 的的SUR估計(jì)為：估計(jì)為： (10.3.31) )()()()()()(111YYIXXXXIXXTTSURFEiTsFEiijFEiiiij)()(xyxy46此時(shí)此時(shí) 的的SUR估計(jì)為：估計(jì)為： 4748

38、隨機(jī)影響模型假設(shè)隨機(jī)影響模型假設(shè) it 項(xiàng)是共同系數(shù)項(xiàng)是共同系數(shù) 和不隨時(shí)間改變的和不隨時(shí)間改變的截面說明隨機(jī)變量截面說明隨機(jī)變量 vi 的和，的和， vi 和殘差和殘差 ui 是不相關(guān)的。是不相關(guān)的。 i =1, 2, , N (10.3.36) 為了分析方便，可以將模型為了分析方便，可以將模型(10.3.36)寫成如下形式：寫成如下形式： (10.3.43)其中其中： ， = ( , ) ，wi = vi + ui。iiiivuxy)1(),(kTiixexwXY49EViews按下列步驟估計(jì)隨機(jī)影響模型：按下列步驟估計(jì)隨機(jī)影響模型： (1) 使用固定影響模型的殘差估計(jì)使用固定影響模型的殘

39、差估計(jì) ui 的方差：的方差：( (10.3.52) ) 使用包含總體均值截距項(xiàng)的變截距模型的殘差估計(jì)使用包含總體均值截距項(xiàng)的變截距模型的殘差估計(jì) vi 的的方差，方差， ( (10.3.52) )kNNTyyNiTtFEiitiitu1122)()(xxTkNyuNiFEiiiv21221)(x50222222222222 vuvvvvuvvvvu (2) 由于由于 有了成分方差有了成分方差 和和 的估計(jì)，可以求出模型的估計(jì)，可以求出模型(10.3.42)中參中參數(shù)數(shù) 的的GLS估計(jì)量：估計(jì)量： (10.3.50)其中：其中： 。 2u2viNiiiNiiGLSyXXX11111),(iii

40、ixxxX51 個(gè)體隨機(jī)影響個(gè)體隨機(jī)影響 vi 相應(yīng)的估計(jì)為相應(yīng)的估計(jì)為 i =1, 2, , N (10.3.56)其中：其中： (10.3.57)TtGLSititBviyv122)(x1)(122kNyNiFEiiiBx525354 前面所介紹的變截距模型中，橫截面成員的個(gè)體影響是前面所介紹的變截距模型中，橫截面成員的個(gè)體影響是用變化的截距來反映的，即用變化的截距來反映模型中忽略用變化的截距來反映的，即用變化的截距來反映模型中忽略的反映個(gè)體差異的變量的影響。然而現(xiàn)實(shí)中變化的經(jīng)濟(jì)結(jié)構(gòu)的反映個(gè)體差異的變量的影響。然而現(xiàn)實(shí)中變化的經(jīng)濟(jì)結(jié)構(gòu)或不同的社會(huì)經(jīng)濟(jì)背景等因素有時(shí)會(huì)導(dǎo)致反映經(jīng)濟(jì)結(jié)構(gòu)的參或不

41、同的社會(huì)經(jīng)濟(jì)背景等因素有時(shí)會(huì)導(dǎo)致反映經(jīng)濟(jì)結(jié)構(gòu)的參數(shù)隨著橫截面?zhèn)€體的變化而變化。因此，當(dāng)現(xiàn)實(shí)數(shù)據(jù)不支持?jǐn)?shù)隨著橫截面?zhèn)€體的變化而變化。因此，當(dāng)現(xiàn)實(shí)數(shù)據(jù)不支持變截距模型時(shí)，便需要考慮這種系數(shù)隨橫截面?zhèn)€體的變化而變截距模型時(shí)，便需要考慮這種系數(shù)隨橫截面?zhèn)€體的變化而改變的變系數(shù)模型。改變的變系數(shù)模型。 55 變系數(shù)模型的基本形式如下：變系數(shù)模型的基本形式如下： i =1, 2, , N (10.4.1)其中：其中：yi 為因變量向量為因變量向量，xi 為為 T k 維解釋變量矩陣維解釋變量矩陣，參數(shù)參數(shù) i 表示模型的常數(shù)項(xiàng)，表示模型的常數(shù)項(xiàng)， i 為對(duì)應(yīng)于解釋變量矩陣為對(duì)應(yīng)于解釋變量矩陣 xi 的系的

