eviews面板数据实例分析包会.docx
《eviews面板数据实例分析包会.docx》由会员分享，可在线阅读，更多相关《eviews面板数据实例分析包会.docx（28页珍藏版）》请在冰点文库上搜索。
eviews面板数据实例分析包会
eviews面板数据实例分析（包会）
1.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（
，不变价格）和人均收入（
，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，和。
表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（元）数据
人均消费
1996
1997
1998
1999
2000
2001
2002
CONSUMEAH
CONSUMEBJ
CONSUMEFJ
CONSUMEHB
CONSUMEHLJ
CONSUMEJL
CONSUMEJS
CONSUMEJX
CONSUMELN
CONSUMENMG
CONSUMESD
5022
CONSUMESH
10464
CONSUMESX
CONSUMETJ
CONSUMEZJ
表1996—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
INCOMEBJ
INCOMEFJ
INCOMEHB
INCOMEHLJ
INCOMEJL
4810
INCOMEJS
INCOMEJX
INCOMELN
INCOMENMG
6051
INCOMESD
INCOMESH
INCOMESX
INCOMETJ
INCOMEZJ
表1996—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
100
99
PBJ
PFJ
PHB
99
PHLJ
PJL
98
PJS
PJX
102
101
PLN
100
PNMG
PSD
PSH
100
100
PSX
PTJ
109
PZJ
101
（1）建立面板数据工作文件
首先建立工作文件。
打开工作文件后，过程如下：
建立面板数据库。
在窗口中输入15个不同省级地区的标识。
（2）定义序列名并输入数据
产生3*15个尚未输入数据的变量名。
这样可以通过键盘输入或黏贴的方法数据数据。
（3）估计、选择面板模型
打开一个pool窗口，先输入变量后缀（所要使用的变量）。
点击Estimate，打开估计窗口。
A.混合模型的估计方法
左边的Common表示相同系数，即表示不同个体有相同的斜率。
得到如下输出结果：
相应的表达式是：
上式表示15个省级地区的城镇人均指出平均占收入的76%。
B.个体固定效应回归模型的估计方法
将截距项选择区选Fixedeffects（固定效应）
得到如下输出结果：
相应的表达式为：
（55）
其中虚拟变量
的定义是：
15个省级地区的城镇人均指出平均占收入70%。
从上面的结果可以看出北京市居民的自发性消费明显高于其他地区。
接下来用F统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。
：
。
模型中不同个体的截距相同（真实模型为混合回归模型）。
：
模型中不同个体的截距项
不同（真实模型为个体固定效应回归模型）。
F统计量定义为：
其中
表示约束模型，即混合估计模型的残差平方和，
表示非约束模型，即个体固定效应回归模型的残差平方和。
非约束模型比约束模型多了
个被估参数。
所以本例中：
所以推翻原假设，建立个体固定效应回归模型更合理。
C.时点固定效应回归模型的估计方法
将时间选择为固定效应。
得到如下输出结果：
相应的表达式为：
其中虚拟变量
的定义是：
D.个体随机效应回归模型估计
截距项选择Randomeffects（个体随机效应）
得到如下部分输出结果：
相应的表达式是：
其中虚拟变量
的定义是：
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。
：
个体效应与回归变量（
）无关（个体随机效应回归模型）
：
个体效应与回归变量（
）相关（个体固定效应回归模型）
分析过程如下：
得到如下检验结果：
由检验输出结果的上半部分可以看出，Hausman统计量的值是，相对应的概率是，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，随机效应模型对参数的估计值为。
两个参数的估计量的分布方差的差为。
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70%。
随地区不同，自发消费（截距项）存在显著性差异。
（4）面板单位根检验
以cp序列为例。
首先在工作文件窗口中打开cp变量的15个数据组。
单位根检验过程如下：
得到如下检验结果：
从上面的检验结果可以看出来，6种检验方法的结论都认为15个cp序列存在单位根。
选择IPS检验方法进行单位根检验。
检验结果如下：
从上面的结果可以看出，cp面板存在单位根，同时每个个体都存在单位根。
2.收集中国2000—2005年各地区城镇居民人均可支配收入X和消费指出Y统计数据如表。
数据是6年的，每一年都有32组数据，共192组观测值。
人均可支配收入和消费支出数据（单位：
元）
2000
2001
2002
2003
2004
2005
地区
可支配收入
消费支出
可支配收入
消费支出
可支配收入
消费支出
可支配收入
消费支出
可支配收入
消费支出
可支配收入
消费支出
X
Y
X
Y
X
Y
X
Y
X
Y
X
Y
全国
北京
天津
河北
山西
内蒙古
辽宁
吉林
黑龙江
上海
江苏
浙江
安徽
福建
江西
山东
河南
湖北
湖南
广东
广西
海南
重庆
四川
贵州
云南
西藏
陕西
甘肃
青海
宁夏
新疆
首先建立工作文件，打开工作文件后，过程如下：
建立面板数据库，并命名为XY。
输入不同省市（包括全国）的标识，如下：
点击sheet键，定义变量X和Y。
点击Edit+/-后，在数据窗口键入数据即可。
对模型进行估计，建立个体固定效应回归模型，过程如下：
得到如下输出结果：
从估计结果可以看出，对于32个省市来说，虽然它们的城镇居民消费倾向相同，但是其城镇居民的自发消费存在显著的差异，其中重庆的城镇居民自发消费最高，其次为西藏、北京、广东；城镇居民自发消费最低的是江西，其次是河南、山东。
注意几点：
（1）个体固定效应模型的EViews输出结果中也可以有公共截距项；
（2）EViews输出结果中没有给出描述个体效应的截距项相应的标准差和t值。
不认为截距项是模型中的重要参数。
（3）当对个体固定效应模型选择加权估计时，输出结果将给出加权估计和非加权估计两种统计量评价结果。
（4）输出结果的联立方程组形式可以通过点击View选Representations功能获得。
（5）点击View选WaldCoefficientTests…功能可以对模型的斜率进行Wald检验。
（6）点击View选Residuals/Table，Graphs，CovarianceMatrix，CorrelationMatrix功能可以分别得到按个体计算的残差序列表，残差序列图，残差序列的方差协方差矩阵，残差序列的相关系数矩阵。
（7）点击Proc选MakeModel功能，将会出现估计结果的联立方程形式，进一步点击Solve键，在随后出现的对话框中可以进行动态和静态预测。
升级会员 