多方程第3题例105面板数据模型分析研究企业投资需求的固定影响系数模型.docVIP

面板数据概述 面板数据模型是对包含三维（截面、时期、变量）信息的数据结构（面板数据）建模所得的模型，一般结构为 （含有N个个体成员方程的Panel Data模型）或 t =1, 2, …, T（含有T个时间截面方程的Panel Data模型）。 根据截距项向量( 和系数向量 (中各分量的不同限制要求，面板数据模型可以分为如下三种类型：无个体影响的不变系数模型的单方程回归 (不变系数模型： )；变截距的单方程回归(变截距模型 )；变系数模型的单方程回归(变参数模型 ) 。 在建立模型前需要对模型形式的设定进行检验，因为如果模型形式设定不正确，估计结果将与所要模拟的经济现实偏离甚远。因此，建立Panel Data模型的第一步便是检验被解释变量 yit 的参数 (i 和 (i 是否对所有个体样本点或时期都是一样的，即检验样本数据究竟符合上面哪种Panel Data模型形式，从而避免模型设定的偏差，改进参数估计的有效性。经常使用的检验是协方差分析检验，主要检验如下两个假设： H1： H2： 可见如果接受假设 H2 3，即模型为不变参数模型，无需进行进一步的检验。如果拒绝假设H2H1。如果接受H1，则认为样本数据符合情形2，即模型为变截距模型，反之拒绝H1 ，则认为样本数据符合情形1，即模型为变参数模型。检验方法是建立两个F值统计量F1和F2，在假设H1和 H2 下检验统计量F1和 F2 分别服从相应自由度下的F分布。其中 假如确定是变截距模型，还需要进一步确定是固定影响模型还是随机影响模型，此时可以选择Hausman检验，即假设随机影响模型中个体影响与解释变量不相关，构造统计量 ，其在原假设下服从自由度为k的(2分布，k为模型中解释变量的个数。 确立好模型之后，利用已有数据在Eviews中进行回归，并对结果进行分析。 得到回归结果之后，需要对数据的平稳性进行检验。常用的是单位根检验和协整检验。单位根检验是在单序列单位根检验方法的基础上进行的改进，仍然检验参数(i的变化情况。根据对参数(i的不同限制，可以将面板数据的单位根检验方法划分为两大类：（1）相同根情形下的单位根检验，即假设面板数据中的各截面序列具有相同的单位根过程，方法包括LLC检验、Breitung检验 、Hadri检验 ；不同根情形下的单位根检验，即允许面板数据中的各截面序列具有不同的单位根过程，允许参数(i 跨截面变化，方法有Im-Pesaran-Skin检验、Fisher-ADF检验和Fisher-PP检验。协整检验也可以分为两大类，一类是建立在Engle and Granger二步法检验基础上的面板协整检验，具体方法主要有Pedroni检验和Kao检验；另一类是建立在Johansen协整检验基础上的面板协整检验。  面板数据 操作过程 将例10.5中的数据处理好：sheet用英文命名，去掉中文行 将数据导入Eviews 建立pool对象。在命令窗口输入pool pool1 打开pool1，编辑截面成员的识别称： 单击sheet，在对话框中输入I? K? M?，并确定。 即得到pool序列。 单击Pool工具栏的Estimate选项打开如下对话框： 得到结果为 从估计结果可以看出，5家企业的投资需求结构具有明显的差异。在5家企业中，预期利润边际投资倾向最高是美国钢铁公司，其次是汽车制造行业的两家公司—通用汽车和克莱斯勒，而资产存量边际投资倾向最高的是西屋电气公司，最低的是通用电气公司。 怀特系数协方差估计 估计结果为 单位根检验。在Pool对象的工具栏中，选择View/Unit Root Test。 得出结果如下： I?的水平变量各种方法的结果都接受原假设， I?存在单位根，是非平稳的。 I?的一阶差分变量的所有方法的单位根检验 检验结果如下： 各种方法的结果都拒绝原假设，所以可以得出结论： I?是I(1)的。 协整检验 Pedroni (Engle-Granger based) 在EViews中打开pool对象，选择Views/ Cointegration Test… 结果为： Kao (Engle-Granger based) 结果为： Fisher (combined Johansen) 结果为： 11.选择View/Representations检查输出 12.预测 选择Procs/Make Model建立一个包括所有估