Eviews面板数据之随机效应模型上课讲义.docx
《Eviews面板数据之随机效应模型上课讲义.docx》由会员分享,可在线阅读,更多相关《Eviews面板数据之随机效应模型上课讲义.docx(17页珍藏版)》请在冰点文库上搜索。
Eviews面板数据之随机效应模型上课讲义
Eviews面板数据之随
机效应模型
随机效应模型的估计原理说明与豪斯曼检验
在面板数据的计量分析中,如果解释变量对被解释变量的效应不随个体和时间变化,并且解释被解释变量的信息不够完整,即解释变量中不包含一些影响被解释变量的不可观测的确定性因素,可以将模型设定为固定效应模型,采用反映个体特征或时间特征的虚拟变量(即知随个体变化或只随时间变化)或者分解模型的截距项来描述这些缺失的确定性信息。
但是,固定效应模型也存在一定的不足。
例如固定效应模型模型中包含许多虚拟变量时,减少了模型估计的自由度;实际应用中,固定效应模型的随机误差项难以满足模型的基本假设,易于导致参数的非有效估计。
更为重要的是,它只考虑了不完整的确定性信息对被解释变量的效应,而未包含不可观测的随机信息的效应。
为了弥补这一不足,Maddala(1971将混合数据回归的随机误差项分解为截面随机误差分量、时间随机误差分量和个体时间随机误差分量三部分,讨论如下随机效应模型或双分量误差分解模型
(1):
K
yitikXkitUivtWt(i)
k2
Ui~N(0,u2)表示个体随机误差分量;
2
Vt~N(0,v)表示时间随机误差分量;
w,~N(0,w2)表示个体时间(或混合)随机误差分量。
如果模型
(1)中只存在截面随机误差分量Ui而不存在时间随机误差分量Vt,则称为个体随机效应模型,否则称为个体时间小于模型。
或者称为但分了误差分解模型。
下面来介绍这两种模型:
1.个体随机效应模型
当利用面板数据研究拥有拥有充分多个体的总体经济特征时,若利用总体
数据的固定效应模型就会损失巨大的自由度,使得个体截距项的估计不具有有
效性。
这时,可以在总体中随机抽取N个样本,利用这N个样本的个体随机效
应模型:
K
yit1kXkitUiWjt⑵
k2
推断总体的经济规律。
其中,个体随机误差项Ui是属于第i个个体的随机干扰分量,并在整个时间范围(t=1,2,…,门保持不变,其反映了不随时间变化的不可观测随机信息的效应。
检验:
个体随机效应的原假设和备择假设分别是:
Ho:
u20(混合估计模型)
Hi:
u20(个体随机效应模型)
个体随机效应的检验统计量:
其中,?
t是混合模型OLS估计的残差。
在零售下,统计量LM服从1个自由度的2分布,即LM~2
(1)。
2.个体时间随机效应模型
实践:
一、数据:
已知1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费(cp,不变价格)和人均收入(ip,不变价格)居民,利用数据
(1)建立面板数据(paneldata工作文件;
(2)定义序列名并输入数据;
(3)估计选择面板模型;(4)面板单位根检验。
年人均消费(consume和人均收入(income)数据以及消费者价格指数(p)分别见表1,2和3。
表11996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费
(元)数据
人均消费
1996
1997
1998
1999
2000
2001
2002
CONSUMEAH
3607.43
3693.55
3777.41
3901.81
4232.98
4517.65
4736.52
CONSUMEBJ
5729.52
6531.81
6970.83
7498.48
8493.49
8922.72
10284.6
CONSUMEFJ
4248.47
4935.95
5181.45
5266.69
5638.74
6015.11
6631.68
CONSUMEHB
3424.35
4003.71
3834.43
4026.3
4348.47
4479.75
5069.28
CONSUMEHLJ
3110.92
3213.42
3303.15
3481.74
3824.44
4192.36
4462.08
CONSUMEJL
3037.32
3408.03
3449.74
3661.68
4020.87
4337.22
4973.88
CONSUMEJS
4057.5
4533.57
4889.43
5010.91
5323.18
5532.74
6042.6
CONSUMEJX
2942.11
3199.61
3266.81
3482.33
3623.56
3894.51
4549.32
CONSUMELN
3493.02
3719.91
3890.74
3989.93
4356.06
4654.42
5342.64
CONSUMENMG
2767.84
3032.3
3105.74
3468.99
3927.75
4195.62
4859.88
CONSUMESD
3770.99
4040.63
4143.96
4515.05
5022
5252.41
5596.32
CONSUMESH
6763.12
6819.94
6866.41
8247.69
8868.19
9336.1
10464
CONSUMESX
3035.59
3228.71
3267.7
3492.98
3941.87
4123.01
4710.96
CONSUMETJ
4679.61
5204.15
5471.01
5851.53
6121.04
6987.22
7191.96
CONSUMEZJ
5764.27
6170.14
6217.93
6521.54
7020.22
7952.39
8713.08
表21996-2002年中国东北、华北、华东15个省级地区的居民家庭人均收入
(元)数据
人均收入
1996
1997
1998
1999
2000
2001
