eviews面板数据模型详解(可编辑修改word版)

1.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（panel data）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9.1，9.2 和9.3。

表9.1 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（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9.2 1996—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9.3 1996—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

（1）建立面板数据工作文件

首先建立工作文件。打开工作文件后，过程如下：

建立面板数据库。

在窗口中输入15 个不同省级地区的标识。

（2）定义序列名并输入数据

产生3*15 个尚未输入数据的变量名。这样可以通过键盘输入或黏贴的方法数据数据。

（3）估计、选择面板模型

打开一个pool 窗口，先输入变量后缀（所要使用的变量）。点击Estimate，打开估计窗口。

A.混合模型的估计方法

左边的Common 表示相同系数，即表示不同个体有相同的斜率。

r

相应的表达式是：

CP

? = 129.63 + 0.76IP it

it

(2.0)

(79.7)

R 2 = 0.98, SSE = 4824588

上式表示 15 个省级地区的城镇人均指出平均占收入的 76%。

B. 个体固定效应回归模型的估计方法

将截距项选择区选 Fixed effects （固定效应）

r ?0, 其他 i

相应的表达式为：

CP

? = 515.6 + 0.70IP - 36.3D + 537.6D +... +198.6D it

it

(6.3)

(55)

1

2

15

R 2 = 0.99, SSE = 2270386

其中虚拟变量 D 1 , D 2 ,..., D 15 的定义是：

D = ?1,如果属于第i 个个体, i = 1, 2,...,15

?

15 个省级地区的城镇人均指出平均占收入 70%。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。

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。

H

0：

i

=。模型中不同个体的截距相同（真实模型为混合回归模型）。

H

1：模型中不同个体的截距项

i

不同（真实模型为个体固定效应回归模型）。

F 统计量定义为：

F =(SSE

r

-SSE

u

) / [(NT -k -1) - (NT -N -k )]

=

(SSE

r

-SSE

u

) / (N -1)

SSE

u

/ (NT -N -k)SSE

u

/ (NT -N -k )

其中SSE r 表示约束模型，即混合估计模型的残差平方和，SSE u 表示非约束模型，即

个体固定效应回归模型的残差平方和。非约束模型比约束模型多了N -1个被估参数。

所以本例中：

F =(4824588 - 227386) / (15 -1)

= 8.1 F(14,89) = 1.8 2270386 / (105 -15 -1) 0.05

所以推翻原假设，建立个体固定效应回归模型更合理。

C.时点固定效应回归模型的估计方法

将时间选择为固定效应。

得到如下输出结果：

?0, 其他 t

相应的表达式为：

CP

? = 2.6 + 0.78IP +105.9D +134.1D +... - 93.9D it

it

(76.6)

1

2

7

R 2 = 0.987, SSE = 4028843

其中虚拟变量 D 1 , D 2 ,..., D 7 的定义是：

D = ?1,如果属于第t 个截面，t =1996, . . . , 2002 ?

D. 个体随机效应回归模型估计

截距项选择Random effects（个体随机效应）

得到如下部分输出结果：

相应的表达式是：

? 0, 其他

i

CP

? = 345.2 + 0.72IP - 2.6D + 367.0D +... +106.1D it

it

(68.5)

1

2

15

R 2 = 0.98, SSE = 2979246

其中虚拟变量 D 1 , D 2 ,..., D 15 的定义是：

D = ?1,如果属于第i 个个体, i =1, 2, . . . , 15 ?

接下来利用Hausman 统计量检验应该建立个体随机效应回归模型还是个体固定效应回归模型。

H 0 ：个体效应与回归变量（ IP it ）无关（个体随机效应回归模型）

H 1 ：个体效应与回归变量（ IP it ）相关（个体固定效应回归模型） 分析过程如下：

得到如下检验结果：

由检验输出结果的上半部分可以看出，Hausman 统计量的值是14.79，相对应的概率是0.0001，即拒接原假设，应该建立个体固定效应模型。

检验结果的下半部分是Hausman 检验中间结果比较。个体固定效应模型对参数的估计值为0.697561，随机效应模型对参数的估计值为0.724569。两个参数的估计量的分布方差的差为0.000049。

综上分析，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和人金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70%。随地区不同，自发消费（截距项）存在显著性差异。

