paneldata模型eviews操作过程word版本.docx

paneldata模型eviews操作过程word版本.docx

《paneldata模型eviews操作过程word版本.docx》由会员分享，可在线阅读，更多相关《paneldata模型eviews操作过程word版本.docx（22页珍藏版）》请在冰豆网上搜索。

paneldata模型eviews操作过程word版本

PanelData模型的EViews操作过程

两种模式：

Ⅰ.关于Panel工作文件；

Ⅱ.关于Pool对象。

数据的预处理

1.在EXCEL文件中，将每个变量各年的原始数据按照年份顺序排成一列，称之为堆积数据（见表“汇总0”）。

2．输入截面单元的标识（表示地区的符号，前面加_；如：

_HB、_NMG等）。

3．将数据表按照时间分类（即排序，见表“汇总”）。

Ⅰ.关于Panel工作文件的操作过程

案例1：

我国农村居民消费函数（2000-2010年，27个省市数据，工作文件：

NXF）

一、输入数据

1、创建Panel工作文件

选择File/New/Workfile，在出现的创建工作文件对话框中：

（1）在文件结构类型中，选择“平衡面板（BalancedPanel）”；

（2）输入起始、终止期，截面单元个数。

工作文件中将生成分别表示截面标识和时期标识的两个序列：

Crossid—截面标识

dateid—时期标识

2．更改截面标识（可以省略）

序列crossid中是以数字1、2、…标记截面标识，为了便于区分，可以重新定义一个字符串序列。

（1）点击object/Newobject，选择seriesAlpha并输入序列名（设为dq）；

（2）双击dq序列，在打开的序列窗口中粘贴截面标识的字符串序列；

（3）双击工作文件窗口中的Range，在弹出的对话框中，将截面标识的的ID序列改成新的标识序列：

dq

3．输入数据

键入命令：

DATAYX，然后用复制+粘贴方式从Excel文件中将各个变量的堆积数据（注意：

数据事先要按照截面单元堆积，本例中是按照“地区”）复制到工作文件之中；此时工作文件中各个变量都是堆积数据。

二、模型估计过程

1．估计混合模型

直接在命令窗口键入命令：

LSYCX

2．估计变截距模型

在方程窗口中点击Estimate按钮，在弹出的方程描述框中选择PanelOptions选项卡，此时可以在截面和时期列表中选择None、Fixed、Random，用来选择单因素（或双因素）固定效应、随机效应变截距模型；同时可以选择GMM、GLS、SUR等估计方法。

双因素

固定效应模型

模型估计结果中只显示解释变量的参数估计值，截距项的估计结果要在View\Fixed/RandomEffects中显示。

三、PanelData模型的检验过程

1．检验是单因素或双因素或混合模型

（1）估计固定效应双因素模型；

（2）在方程窗口中选择View\Fixed/RandomEffectsTesting/RedundantFixedEffect，检验固定效应“冗余”假设是否成立。

2．检验是随机效应或固定效应。

（1）估计（双因素）随机效应模型；

（2）在方程窗口中选择：

View\Fixed/RandomEffectsTesting/CorrelateRandomEffects，进行Hausman检验。

时期固定效应

个体随机效应

所以模型是双因素模型——同时存在着个体效应和时间效应；其中个体随机效应，时期固定效应。

估计结果为：

Ⅱ.关于Pool对象的操作过程

案例2（来源：

格林《经济计量分析》，工作文件：

10_1）

时期：

1935-1954年；

截面单元：

5家企业

GM：

通用汽车公司、CH：

克莱斯勒公司、GE：

通用电器公司、WE：

西屋公司

US：

美国钢铁公司

3个变量：

I：

总投资

M：

前一年企业的市场价值（反映企业的预期利润）

K：

前一年末工厂存货和设备的价值（反映企业必要重置投资期望值）

内容：

一、建立包含Pool对象的工作文件

二、Pool对象中的数据处理

三、模型估计过程

四、模型检验过程

一、在工作文件中创建Pool对象

1、创建工作文件（年度数据）

2、创建Pool对象

点击Objects/NewObject，选择Pool对象，在弹出的窗口中输入各个截面单元的识别标识（习惯上加上前缀“_”）：

输入截面单元标识

二、Pool对象中的数据处理

1．输入数据

输入方式：

键盘输入、文件导入、复制+粘贴（适用于堆积数据）

（1）双击Pool对象，点击View/Spreadsheet（stackeddata），系统要求输入序列名列表：

输入序列名，并且加后缀？

（2）输入数据：

输入Pool变量名，点击OK后，出现数据窗口：

进入输入/编辑状态

根据原始数据表的数据排列格式转换堆积数据的排列方式：

按截面单元/时期

输入数据的步骤为：

●事先将Excel中的数据整理成堆积数据，每个变量一列数据；

●根据Excel表中数据的排列形式，转换EViews中数据的排列方式

——按截面单元/时期顺序堆积数据（这比Panel的要求灵活）；

●利用复制+粘贴的方式，将Excel表中的数据复制到Pool对象中。

2．生成序列

点击Pool工具栏的Poolgenr按钮，或者选择Proc\GeneratePoolSeries，在弹出的对话框中输入定义新序列的有关公式（例如，生成Kt-1）

3．描述统计

在Pool窗口中选择View/DescriptiveStatistics…，并在对话框中输入变量名，将会输出每个变量的有关描述统计量。

说明：

堆积数据（Stackeddata）:

计算每个变量（关于所有截面单元，所有时期）的描述统计量。

去掉均值的堆积数据（Stacked-meansremoved）:

计算除去截面平均值之后的描述统计量。

截面变量（Cross-sectionspecific）:

计算每个变量关于截面的描述统计量。

时期变量（Timeperiodspecific）:

计算每个变量关于时期的描述统计量。

关于变量（堆积数据）

关于变量截面数据

（所有时期）

三、

模型估计过程

1．点击Pool工具栏的Estimate按钮，将弹出模型估计对话框：

2．可以估计的模型形式：

模型类型

FixedandRandom

Regressors

cross

period

common

cross

period

1

混合模型

None

None

X?