42、系數(shù)向量。隨機(jī)誤差項(xiàng)數(shù)向量。隨機(jī)誤差項(xiàng) ui 相互獨(dú)立，且滿足零均值、等方相互獨(dú)立，且滿足零均值、等方差的假設(shè)。差的假設(shè)。 iiiiiuxy56 在式在式(10.4.1)所表示的變系數(shù)模型中，常數(shù)項(xiàng)所表示的變系數(shù)模型中，常數(shù)項(xiàng) i 和系數(shù)和系數(shù)向量向量 i 都是隨著橫截面?zhèn)€體的改變而變化的，因此可以將都是隨著橫截面?zhèn)€體的改變而變化的，因此可以將變系數(shù)模型改寫成如下形式：變系數(shù)模型改寫成如下形式：， i =1 , 2 , , N (10.4.2)其中：其中： ， i = ( i , i ) 。 類似于變截距模型，變系數(shù)模型也分為固定影響變系數(shù)類似于變截距模型，變系數(shù)模型也分為固定影響變系數(shù)模型和

43、隨機(jī)影響變系數(shù)模型兩種類型。模型和隨機(jī)影響變系數(shù)模型兩種類型。 iiiiuxy), 1 (iixx 575859 EViews不能估計(jì)這樣的模型：很少的時(shí)期或者龐大不能估計(jì)這樣的模型：很少的時(shí)期或者龐大的截面成員。所用的時(shí)期數(shù)平均應(yīng)至少不小于截面成員的截面成員。所用的時(shí)期數(shù)平均應(yīng)至少不小于截面成員數(shù)。即使有足夠的觀測(cè)值，估計(jì)的殘差相關(guān)矩陣還必須數(shù)。即使有足夠的觀測(cè)值，估計(jì)的殘差相關(guān)矩陣還必須是非奇異的。如果有一條不滿足是非奇異的。如果有一條不滿足EViews的要求，的要求，EViews會(huì)顯示錯(cuò)誤信息：會(huì)顯示錯(cuò)誤信息：“Near Singular Matrix”。 當(dāng)選擇加權(quán)時(shí)，復(fù)選框當(dāng)選擇加權(quán)

44、時(shí)，復(fù)選框Iterate to convergence控制可控制可行行GLS程序。如果選擇，程序。如果選擇，EViews就一直迭代權(quán)重和系數(shù)就一直迭代權(quán)重和系數(shù)直到收斂。如果模型中包括直到收斂。如果模型中包括AR項(xiàng)，這個(gè)選擇就沒有意義，項(xiàng)，這個(gè)選擇就沒有意義，因?yàn)樵谝驗(yàn)樵贏R估計(jì)中，估計(jì)中，EViews會(huì)一直迭代直至收斂。會(huì)一直迭代直至收斂。 6061 EViews能估計(jì)那些廣義異方差性的強(qiáng)的協(xié)方差。這種能估計(jì)那些廣義異方差性的強(qiáng)的協(xié)方差。這種形式的異方差性比上面介紹的截面異方差性更普遍，因?yàn)橐恍问降漠惙讲钚员壬厦娼榻B的截面異方差性更普遍，因?yàn)橐粋€(gè)截面成員內(nèi)的方差可以隨時(shí)間不同。個(gè)截面成員內(nèi)的