2002
INCOMEAH
4512.77
4599.27
4770.47
5064.6
5293.55
5668.8
6032.4
INCOMEBJ
7332.01
7813.16
8471.98
9182.76
10349.69
11577.78
12463.92
INCOMEFJ
5172.93
6143.64
6485.63
6859.81
7432.26
8313.08
9189.36
INCOMEHB
4442.81
4958.67
5084.64
5365.03
5661.16
5984.82
6679.68
INCOMEHLJ
3768.31
4090.72
4268.5
4595.14
4912.88
5425.87
6100.56
INCOMEJL
3805.53
4190.58
4206.64
4480.01
4810
5340.46
6260.16
INCOMEJS
5185.79
5765.2
6017.85
6538.2
6800.23
7375.1
8177.64
INCOMEJX
3780.2
4071.32
4251.42
4720.58
5103.58
5506.02
6335.64
INCOMELN
4207.23
4518.1
4617.24
4898.61
5357.79
5797.01
6524.52
INCOMENMG
3431.81
3944.67
4353.02
4770.53
5129.05
5535.89
6051
INCOMESD
4890.28
5190.79
5380.08
5808.96
6489.97
7101.08
7614.36
INCOMESH
8178.48
8438.89
8773.1
10931.64
11718.01
12883.46
13249.8
INCOMESX
3702.69
3989.92
4098.73
4342.61
4724.11
5391.05
6234.36
INCOMETJ
5967.71
6608.39
7110.54
7649.83
8140.5
8958.7
9337.56
INCOMEZJ
6955.79
7358.72
7836.76
8427.95
9279.16
10464.67
11715.6
表31996—2002年中国东北、华北、华东15个省级地区的消费者物价指数
物价指数
1996
1997
1998
1999
2000
2001
2002
PAH
109.9
101.3
100
97.8
100.7
100.5
99
PBJ
111.6
105.3
102.4
100.6
103.5
103.1
98.2
PFJ
105.9
101.7
99.7
99.1
102.1
98.7
99.5
PHB
107.1
103.5
98.4
98.1
99.7
100.5
99
PHLJ
107.1
104.4
100.4
96.8
98.3
100.8
99.3
PJL
107.2
103.7
99.2
98
98.6
101.3
99.5
PJS
109.3
101.7
99.4
98.7
100.1
100.8
99.2
PJX
108.4
102
101
98.6
100.3
99.5
100.1
PLN
107.9
103.1
99.3
98.6
99.9
100
98.9
PNMG
107.6
104.5
99.3
99.8
101.3
100.6
100.2
PSD
109.6
102.8
99.4
99.3
100.2
101.8
99.3
PSH
109.2
102.8
100
101.5
102.5
100
100.5
PSX
107.9
103.1
98.6
99.6
103.9
99.8
98.4
PTJ
109
103.1
99.5
98.9
99.6
101.2
99.6
PZJ
107.9
102.8
99.7
98.8
101
99.8
99.1
二、1•输入操作:
步骤:
(1)FileNewWorkfile
□
FileEditObject
ViewProcQuickOptions
Add-insWinder
Help
►
Workfile..,
Ctri亠忖
O.pen
►
.Database...
Save
Ctrl*5
Program
SaveAs,h.
ledFile
flcis亡
Jmpart
k
步骤:
(2)StartdateEnddateOK
步骤:
步骤:
(3)ObjectNewObject
(4)TypeofobjectPool
FlWorkfile;NewObject
GenrISample
Filter:
*
|讪■內]Frcr(Jfij
Rdncits.1990gmtslE135G
(2ZIc
Wrasld
irr*ntobject
Wiflnnefiirrsbjiedt
poolmodel
<>.Untitled
Eqiwbcn
l-actar
Guph
Group
LqqL
Matrix-Vector-Coef
Model
Pyul
Sample
ScalarSeries
SeiicsLir^k
Scrtca-Alpho
S^iOol
SSwceSUli>u
SVcctof
SvsteiTi
Ts±xl
VelMspVAR
OK
Cancel
步骤:
(5)输入所有序列名称
CEPool:
POOLMODElWorkfile;UNTITLED;;Untitled\-口
View|Proc|Object||Print|MameFreezeEstimateDefine|PoolGenrjSheet
CrossticDkId«TLti£i«rs:
£1ersIbalowthis11m)
AH
BJ
FJ
HB
HLJ
」L
JS
JX
lm
NMG
SD
SH
sx
TJ
ZJ
步骤:
(6)定义各变量点击sheet—输入consume?
income?
p?
