Eviews面板大数据之固定效应模型.docx
- 文档编号:7794759
- 上传时间:2023-01-26
- 格式:DOCX
- 页数:21
- 大小:266.51KB
Eviews面板大数据之固定效应模型.docx
《Eviews面板大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面板大数据之固定效应模型.docx(21页珍藏版)》请在冰豆网上搜索。
Eviews面板大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:
K
yit八i八-kxkituit(i)
k=2
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:
H0:
^=^='^^^=,n」=0
(RRSS-URSS)
F二URSSF(N-1,N(T-1)-K1)
/(NT-N-K+1)
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ANCOV估计的残差平方和或者LSDV古计的残差平方和。
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(cp,不变价格)和人均收入(ip,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)FileNewWorkfile
□
FiieEdrtObjectViewProcQuickOptions
Add-insWindowHelp
New►
Workfile...Ctrl-i-N
Open►
SaveCtrl沾
Save
Import►
Program
TextFileI
步骤:
(2)StartdateEnddateOK
步骤:
(3)ObjectNewObject
步骤:
(4)TypeofobjectPool
JWorkfile:
NewObject
View|Proc|Olhj
Range:
1996
Sample-1996
®c
0resld
<>'•Untitled
Typeofobject
Pool
Equatian
Factor
Graph
Grpup
LdqL
Matrix-Vector-Coef
Model
Pool
Sample
ScadarSenesSenesLinkSeriesAlphaSpoolSSpaceStringSVectorSystemTabl号
TextVaiMapVAR
步骤:
(5)输入所有序列名称
ERoot:
POOLMODELWorkfite:
UNT1TLED:
:
Untrtled\-已
lpr0$
ObjectPrint
NameFreeze
Estimate
Define
PoolGenr
Sheet
Cress5»ctionIientifi^rs;(Enteridtntifiarsbelowthislin^)AH
BJ
FJ
H0
HLJ
JL
JS
JX
LN
NMG
SD
SH
SX
TJ
ZJ
步骤:
(6)定义各变量点击sheet—输入consume?
income?
p?
回Pool:
POOLMODELWorkfile:
UNTITLED=Untitled\-nx
ViewProcObjectPrintNameFreezeEstimateDefinePoolGenrSheet
”
SeriesListx
Lrstofordinaryandpooltspeafiedwith?
)sene:
]
consume71income?
p?
OKCancel
CrossSectianIdeRti
AH
BJ
FJ
H0
HLJ
JL
JX
LN
NMG
SD
SH
SX
TJ
ZJ
步骤:
(7)将表1、2、3中的数据复制到Eviews中
obs
CONSUME?
INCOME?
P?
obs
CONSUME?
INCOME?
P?
AH-1996
MG7.430
4512.770
109.9000
AH-1997
3693.550
4599.270
101.3000
AH-1998
3777.410
4770470
1000000
.AH-1399
3901.810
5054600
97.80000
AH亠2000
4232.980
5293^50
100.7000
AH-2001
4517650
5668.800
100.5000
AH-2002
4736.520
6032400
99.00000
BJ-1996
5729.520
7332010
1116000
BJ-1997
6531.810
7813160
105,3000
BJ-1998
E970.830
0471.900
1024000
BJ-1999
7490.480
91S2.760
100.6000
BJ-2000
8493.490
1034969
103.5000
2.估计操作:
步骤:
(1)点击poolmodelEstimate
[ViewProtJObjectp[Print[N«i>m>eFreexeEstiimdtejDefineJPo口Sh亡.t.CrSacLionXd^rLCifxa±"=.:
世xd.4£Lt.ifi4^'e.bqJ-Lhx匚JLjlxi/i)
AH
BJ
FJF
Pool匚名百maition
SH
SK
tjt
ZJ
SpetiFicjiSbom
Oependent
Options
Cr^SS-sec-tiOHi
Mowt*iy
对话框说明
PoolEstiion
SpecificationQpti口口事
DependenLtvariable
Estimateonhod
FixedandKandcun
E首ti曲atiofLsettings
Dependentvariable:
被解释变量;Commoncoefficients:
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
PoolEstimation
SpecificationOptions
Estimationsettings
MethodLS-LeastSquares(andAR)
Sample:
19962002
Balan匸台
Sample
得到如下输出结果:
DependentVariable:
CONSUME?
