eviews面板数据实例分析包会.docx

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（29页珍藏版）》请在冰豆网上搜索。

eviews面板数据实例分析包会

创作编号：

GB8878185555334563BT9125XW

创作者：

凤呜大王*　

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9.1，9.2和9.3。

表9.11996—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

创作编号：

GB8878185555334563BT9125XW

创作者：

凤呜大王*　

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

创作编号：

GB8878185555334563BT9125XW

创作者：

凤呜大王*　

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9.21996—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

创作编号：

GB8878185555334563BT9125XW

创作者：

凤呜大王*　

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

创作编号：

GB8878185555334563BT9125XW

创作者：

凤呜大王*　

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9.31996—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

（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：

（2.0）（79.7）

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：

（6.3）（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：

（76.6）

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：

（68.5）

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14.79，相对应的概率是0.0001，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0.697561，随机效应模型对参数的估计值为0.724569。

两个参数的估计量的分布方差的差为0.000049。

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9.4。

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

6279.98

4998.00

6859.58

5309.01

7702.80

6029.88

8472.20

6510.94

9421.61

7182.10

10493.03

7942.88

北京

10349.69

8493.49

11577.78

8922.72

12463.92

10284.60

13882.62

11123.84

15637.84

12200.40

17652.95

13244.20

天津

8140.50

6121.04

8958.70

6987.22

9337.56

7191.96

10312.91

7867.53

11467.16

8802.44

12638.55

9653.26

河北

5661.16

4348.47

5984.82

4479.75

6679.68

5069.28

7239.06

5439.77

7951.31

5819.18

9107.09

6699.67

山西

4724.11

3941.87

5391.05

4123.01

6234.36

4710.96

7005.03

5105.38

7902.86

5654.15

8913.91

6342.63

内蒙古

5129.05

3927.75

5535.89

4195.62

6051.00

4859.88

7012.90

5419.14

8122.99

6219.26

9136.79

6928.60

辽宁

5357.79

4356.06

5797.01

4654.42

6524.52

5342.64

7240.58

6077.92

8007.56

6543.28

9107.55

7369.27

吉林

4810.00

4020.87

5340.46

4337.22

6260.16

4973.88

7005.17

5492.10

7840.61

6068.99

8690.62

6794.71

黑龙江

4912.88

3824.44

5425.87

4192.36

6100.56

4462.08

6678.90

5015.19

7470.71

5567.53

8272.51

6178.01

上海

11718.01

8868.19

12883.46

9336.10

13249.80

10464.00

14867.49

11040.34

16682.82

12631.03

18645.03

13773.41

江苏

6800.23

5323.18

7375.10

5532.74

8177.64

6042.60

9262.46

6708.58

10481.93

7332.26

12318.57

8621.82

浙江

9279.16

7020.22

10464.67

7952.39

11715.60

8713.08

13179.53

9712.89

14546.38

10636.14

16293.77

12253.74

安徽

5293.55

4232.98

5668.80

4517.65

6032.40

4736.52

6778.03

5064.34

7511.43

5711.33

8470.68

6367.67

福建

7432.26

5638.74

8313.08

6015.11

9189.36

6631.68

9999.54

7356.26

11175.37

8161.15

12321.31

8794.41

江西

5103.58

3623.56

5506.02

3894.51

6335.64

4549.32

6901.42

4914.55

7559.64

5337.84

8619.66

6109.39

山东

6489.97

5022.00

7101.08

5252.41

7614.36

5596.32

8399.91

6069.35

9437.80

6673.75

10744.79

7457.31

河南

4766.26

3830.71

5267.42

4110.17

6245.40

4504.68

6926.12

4941.60

7704.90

5294.19

8667.97

6038.02

湖北

5524.54

4644.50

5855.98

4804.79

6788.52

5608.92

7321.98

5963.25

8022.75

6398.52

8785.94

6736.56

湖南

6218.73

5218.79

6780.56

5546.22

6958.56

5574.72

7674.20

6082.62

8617.48

6884.61

9523.97

7504.99

广东

9761.57

8016.91

10415.19

8099.63

11137.20

8988.48

12380.43

9636.27

13627.65

10694.79

14769.94

11809.87

广西

5834.43

4852.31

6665.73

5224.73

7315.32

5413.44

7785.04

5763.50

8689.99

6445.73

9286.70

7032.80

海南

5358.32

4082.56

5838.84

4367.85

6822.72

5459.64

7259.25

5502.43

7735.78

5802.40

8123.94

5928.79

重庆

6275.98

5569.84

6721.09

5873.69

7238.04

6360.24

8093.67

7118.06

9220.96

7973.05

10243.46

8623.29

四川

5894.27

4855.78

6360.47

5176.17

6610.80

5413.08

7041.87

5759.21

7709.87

6371.14

8385.96

6891.27

贵州

5122.21

4278.28

5451.91

4273.90

5944.08

4598.28

6569.23

4948.98

7322.05

5494.45

8151.13

6159.29

云南

6324.64

5185.31

6797.71

5252.60

7240.56

5827.92

7643.57

6023.56

8870.88

6837.01

9265.90

6996.90

西藏

7426.32

5554.42

7869.16

5994.39

8079.12

6952.44

8765.45

8045.34

9106.07

8338.21

9431.18

8617.11

陕西

5124.24

4276.67

5483.73

4637.74

6330.84

5378.04

6806.35

5666.54

7492.47

6233.07

8272.02

6656.46

甘肃

4916.25

4126.47

5382.91

4420.31

6151.44

5064.24

6657.24

5298.91

7376.74

5937.30

8086.82

6529.20

青海

5169.96

4185.73

5853.72

4698.59

6170.52

5042.52

6745.32

5400.24

7319.67

5758.95

8057.85

6245.26

宁夏

4912.40

4200.50

5544.17

4595.40

6067.44

5104.92

6530.48

5330.34

7217.87

5821.38

8093.64

6404.31

新疆

5644.86

4422.93

6395.04

4931.40

6899.64

5636.40

7173.54

5540.61

7503.42

5773.62

7990.15

6207.52

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