计量经济面板数据模型及EVIEWs软件的实现.doc

面板数据模型的分析及Eviews实现 面板数据和模型概述 在经济学研究和实际应用中，我们经常需要同时分析和比较横截面观察值和时间序列观察值结合起来的数据，即：数据集中的变量同时含有横截面和时间序列的信息。这种数据被称为面板数据(panel data)，它与我们以前分析过的纯粹的横截面数据和时间序列数据有着不同的特点。简单地讲，面板数据因同时含有时间序列数据和截面数据，所以其统计质既带有时间序列的性质，又包含一定的横截面特点。因而，以往采用的计量模型和估计 方法就需要有所调整。 三、检验的方法 Greene（1997）介绍了两种检验方法。一种是由Breush和Pagan（1980）提出的拉格朗日检验法（LM test）。另一种是Hausman（1978）提出的Hausman检验方法（Hausman test），Hausman检验量其实是一种Wald检验法（Wald test）。这两种方法均可以用于验面板数据模型的设定应该是固定效应还是随机效应。 面板数据模型数据估计的Eviews实现 建立合并数据库（pool）对象 首先建立工作文件。再打开工作文件的基础上，点击主功能菜单上Objects键，选NEW Object打开NEW Object对话框。 在Type of Object选择区选择Pool，单击OK，从而打开合并数据库窗口，在窗口输入不同省份标识，如下图： （2）定义序列名并输入数据 在新建的合并数据库窗口的工具栏点击sheet键，打开Series List窗口，定义时间序列变量CONSUME?和INCOME?从而打开合并数据库窗口，输入数据。如下图: （3）估计模型 在POOl窗口的工具栏中点击Estimate,打开Pooled Estimate窗口，如图.单机OK得到结果。 Dependent Variable: CONSUME? Method: Pooled Least Squares Date: 12/19/11 Time: 22:08 Dependent Variable: CONSUME? Method: Pooled Least Squares Date: 12/19/11 Time: 22:25 Sample: 1995 1999 Included observations: 5 Cross-sections included: 7 Total pool (balanced) observations: 35 Variable Coefficient Std. Error t-Statistic Prob.?? C -2770.357 870.7418 -3.181606 0.0037 INCOME? 0.928671 0.054586 17.01307 0.0000 若单机VIEW下的representation得到回归的代数表达式： Estimation Command: ===================== LS(CX=F,B) CONSUME? INCOME? Estimation Equations: ===================== CONSUMESH = C(3) + C(1) + C(2)*INCOMESH CONSUMEJS = C(4) + C(1) + C(2)*INCOMEJS CONSUMEZJ = C(5) + C(1) + C(2)*INCOMEZJ CONSUMEAH = C(6) + C(1) + C(2)*INCOMEAH CONSUMEJX = C(7) + C(1) + C(2)*INCOMEJX CONSUMEFJ = C(8) + C(1) + C(2)*INCOMEFJ CONSUMESD = C(9) + C(1) + C(2)*INCOMESD Substituted Coefficients: ===================== CONSUMESH = -4080.545176 - 2770.356834 + 0.9286710261*INCOMESH CONSUMEJS = -652.7150962 - 2770.356834 + 0.9286710261*INCOMEJS CONSUMEZJ = -605.7216353 - 2770.356834 + 0.9286710261*INCOMEZJ CONSUMEAH = 1666.304521 - 2770.356834 + 0.9286710261*INCOMEAH CONSUMEJX = 1756.290577