面板数据eviews应用资料课件.ppt

面板数据面板数据模型是同时使用截面数据和时间序列数据的计量经济学模型模型的主要结构为：其中N表示个体数，T表示时间序列个数，面板数据模型分为固定效应模型和随机效应模型 各种模型的介绍：1 1）斜率系数是常数，截距在个体间是变化的斜率系数是常数，截距在个体间是变化的斜率系数是常数，截距在个体间是变化的斜率系数是常数，截距在个体间是变化的：2）斜率系数是常数，截距在个体间和时间上是变化的：3）所有系数在个体之间均是变化的：4）所有系数在时间上和个体之间均是有变化的：面面板板数数据据模模型型可可以以构构造造和和检检验验比比单单独独用用横横截截面面数数据据或或时时间间序序列列数数据据更更现现实实的的行行为为方方程程模模型型，但但是是由由于于面面板板数数据据包包括括两两维维的的数数据据，如如果果模模型型设设定定不不正正确确，则则将将造造成成较较大大的的偏偏差差因因此此，在在我我们们做做任任何何推推理理之之前前得得先先确确定定模模型型的的结结构构,且且一一般般是是利利用用协方差分析来确定模型的具体结构的协方差分析来确定模型的具体结构的模型的设定三种类型的限制可以用于约束(5)式 我们假定参数在时间上是不变的，而在个体之间则是可能变化的。

回归斜率系数是相同的，但是截距不相同，即：:回归截距是相同的，而斜率系数不相同，即：:斜率和截距系数都相同，即 因为在系数是不相同时询问截距是否相同是无意义的，因此我们将忽略(7)式假定的约束类型我们将(5)式作为无约束模型，(6)式作为个体平均相关回归模型，(8)式作为混合回归记为个体的均值无约束模型(5)中 和 的最小方差估计为：在协方差估计分析中，该估计称为组内估计其中 第 i 组的残差平方和为：无约束残差平方和为:模型(6)式参数的最小二乘估计为：模型（6）的残差平方和为其中模型（8）式参数的最小二乘估计为：其中 模型（8）式的残差平方和为：给出的3个模型设定的原假设分别为：，回归斜率系数是相同的，但是截距不相同，即，回归斜率系数和截距都相同，即给定，给定斜率系数相同的条件下，截距相同，即固定影响模型和随机影响模型的选择 通过以随机效应模型为原假设的Hausman检验值是否显著来判断是选择固定影响模型或随机影响模型零假设为：模型是随机影响的其检验统计量为：服从 的分布，其中k 为解释变量的个数以下用一个例子来说明如何在eviews中估计面板数据模型以下数据估计用于研究投资需求的面板数据模型，这些数据包括五家企业和三个变量的20年观测值的时间序列。

tv_tqv_ksv_tdv_xwv_mg19352.810.597.81.853.8193652.610.2104.40.850.51937156.934.71187.4118.11938209.251.8156.218.1260.21939203.464.3172.623.5312.71940207.267.1186.626.5254.21941255.275.2220.936.2261.41942303.771.4287.860.8298.71943264.167.1319.984.4301.81944201.660.5321.391.2279.1194526554.6319.692.4213.81946402.284.834686232.61947761.596.8456.4111.1264.81948922.4110.2543.4130.6306.919491020.1147.4618.3141.8351.119501099163.2647.4136.7357.819511207.7203.5671.3129.7342.119521430.5290.6726.1145.5444.219531777.3346.1800.3174.8623.619542226.3414.9888.8213.5669.7 表 一表示前一年末工厂存货和设备的价值 tF_tqF_ksF_tdF_xwF_mg19353078.5417.51170.6191.51362.419364661.7837.82015.85161807.119375387.1883.92803.37292676.319382792.2437.92039.7560.41801.919394313.2679.72256.2519.91957.319404643.9727.82132.2628.52202.919414551.2643.61834.1537.12380.519423244.1410.91588561.22168.619434053.7588.41749.4617.21985.119444379.3698.41687.2626.71813.919454840.9846.42007.7737.21850.219464900.9893.82208.3760.52067.719473526.55791656.7581.41796.719483254.7694.61604.4662.31625.819493700.2590.31431.8583.8166719503755.6693.51610.5635.21677.4195148338091819.4723.82289.519524924.97272079.7864.12159.419536241.71001.52371.61193.52031.319545593.6703.22759.91188.92115.5 表 二表示前一年企业的市场价值 tI_tqI_ksI_tdI_xwI_mg1935317.640.2933.112.93209.91936391.872.764525.9355.31937410.666.2677.235.05469.91938257.751.644.622.89262.31939330.852.4148.118.84230.41940461.269.4174.428.57261.6194151268.3511348.51472.8194244846.891.943.34445.61943499.647.461.337.02361.61944547.559.5756.837.81288.21945561.288.7893.639.27258.71946688.174.12159.953.46420.31947568.962.68147.255.56420.51948529.289.36146.349.56494.51949555.178.9898.332.04405.11950642.9100.6693.532.24418.81951755.9160.62135.254.38588.21952891.2145157.371.78645.219531304.4174.93179.590.0864119541486.7172.49189.668.6459.3表 三表示投资 数据说明 tq代表通用汽车，ks代表克莱斯勒，td代表通用电气，xw代表西屋,mg代表美国钢铁，则I_tq代表通用汽车企业的投资，I_ks代表克莱斯勒企业的投资，I_td代表通用电气企业的投资，I_xw代表西屋企业的投资，I_mg代表美国钢铁企业的投资，其他的以此类推。