45、方差可以隨時(shí)間不同。 要得到懷特標(biāo)準(zhǔn)差和協(xié)方差要得到懷特標(biāo)準(zhǔn)差和協(xié)方差,點(diǎn)點(diǎn)Options按鈕，選擇按鈕，選擇Coef covariance method。EViews5給出了一個(gè)下拉列表，列表中給出了一個(gè)下拉列表，列表中包含包含8種選項(xiàng)。默認(rèn)的是最上方的種選項(xiàng)。默認(rèn)的是最上方的Ordinary項(xiàng)，對(duì)應(yīng)式項(xiàng)，對(duì)應(yīng)式(10.3.7) 和式和式(10.3.8)給出的系數(shù)協(xié)方差形式。在此下拉列表給出的系數(shù)協(xié)方差形式。在此下拉列表中的另外中的另外7種系數(shù)協(xié)方差形式參見種系數(shù)協(xié)方差形式參見10.5節(jié)。節(jié)。 注意此選項(xiàng)不適用于注意此選項(xiàng)不適用于SUR和隨機(jī)影響估計(jì)。和隨機(jī)影響估計(jì)。6263 EViews在

46、在Pool對(duì)象中提供了比較方便的，可以進(jìn)行多序列單位根檢驗(yàn)對(duì)象中提供了比較方便的，可以進(jìn)行多序列單位根檢驗(yàn)的工具。在的工具。在Pool對(duì)象中，對(duì)對(duì)象中，對(duì)ADF、PP等單位根檢驗(yàn)方法均可以實(shí)現(xiàn)。在等單位根檢驗(yàn)方法均可以實(shí)現(xiàn)。在Pool工具欄選擇工具欄選擇View/Unit Root Test，EViews會(huì)打開如下對(duì)話框，在對(duì)會(huì)打開如下對(duì)話框，在對(duì)話框最上邊的話框最上邊的“Pool series”欄中輸入所要檢驗(yàn)的序列名稱，并選定其他設(shè)欄中輸入所要檢驗(yàn)的序列名稱，并選定其他設(shè)置后單擊置后單擊“OK”，便可以進(jìn)行相應(yīng)的單位根檢驗(yàn)了。，便可以進(jìn)行相應(yīng)的單位根檢驗(yàn)了。 6465 以我國各省市城鎮(zhèn)居民

47、人均消費(fèi)和可支配收入作為以我國各省市城鎮(zhèn)居民人均消費(fèi)和可支配收入作為例子：相應(yīng)的例子：相應(yīng)的Pool識(shí)別名稱為識(shí)別名稱為BJ_，TJ_，HB_，SX_，NMG_，LN_， 。估計(jì)城鎮(zhèn)居民人均消費(fèi)。估計(jì)城鎮(zhèn)居民人均消費(fèi)?CS的回的回歸模型，模型中的被解釋變量歸模型，模型中的被解釋變量?CS 為為城鎮(zhèn)居民人均全年城鎮(zhèn)居民人均全年消費(fèi)，解釋變量為城鎮(zhèn)居民人均全年可支配收入消費(fèi)，解釋變量為城鎮(zhèn)居民人均全年可支配收入?YD（單位：元），變量均為年度數(shù)據(jù)，樣本區(qū)間為（單位：元），變量均為年度數(shù)據(jù)，樣本區(qū)間為1991 2003年。年。 66 檢驗(yàn)?zāi)Ｐ托问皆O(shè)定形式；檢驗(yàn)?zāi)Ｐ托问皆O(shè)定形式； (1) 首先分別計(jì)算