2

个体固定效应变截矩

Fixed

None

X?

3

时间固定效应变截矩

None

上海市劳动和社会保障局所辖的“促进就业基金”，还专门为大学生创业提供担保，贷款最高上限达到５万元。

Fixed

X?

4

个体随机效应变截矩

（3）优惠多Random

服饰□学习用品□食品□休闲娱乐□小饰品□None

1．www。

cer。

net/artide/2004021313098897。

shtml。

X?

5

尽管售价不菲，但仍没挡住喜欢它的人来来往往。

这里有营业员们向顾客们示范着制作各种风格迥异的饰品，许多顾客也是学得不亦乐乎。

在现场，有上班族在里面精挑细选成品，有细心的小女孩在仔细盘算着用料和价钱，准备自己制作的原料。

可以想见，用本来稀奇的原料，加上别具匠心的制作，每一款成品都必是独一无二的。

而这也许正是自己制造所能带来最大的快乐吧。

时间随机效应变截矩

None

Random

自制饰品一反传统的饰品消费模式，引导的是一种全新的饰品文化，所以非常容易被我们年轻的女生接受。

X?

（三）大学生购买消费DIY手工艺品的特点分析

而手工艺制品是一种价格适中，不仅能锻炼同学们的动手能力，同时在制作过程中也能体会一下我国传统工艺的文化。

无论是送给朋友还是亲人都能让人体会到一份浓厚的情谊。

它的价值是不用金钱去估价而是用你一颗真诚而又温暖的心去体会的。

更能让学生家长所接受。

6

7、你喜欢哪一类型的DIY手工艺制品？

个体固定效应变系数

据统计，上海国民经济持续快速增长。

03全年就实现国内生产总值（GDP）6250.81亿元，按可比价格计算，比上年增长11.8%。

第三产业的增速受非典影响而有所减缓，全年实现增加值3027.11亿元，增长8%，增幅比上年下降2个百分点。

Fixed

None

X?

7

时间固定效应变系数

None

Fixed

X?

8

个体随机效应变系数

Random

None

X?

9

时间随机效应变系数

None

Random

X?

10

双因素固定效应变截矩

Fixed

Fixed

X?

11

双因素随机效应变截矩

Random

Random

X?

12

双因素随机效应变系数

Random

Random

X?

X?

说明：

随机效应变系数模型对样本容量有要求。

输入解释变量，并确定效应作用是否变参数：

●常参数

●截面变参数

●时间变参数

可选项：

None、Fixed、Random

用于确定效应的具体形式：

●无效应、单因素、双因素

●固定效应、随机效应

输入被解释变量

3．估计方法的选择

当模型个体（或时期）方程的随机误差项之间同方差、且不存在同期相关时，系统默认的估计方法是OLS；否则，需要采用GLS估计或SUR估计（似乎不相关估计）。

类型

估计方法

1

同方差、且不存在同期相关

OLS（NoWeights）

2

个体方程存在异方差，但不存在同期相关

GLS（cross-sectionweights）

3

个体方程之间存在同期相关

SUR（cross-sectionSUR）

4

时期方程存在异方差，但不存在同期相关

GLS（periodweights）

5

时期方程之间存在同期相关

SUR（periodSUR）

6

随机误差项与解释变量相关

TSLS

四、模型检验过程——类型识别检验

1．检验是单因素或双因素或混合模型（异质性检验）

（1）估计双因素固定效应模型；

（2）在方程窗口中选择View\Fixed/RandomEffectsTesting/RedundantFixedEffect，检验是否存在“冗余”效应。

不存在时间效应

2．随机效应模型与固定效应模型

1．建立随机效应模型（双因素或单因素，本例是随机个体效应）

2．进行Hausman检验

H0:

模型是随机效应模型；由于p>0.05，所以接受H0，认为模型是随机效应模型。

3．固定效应变截矩模型与变系数模型

将固定效应变截矩模型与变系数模型进行比较，检验约束假设是否成立。

具体步骤：

（1）估计变截矩模型和变系数模型，得到约束回归残差平方和RSSE和无约束回归残差平方和USSE；

（2）利用F统计量检验假设：

（3）若F>Fα，则拒绝原假设，模型是变系数模型；F

本例中，N=5，T=20，k=2，RSSE=444288，USSE=339122；所以，

利用EViews中函数@QFDIST（d,n1,n2），其中

，可以求得：

4．异方差与同期相关检验

当模型个体（或时期）方程的随机误差项之间异方差、或者存在同期相关时，需要采用GLS估计或SUR估计（似乎不相关估计）。

在估计的模型窗口，选择View\Residuals\covarianceMatrix，或者correlationMatrix，可以检验是否存在异方差和相关性。