面板数据模型的估计.ppt

§17.3 面板数据模型的估计 为了方便以一个具体例子说明合并数据模型的估计方法 例17.3.1 建立我国城镇居民消费函数面板数据模型 样本数据从1994年到2003年，包括全国30个省市自治区 （由于统计上的原因，样本不包括重庆）城镇居民年人 均可支配收入（IN）和生活消费支出（CO），单位为 人民币元：如表17.3.1所示数据在时间趋势方向有10 个值，每个截面有30个单元，样本容量为300，如表 17.3所示：（见EViews使用，214页）,表17.3.1（部分）,表17.3.2（分）,我们利用表17.3.1的数据建立一个部分调整模型,,这里我们选择了变截距，常系数模型 我们可以按着下列方法用Eviews 估计模型 首先在工作文件keti17.2中，双击pool01，如图 17.3.2所示：,,打开合并数据表如图17.3.3,图17.3.2,图17.3.3,,点击工具兰的Estimate ,便出现合并数据定义对话框， 如图17.3.4所示：,图17.3.4,图17.3.4对话框中： 1对话框正上方的Sample 中默认的包含所有截面单元 数据的最大样本区间 2）对话框右上角的Balanced Sample 表示只要某时期任 意截面单元数据缺损，Eviews 将不利用该观测值进 行计算. 一般1），2）两项都采用软件的默认状态。

3）对话框左上角Dependent Variable 出指定因变量名称， 它是一个合并数据对象或包含合并数据对象的表达式， 如本例取CO?4）对话框中间部分第一行Common coefficients（常 系数） 框下方的空格中输入模型的自变量，如本例 取CO?（-1） ，IN? 5）如果建立变系数模型，还需要在对话框中间部分 第二行Cross-section specific coefficients（截面单元特 定系数） 框下方的空格中输入相关变量，例如IN? 表 示每个地区消费模型中收入变量的系数都不相同 本例只取常系数，因此空白6）对话框左下方Intercept (截距)下面的选项代表截距 的处理方式 None 代表模型不包含截距； Common 代表所有截面单元具有相同的截距； Fixed effects 表示截距变动，但是，不同截面单元具有 相同斜率的确定效应模型，本例中选择 Fixed effects； Random effects 表示不同截面单元具有不同截距、不同 斜率的随机效应模型7）对话框右下方Weighting 下面的选项代表模型的估 计方法 No Weighting 是EViews 的默认项，表示不加权，即所 有的观测值具有相同的权数。

Cross section weights 表示先用相同的权数做最初的回 归权数估计，然后再用估计出的权数作加权最小二乘 法，目的是减少由于截面数据造成的异方差的影响 本例中，选择此项7）对话框右下方Weighting 下面的选项代表模型的估 计方法 No Weighting 是EViews 的默认项，表示不加权，即所 有的观测值具有相同的权数 Cross section weights 表示先用相同的权数做最初的回 归权数估计，然后再用估计出的权数作加权最小二乘 法，目的是减少由于截面数据造成的异方差的影响 本例中，选择此项SUR (似不相关回归)表示同时对截面单元异方差性 和同期相关性进行修正的GLS估计 Iterate to convergence 是一默认项，表示迭代至收敛 以上各项输入完毕，点击“OK”便得到确定效应变截 距模型，估计结果如图17.3.5所示：,图17.3.5（1）,图17.3.5（2）,。