48、首先分別計(jì)算3種形式的模型：變參數(shù)模型、變截距模種形式的模型：變參數(shù)模型、變截距模型和不變參數(shù)模型，在每個(gè)模型的回歸統(tǒng)計(jì)量里可以得到相應(yīng)型和不變參數(shù)模型，在每個(gè)模型的回歸統(tǒng)計(jì)量里可以得到相應(yīng)的殘差平方和的殘差平方和S1=5279603、S2 = 8287453 和和S3 =13282535。 (2) 按按(10.2.7)式和式和(10.2.8)式計(jì)算式計(jì)算F統(tǒng)計(jì)量，其中統(tǒng)計(jì)量，其中N=29、k=1、T=13，得到的兩個(gè)，得到的兩個(gè)F統(tǒng)計(jì)量分別為：統(tǒng)計(jì)量分別為： F1= (S2 - S1)/28)/(S1 /319) =6.49 F2= (S3 - S1)/28)/(S1 /319) = 8.6

49、3 利用函數(shù)利用函數(shù) qfdist(d, k1, k2) 得到得到F分布的臨界值，其中分布的臨界值，其中d 是臨是臨界點(diǎn)，界點(diǎn)，k1和和k2是自由度。在給定是自由度。在給定5%的顯著性水平下的顯著性水平下(d =0.95)，得到相應(yīng)的臨界值為：得到相應(yīng)的臨界值為： F(56, 290) = 1.37 F(84, 290) =1.51 由于由于 F21.37，所以拒絕所以拒絕H2；又由于又由于 F11.51，所以也拒絕所以也拒絕H1。因此，模型應(yīng)采用變系數(shù)的形式因此，模型應(yīng)采用變系數(shù)的形式。 6768 從城鎮(zhèn)居民人均從城鎮(zhèn)居民人均可支配收入可支配收入?YD的系的系數(shù)看，各省市的邊際數(shù)看，各省市的

50、邊際消費(fèi)傾向是不同的，消費(fèi)傾向是不同的，最高是山西，最高是山西，0.844，最低是江西，最低是江西，0.669。69 估計(jì)出估計(jì)出Pool方程后，可以按下述方法檢驗(yàn)輸出結(jié)果：方程后，可以按下述方法檢驗(yàn)輸出結(jié)果： 選擇選擇View/Representations檢查輸出。檢查輸出。EViews把把Pool估計(jì)成估計(jì)成一個(gè)方程的系統(tǒng)，每個(gè)截面成員一個(gè)方程。一個(gè)方程的系統(tǒng)，每個(gè)截面成員一個(gè)方程。 可能有些復(fù)雜的時(shí)間序列可能有些復(fù)雜的時(shí)間序列/截面數(shù)據(jù)方程不能用截面數(shù)據(jù)方程不能用Pool對(duì)象進(jìn)對(duì)象進(jìn)行估計(jì)。要使用更多的估計(jì)方法，如二階段最小二乘法，三階行估計(jì)。要使用更多的估計(jì)方法，如二階段最小二乘法，三階段最小二乘法，段最小二乘法，GMM，或使用任意系數(shù)限制，需要用，或使用任意系數(shù)限制，需要用Pool對(duì)對(duì)象創(chuàng)建一個(gè)系統(tǒng)對(duì)象。可以用一個(gè)已估計(jì)的象創(chuàng)建一個(gè)系統(tǒng)對(duì)象。可以用一個(gè)已估計(jì)的Pool創(chuàng)建系統(tǒng)，也創(chuàng)建系統(tǒng)，也可以提供信息從可以提供信息從Pool生成系統(tǒng)。系統(tǒng)對(duì)象可進(jìn)一步使用高級(jí)技生成系統(tǒng)。系統(tǒng)對(duì)象可進(jìn)一步使用高級(jí)技術(shù)進(jìn)行估計(jì)。術(shù)進(jìn)行估計(jì)。707172 對(duì)于處理和分析時(shí)間序列對(duì)于處理和分析時(shí)間序列/截面數(shù)據(jù)，除了截面數(shù)據(jù)，除了Pool對(duì)象外，對(duì)象外，EViews 5還提供了一種特殊結(jié)構(gòu)的工作文件還提供了一種特殊結(jié)構(gòu)的工作文件面板結(jié)構(gòu)面板結(jié)構(gòu)的工作文件（的工作文件（Pan