操作步骤为：1，建立1935年到1954年的一个工作文件；2，在object/new object中选择pool选项，并命名为I，其视图框如下：建立一个面板数据命名命名 图 一或者用如下命令：pool I 选择Pool后得到一个对话框，在对话框中输入：_TQ，_KS，_TD，_XW，_MG具体的图示如下:五个个体的五个个体的I的数据的数据序列名称：序列名称：I_TO,I_KS,I_TD,I_XW,I_MG图二图二3，生成如下数据序列：I_TQ，I_KS，I_TD，I_XW，I_MG 并把这些数据序列的数据导入导入方法和一般序列的导入方法一致，只是这里使用了特定的名称4，同样的可以导入面板数据F和V5，根据前面给出模型设定的公式，eviews3.0软件里的程序窗口编辑相应的程序，并运行该程序，得到F1=2.5619，F3=11.8418，F4=23.8895，因此在5显著水平上接受H1，而拒绝H3和H4，记该模型应采用变截距模型：6，在图二中，点击Process/estimate出现如下对话框：被解释被解释变量名变量名称称 样本区间样本区间 模型的解释变模型的解释变量为常系数量为常系数 模型的解模型的解释变量为释变量为可变系数可变系数 图三图三图三的进一步解释InterceptIntercept下面的选项代表截距的处理方式，下面的选项代表截距的处理方式，NoneNone表示不包含截距项，表示不包含截距项，CommonCommon表示截面单元有相表示截面单元有相同的截距，同的截距，Fixed effectsFixed effects与与Random effectsRandom effects分分别表示截距变动的确定效应和随机效应模型。

别表示截距变动的确定效应和随机效应模型WeightingWeighting下面表示估计的方法，下面表示估计的方法，eviewseviews的默认的默认项是项是No weightingNo weighting，表示不加权，表示不加权，Cross Cross section weightingsection weighting表示可行的广义最小二乘法表示可行的广义最小二乘法（GLSGLS），），主要是为了减少截面数据造成的异方主要是为了减少截面数据造成的异方差影响，差影响，SURSUR表示同时对截面单元异方差性和时表示同时对截面单元异方差性和时间相关性进行修正的间相关性进行修正的GLSGLS估计，并得到估计，并得到ParkPark估计估计量，注意当样本数据中截面单元很多而时序数据量，注意当样本数据中截面单元很多而时序数据很少时，这种方法通常是失效的；很少时，这种方法通常是失效的；Iterate to Iterate to convergenceconvergence表示迭代直到收敛表示迭代直到收敛7，选择方法后点击OK就可以得出估计结果由上面的分析，现在可直接对固定影响模型进行模型估计（选择Common coefficients，Fix effects，Cross section weights），其结果为：采用随机效应变截距模型进行模型估计（Common coefficients，Random effects，No weighting），其结果为：估计结果比较n n通过前面所说的hausman 检验，可得出其检验统计值等于64.9268，远小于显著水平为10时的临界值，即 。

因此我们接受零假设，即选择随机影响模型来作为模型估计结果分析和结论 可以从模型的估计结果中看出，整个模型的可以从模型的估计结果中看出，整个模型的估计结果不存在序列相关性了，也就是说，投资估计结果不存在序列相关性了，也就是说，投资（I I），），前一年企业的市场价值（前一年企业的市场价值（F F），），前一年末前一年末工厂存货和设备的价值（工厂存货和设备的价值（V V）之间的关系对每个之间的关系对每个企业来说都不相同，这也是可以理解的，因为每企业来说都不相同，这也是可以理解的，因为每个企业的规模都很大，资金设备等各方面的优势个企业的规模都很大，资金设备等各方面的优势都很明显，所以每个企业都可以根据各自的情况都很明显，所以每个企业都可以根据各自的情况来制定各自的企业决策而不依赖于其他公司的反来制定各自的企业决策而不依赖于其他公司的反应，这也就表现在面板数据模型中每个企业的估应，这也就表现在面板数据模型中每个企业的估计结果各不相同计结果各不相同。