Method:
PooledLeastSquaresDate:
07^16/14Time:
11:
06
Sample:
19962002
Includedobservations:
7Cross-sectionsincluded:
15
Totalpool(balanced)observations:
105
Variable
Coefficient
Std.Error
(-Statistic
Prob.
C
596.5049
09.B45O4
6.639263
0.0000
INCOME?
0686232
0.013850
49.54852
0.0000
FixedEffects(Cross)
AH-C
*53.23597
BJ-C
592.4387
FJ-C
-4175884
HB-C
-1696295
HLJY
^1920354
JL-C
0493915
JS-C
-36.60391
JX—c
-3415000
LN-C
8B.76802
NMG-C
-230.1840
SAC
-140.3215
SH-C
327.1060
SX-C
-95.13180
TJ-C
6143642
ZJ-C
230,1580
EffectsSpeciecation
Cross-sectionfixed(dummyvariables)
R-squared
0992490
Meandependentwar
4981017
AdjustedR-squared
0991225
SO.dependent 1700.9B5 SEofregression 1593435 Akaikeinfocriterion 13,11944 Sumsquaredresid 2259743, Schwarzciterion 1352385 Loglikelihood *672.7706 Hannan-Quinncriter. 13.2&332 F-statistic 784.1521 Durbin-Watsonstat 1.624146 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。 Ho: : -=: -。 模型中不同个体的截距相同(真实模型为混合回归模型) Hi: 模型中不同个体的截距项S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 RRS眯法请参见Eview面板数据之混合回归模型 相应的表达式为: Consumet=596.50+0.691ncome^-53.23D! +592.44D2十…+230.16D15 (6.64)(49.55) 2 R=0.99,SSE=2259743 其中虚拟变量D1,D2,...,D15的定义是: 「1,如果属于第个个体,i=1,2,...,15 Di=0,其他 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: K +瓦0kXkit+Ut (2) k=2 (2),将时间项选择 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区选Period: Fixed(时间固定效应) Poq'IEstirnation 得到如下结果: DependentVariable: CONSlUilt^MelhodPooledLeastSquaresDate: 07C1H4Time: 11: 0S Sample-19962D02 IncludedDbservsrhons: 7 Crog£-2E>ctlon£indued! 15 Totalpool(balanced)observations: 105 Variable Coefficient Std.Enor (TStaUic Pnt? b c -2.630225 &B.59332 -00383S2 0,9695 INCOME? 0.780005 0.01&264 759969S 0.0000 Fixed! Effem(Period) 19M-C 114.0250 10前-C 137.500& 1SSB-C 5393619 13M-C -38.64127 2DCH)-C -9,045003 2D01-C ^160.0264 2OQ2-C -9774908 EffectsSpeciricaban Periodfixed(dummyvana^lfis) R^squared 0.986439 Weandependent 4981.017 AdjusHedR-squared D.985460 S.Ddependentvair 17009S5 S.E.ofregression 205.1087 Ahaikeintooilerion 13.55809 Sumsquaredreisld 4afiil749. Sdh^arzcnEgnDn 13.76030 Loglikflihoud -7037997 Hannan-Quinncriter. 1364Q03 F-siaistlc HM7-MS OurbinrWatsanstat 0.796»5 Q.QOQOOa 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。 Ho: 冷“•。 模型中不同个体的截距相同(真实模型为混合回归模型) Hi: 模型中不同个体的截距项: t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,RRS眯法请参见相应的表达式为: 可以建立时点固定效应回归模型 Eview面板数据之混合回归模型 Consum®=—2.6+0.78IPit+114Q+137.5D2+•••—97.7D7 2 (76.0)R2=0.986,SSE=4080749 其中虚拟变量d1,d2,...,d7的定义是: [1,如果属于第t个截面,t=1996,...,2002 D「0,其他 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: K ¥t八」-kXkit'Uit(3) k=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) PoolEstimation Specification Option名 pDependsnt
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Eviews 面板 数据 固定 效应 模型
![提示](https://static.bdocx.com/images/bang_tan.gif)