Eviews面板数据之固定效应模型Word文档下载推荐.docx

Eviews面板数据之固定效应模型Word文档下载推荐.docx

《Eviews面板数据之固定效应模型Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《Eviews面板数据之固定效应模型Word文档下载推荐.docx（16页珍藏版）》请在冰豆网上搜索。

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

步骤：

（4）Typeofobject——Pool

（5）输入所有序列名称

（6）定义各变量点击sheet—输入consume？

income？

p?

（7）将表1、2、3中的数据复制到Eviews中

2.估计操作：

（1）点击poolmodel——Estimate

对话框说明

Dependentvariable:

被解释变量；

Commoncoefficients：

系数相同部分

Cross-sectionspecific:

截面系数不同部分

（2）将截距项选择区选Fixedeffects（固定效应）

Cross-section：

Fixed

得到如下输出结果：

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）。

对模型进行检验：

所以推翻原假设，建立个体固定效应回归模型更合理。

RRSS求法请参见Eview面板数据之混合回归模型

相应的表达式为：

（6.64）（49.55）

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68.62%。

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。

2.时点固定效应模型

时点固定效应模型就是对于不同的截面（时点）有不同截距的模型。

如果确知对于不同的截面，模型的截距显著不同，但是对于不同的时间序列（个体）截距是相同的，那么应该建立时点固定效应模型：

（2）

时点固定效应模型与个体固定效应模型的操作区别在于步骤

（2），将时间项选择区选Period：

Fixed（时间固定效应）

得到如下结果：

不同（真实模型为时间固定效应回归模型）。

所以推翻原假设，可以建立时点固定效应回归模型

（76.0）

3.时点个体固定效应模型

时点个体固定效应模型就是对于不同的截面（时点）、不同的时间序列（个体）都有不同截距模型。

如果确知对于不同的截面、不同的时间序列（个体）模型的截距都显著地不相同，那么应该建立时点个体固定效应模型：

（3）

时点固定效应模型与个体固定效应模型的操作区别在于步骤

（2），将截距项选择区域：

Cross-section：

fixed（个体固定效应），时间项选择区选Period：

得到结果如下：

DependentVariable:

CONSUME?

Method:

PooledLeastSquares

Date:

07/21/14Time:

15:

44

Sample:

19962002

Includedobservations:

7

Cross-sectionsincluded:

15

Totalpool（balanced）observations:

105

Variable

Coefficient

Std.Error

t-Statistic

Prob. 

C

806.6751

221.2143

3.646578

0.0005

INCOME?

0.653338

0.034541

18.91504

0.0000

FixedEffects（Cross）

AH--C

-94.50854

BJ--C

698.0132

FJ--C

-18.86465

HB--C

-200.3997

HLJ--C

-246.3712

JL--C

-54.16421

JS--C

-31.26919

JX--C

-392.9844

LN--C

47.39508

NMG--C

-284.2660

SD--C

-150.8912

SH--C

465.4906

SX--C

-152.6560

TJ--C

103.9569

ZJ--C

311.5193

FixedEffects（Period）

1996--C

-59.12373

1997--C

17.95469

1998--C

-31.45564

1999--C

-57.24042

2000--C

36.24382

2001--C

-29.26415

2002--C

122.8854

EffectsSpecification

Cross-sectionfixed（dummyvariables）

Periodfixed（dummyvariables）

R-squared

0.993278

Meandependentvar

4981.017

AdjustedR-squared

0.991577

S.D.dependentvar

1700.985

S.E.ofregression

156.1067

Akaikeinfocriterion

13.12288

Sumsquaredresid

2022652.

Schwarzcriterion

13.67895

Loglikelihood

-666.9514

Hannan-Quinncriter.

13.34821

F-statistic

584.0406

Durbin-Watsonstat

1.455623

Prob（F-statistic）

0.000000

所以推翻原假设，可以建立个体时点固定效应回归模型