Eviews面板数据之固定效应模型.docx

Eviews面板数据之固定效应模型.docx

《Eviews面板数据之固定效应模型.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.docx（18页珍藏版）》请在冰豆网上搜索。

Eviews面板数据之固定效应模型

Eviews面板数据之固定效应模型

在面板数据线性回归模型中，如果对于不同的截面或不同的时间序列，只是模型的截距项是不同的，而模型的斜率系数是相同的，则称此模型为固定效应模型。

固定效应模型分为三类：

1.个体固定效应模型

个体固定效应模型是对于不同的纵剖面时间序列（个体）只有截距项不同的模型：

（1）

从时间和个体上看，面板数据回归模型的解释变量对被解释变量的边际影响均是相同的，而且除模型的解释变量之外，影响被解释变量的其他所有（未包括在回归模型或不可观测的）确定性变量的效应只是随个体变化而不随时间变化时。

检验：

采用无约束模型和有约束模型的回归残差平方和之比构造F统计量，以检验设定个体固定效应模型的合理性。

F模型的零假设：

RRSS是有约束模型（即混合数据回归模型）的残差平方和，URSS是无约束模型ANCOVA估计的残差平方和或者LSDV估计的残差平方和。

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（

，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）File——New——Workfile

步骤：

（2）Startdate——Enddate——OK

步骤：

（3）Object——NewObject

步骤：

（4）Typeofobject——Pool

步骤：

（5）输入所有序列名称

步骤：

（6）定义各变量点击sheet—输入consume？

income？

p?

步骤：

（7）将表1、2、3中的数据复制到Eviews中

2.估计操作：

步骤：

（1）点击poolmodel——Estimate

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：

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（真实模型为时间固定效应回归模型）。

对模型进行检验：

所以推翻原假设，可以建立时点固定效应回归模型

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：

（76.0）

其中虚拟变量

的定义是：

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：

Fixed（时间固定效应）

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

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。

：

对模型进行检验：

所以推翻原假设，可以建立个体时点固定效应回归模型