（4）面板单位根检验

以cp 序列为例。

首先在工作文件窗口中打开cp 变量的15 个数据组。

单位根检验过程如下：

得到如下检验结果：

从上面的检验结果可以看出来，6 种检验方法的结论都认为15 个cp 序列存在单位根。

选择IPS 检验方法进行单位根检验。检验结果如下：

从上面的结果可以看出，cp 面板存在单位根，同时每个个体都存在单位根。

2.收集中国2000—2005 年各地区城镇居民人均可支配收入X 和消费指出Y 统计数据如表9.4。数据是6 年的，每一年都有32 组数据，共192 组观测值。

人均可支配收入和消费支出数据（单位：元）

2000 2001 2002 2003 2004 2005 可支可支可支可支可支可支

地配收消费配收消费配收消费配收消费配收消费配收消费区入支出入支出入支出入支出入支出入支出X Y X Y X Y X Y X Y X Y 全6279.9 4998 6859.5 5309 7702.8 6029 8472.2 6510 9421.6 7182 10493. 7942 国8 .00 8 .01 0 .88 0 .94 1 .10 03 .88 北10349. 8493 11577. 8922 12463. 1028 13882. 1112 15637. 1220 17652. 1324 京69 .49 78 .72 92 4.60 62 3.84 84 0.40 95 4.20 天8140.5 6121 8958.7 6987 9337.5 7191 10312. 7867 11467. 8802 12638. 9653 津0 .04 0 .22 6 .96 91 .53 16 .44 55 .26 河5661.1 4348 5984.8 4479 6679.6 5069 7239.0 5439 7951.3 5819 9107.0 6699 北 6 .47 2 .75 8 .28 6 .77 1 .18 9 .67 山4724.1 3941 5391.0 4123 6234.3 4710 7005.0 5105 7902.8 5654 8913.9 6342 西 1 .87 5 .01 6 .96 3 .38 6 .15 1 .63 内

蒙5129.0 3927 5535.8 4195 6051.0 4859 7012.9 5419 8122.9 6219 9136.7 6928 古 5 .75 9 .62 0 .88 0 .14 9 .26 9 .60 辽5357.7 4356 5797.0 4654 6524.5 5342 7240.5 6077 8007.5 6543 9107.5 7369 宁9 .06 1 .42 2 .64 8 .92 6 .28 5 .27 吉4810.0 4020 5340.4 4337 6260.1 4973 7005.1 5492 7840.6 6068 8690.6 6794 林0 .87 6 .22 6 .88 7 .10 1 .99 2 .71 黑

龙4912.8 3824 5425.8 4192 6100.5 4462 6678.9 5015 7470.7 5567 8272.5 6178 江8 .44 7 .36 6 .08 0 .19 1 .53 1 .01 上11718. 8868 12883. 9336 13249. 1046 14867. 1104 16682. 1263 18645. 1377 海01 .19 46 .10 80 4.00 49 0.34 82 1.03 03 3.41 江6800.2 5323 7375.1 5532 8177.6 6042 9262.4 6708 10481. 7332 12318. 8621 苏 3 .18 0 .74 4 .60 6 .58 93 .26 57 .82 浙9279.1 7020 10464. 7952 11715. 8713 13179. 9712 14546. 1063 16293. 1225 江 6 .22 67 .39 60 .08 53 .89 38 6.14 77 3.74 安5293.5 4232 5668.8 4517 6032.4 4736 6778.0 5064 7511.4 5711 8470.6 6367 徽 5 .98 0 .65 0 .52 3 .34 3 .33 8 .67 福7432.2 5638 8313.0 6015 9189.3 6631 9999.5 7356 11175. 8161 12321. 8794 建 6 .74 8 .11 6 .68 4 .26 37 .15 31 .41 江5103.5 3623 5506.0 3894 6335.6 4549 6901.4 4914 7559.6 5337 8619.6 6109 西8 .56 2 .51 4 .32 2 .55 4 .84 6 .39 山6489.9 5022 7101.0 5252 7614.3 5596 8399.9 6069 9437.8 6673 10744. 7457 东7 .00 8 .41 6 .32 1 .35 0 .75 79 .31 河4766.2 3830 5267.4 4110 6245.4 4504 6926.1 4941 7704.9 5294 8667.9 6038 南 6 .71 2 .17 0 .68 2 .60 0 .19 7 .02