EPool:
POOLMODELWorkfile:
UNTITLED;;Untitted\
Cr*zsSeetionIdentl
AM
口」
FJ
HB
HLJ
」l_
JS
JX
LN
NMG
SD
SH
SX
TJ
ZJ
步骤:
(7)将表1、2、3中的数据复制到Eviews中
Ot)S
CONSUME?
INCOME?
P?
CONSUME?
INCOME?
p?
r
AH-1956
3607.430
4512.770
1099000H
Ah^9Q7
3693.550
4599.270
101.3000
AH-19S8
3777.410
4770470
100DODO
AH-1999
3901.310
5064600
97.60000
AH-2Q00
4232.930
5293.550
1007000
AH-20C1
4517.650
5569.800
1Q0.5000
AH-20C2
4736520
6032400
99.00000
0J-1996
5729520
7332010
1116000
BJ-1997
6531810
7813.160
105.30000
0J-1998
6970.830
8471980
1024000
BJ-19Q9
7498.480
9182.760
1005000
BJ-2000
0493490
1034969
1035000
2.估计操作:
对话框说明
Dependentvariable被解释变量;Common:
系数相同部分
Cross-sectionspecific截面系数不同部分
步骤:
(2)将截距项选择区选Randomeffects(个体随机效应)
Cross-section:
Random
备注:
若是个体时间小于模型贝U选择cross-sectionrandomperiodrandom
PooEstimation
得到如下部分输出结果:
DependntVariable:
CONSUME?
Method;PooledEGLW(Crass-sectionrandomeffects)
Date;07/24/14lime;16:
19
Sample:
199S2002
IndudtdobaarvaN&ns"7
Cross-seebonsincluded!
15
Totalpool(tjalaneed:
observations:
105
SwamyandAroraesiimatorofcomponentvariances
Variable
CoefTicieni
Std.Error
t-Statistic
Prob
C
307.9743
7937891
4.635S63
0.0000
INCOME^
0722000
0011118
64.93844
G.aooo
RandomEffects{Cross)
AH—C
-6,747120
BJ-C
385^890
RJ-C
-63.90761
HB-C
-109.9293
MU-C
-1073301
JL—C
48.37777
」S"C
-34,23240
」x-c
-2304927
LN-C
107.9779
MMG-C
-1383494
SD-C
-1040005
SH-C
142.5914
sx-c
-26.30302
TJ-C
1227173
ZJ-C
1143927
相应的表达式是:
Consumet368.00.721ncomeit6.7D1385.6D2...114.4D15
(64.9)R20.97,SSE3066120
其中虚拟变量D1,D2,...,D15的定义是:
1,如果属于第i个个体,i=1,2,...,15
Di0,其他
豪斯曼检验:
接下来利用Hausman统计量检验应该建立个体随机效应回归模型还是个体固定效应回归模型。
H。
:
个体效应与回归变量(IRt)无关(个体随机效应回归模型)
H1:
个体效应与回归变量(IRt)相关(个体固定效应回归模型)分析过程如下:
步骤:
(3)在上述输出结果选择:
View—Fixed/RandomEffectsTesting—CorrelatedRandomEffects-Hausman
Test
得到如下检验结果:
CorrelatedRandomEffects-HausmanTest
POOLPOOLMODEL
Testcross-sectionrandom亡和已□日
TestSunnmary
Ctii-Sq.Statistic
cni-sq.d.f
Prob
Cross-seclionrandorn
18759161
1
00000
CrQ^s-sectonrandorneffectstestcornparisons;
Variable
FixedRandom
VartDifi.i
Prob.
INCOME?
06562220722000
0000068
00000
由检验输出结果的上半部分可以看出,Hausman统计量的值是18.76,相对
应的概率是0.0000,即拒接原假设,应该建立个体固定效应模型。
检验结果的下半部分是Hausman检验中间结果比较。
个体固定效应模型对
参数的估计值为0.686232,随机效应模型对参数的估计值为0.722。
两个参数的估计量的分布方差的差为0.000068。
综上分析,1996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费和人金收入问题应该建立个体固定效应回归模型。
人均消费平均占人均收入的68%。
随地区不同,自发消费(截距项)存在显著性差异。