面板数据模型经典_PPT.pptVIP

地 区 代号 居民消费函数 内蒙古 NMG CSNMG = 162.82 + 0.74*YDNMG 宁 夏 NX CSNX = 372.01 + 0.74*YDNX 青 海 QH CSQH = 353.89 + 0.74*YDQH 四 川 SC CSSC = 440.09 + 0.741*YDSC 山 东 SD CSSD = 68.52 + 0.74*YDSD 上 海 SH CSSH = 317.66 + 0.74*YDSH 陕 西 SHX CSSHX = 423.57 + 0.74*YDSHX 山 西 SX CSSX = 149.89 + 0.74*YDSX 天 津 TJ CSTJ = 262.11 + 0.74*YDTJ 新 疆 XJ CSXJ = 168.08 + 0.74*YDXJ 云 南 YN CSYN = 335.55 + 0.74*YDYN 浙 江 ZJ CSZJ = 267.56+ 0.74*YDZJ 表11.5.5结果表明，回归系数显著不为0，调整后的样本决定系数达0.99，说明模型的拟合优度较高。从估计结果可以看出，对于本例中的29个省市来说，虽然它们的居民消费倾向相同，但是其居民的自发消费存在显著的差异，其中北京、广东是居民自发消费最高的2个地区，而居民自发消费最低的是江西。 3. 随机效应变截距模型 模型形式为 其中：a为29个省市的平均自发消费倾向，b为边际消费倾向，vi为随机变量，代表i地区的随机影响，用来反映省市间的消费结构差异。 EViews估计方法：在EViews的Pooled Estimation对话框中Intercept选项中选Random effects（随机效应截距项），其余选项同上。随机影响变截距模型输出结果如表11.5.6。 表11.5.6 随机影响变截距模型估计结果 回归结果如下： 表11.5.7 各地区随机影响的变截距模型估计结果 地 区 随机影响估计值 地 区 随机影响估计值 安 徽 -37.56 江 西 -223.49 北 京 241.54 辽 宁 116.04 福 建 -80.39 内蒙古 -95.39 广 东 229.89 宁 夏 88.53 甘 肃 44.55 青 海 72.49 广 西 40.14 四 川 147.56 贵 州 -22.82 山 东 -179.78 河 北 -122.46 上 海 34.14 河 南 -126.33 陕 西 133.76 黑龙江 -100.94 山 西 -106.75 海 南 -93.33 天 津 -11.20 湖 北 120.50 新 疆 -91.55 湖 南 77.67 云 南 55.03 吉 林 1.80 浙 江 -8.11 江 苏 -103.53 ? ? 从表11.5.7给出的估计结果可以看出，在29个省市中，自发消费最高的为北京，其次为广东，最低的是江西，该结果与表11.5.5中所得到的结果基本相一致。 4. Hausman检验与面板数据单位根检验 在表11.5.6输出结果窗口中点击View键，选Fixed／Random Effects Testing／Correlated Random Effect-Hausman Test功能，可以直接获得如表11.5.8的Hausman检验结果(主要结果)。 表11.5.8 Hausman检验结果 表11.5.8中第1部分给出的是Hausman检验结果。Hausman统计量的值是4.264457，相对应的概率是0.0389，说明检验结果拒绝了随机效应模型原假设，应该建立个体固定效应模型。图中第2部分给出的是Hausman检验中间结果比较。0.741232是个体固定效应模型对参数的估计，0.742728是随机效应模型对参数的估计。0.000001是相应两个参数估计量的分布方差的差(Var(Diff))。 综上分析，1991～2004年中国29个省级地区城镇居民人均消费和人均可支配收入问题应该建立个体固定效应回归模型。人均消费平均占人均收入的74.12％。随地区不同，自发消费(截距项)存在显著性差异。 面板数据是单位根检验:以变量CP为例。 在工作文件窗口中打开CP变量的29个数据组，点击View键，选Unit Root Test功能，打开面板数据单位根检验(Group Unit Roo