湖5524.5 4644 5855.9 4804 6788.5 5608 7321.9 5963 8022.7 6398 8785.9 6736 北 4 .50 8 .79 2 .92 8 .25 5 .52 4 .56 湖6218.7 5218 6780.5 5546 6958.5 5574 7674.2 6082 8617.4 6884 9523.9 7504 南 3 .79 6 .22 6 .72 0 .62 8 .61 7 .99 广9761.5 8016 10415. 8099 11137. 8988 12380. 9636 13627. 1069 14769. 1180 东7 .91 19 .63 20 .48 43 .27 65 4.79 94 9.87 广5834.4 4852 6665.7 5224 7315.3 5413 7785.0 5763 8689.9 6445 9286.7 7032 西 3 .31 3 .73 2 .44 4 .50 9 .73 0 .80 海5358.3 4082 5838.8 4367 6822.7 5459 7259.2 5502 7735.7 5802 8123.9 5928 南 2 .56 4 .85 2 .64 5 .43 8 .40 4 .79 重6275.9 5569 6721.0 5873 7238.0 6360 8093.6 7118 9220.9 7973 10243. 8623 庆8 .84 9 .69 4 .24 7 .06 6 .05 46 .29 四5894.2 4855 6360.4 5176 6610.8 5413 7041.8 5759 7709.8 6371 8385.9 6891 川7 .78 7 .17 0 .08 7 .21 7 .14 6 .27 贵5122.2 4278 5451.9 4273 5944.0 4598 6569.2 4948 7322.0 5494 8151.1 6159 州 1 .28 1 .90 8 .28 3 .98 5 .45 3 .29 云6324.6 5185 6797.7 5252 7240.5 5827 7643.5 6023 8870.8 6837 9265.9 6996 南 4 .31 1 .60 6 .92 7 .56 8 .01 0 .90 西7426.3 5554 7869.1 5994 8079.1 6952 8765.4 8045 9106.0 8338 9431.1 8617 藏 2 .42 6 .39 2 .44 5 .34 7 .21 8 .11 陕5124.2 4276 5483.7 4637 6330.8 5378 6806.3 5666 7492.4 6233 8272.0 6656 西 4 .67 3 .74 4 .04 5 .54 7 .07 2 .46 甘4916.2 4126 5382.9 4420 6151.4 5064 6657.2 5298 7376.7 5937 8086.8 6529 肃 5 .47 1 .31 4 .24 4 .91 4 .30 2 .20 青5169.9 4185 5853.7 4698 6170.5 5042 6745.3 5400 7319.6 5758 8057.8 6245 海 6 .73 2 .59 2 .52 2 .24 7 .95 5 .26 宁4912.4 4200 5544.1 4595 6067.4 5104 6530.4 5330 7217.8 5821 8093.6 6404 夏0 .50 7 .40 4 .92 8 .34 7 .38 4 .31 新5644.8 4422 6395.0 4931 6899.6 5636 7173.5 5540 7503.4 5773 7990.1 6207 疆 6 .93 4 .40 4 .40 4 .61 2 .62 5 .52

首先建立工作文件，打开工作文件后，过程如下：

建立面板数据库，并命名为XY。

输入不同省市（包括全国）的标识，如下：点击sheet 键，定义变量X 和Y。

点击Edit+/-后，在数据窗口键入数据即可。

对模型进行估计，建立个体固定效应回归模型，过程如下：得到如下输出结果：

EVIEWS用面板数据模型预测

第8讲用面板数据模型预测 1．面板数据定义 时间序列数据或截面数据都是一维数据。时间序列数据是变量按时间得到的数据；截面数据是变量在固定时点的一组数据。面板数据是同时在时间和截面上取得的二维数据。面板数据也可以定义为相同截面上的个体在不同时点的重复观测数据或者称为纵向变量序列（个体）的多次测量。所以，面板数据（panel data）也称时间序列截面数据（time series and cross section data）或混合数据（pool data）。 面板数据示意图见图1。面板数据从横截面（cross section）看，是由若干个体（entity, unit, individual）在某一时点构成的截面观测值，从纵剖面（longitudinal section）看每个个体都是一个时间序列。 图1 N=15，T=50的面板数据示意图 图2是1978~2005年中国各省级地区消费性支出占可支配收入比率序列图。 图2 1978-2005年中国各省级地区消费性支出占可支配收入比率序列图(价格平减过)

面板数据用双下标变量表示。例如 y i t, i = 1, 2, …, N; t = 1, 2, …, T i对应面板数据中不同个体。N表示面板数据中含有N个个体。t对应面板数据中不同时点。T表示时间序列的最大长度。若固定t不变，y i ., ( i = 1, 2, …, N)是横截面上的N个随机变量；若固定i不变，y. t, (t = 1, 2, …, T)是纵剖面上的一个时间序列（个体）。 这里所讨论的面板数据主要指时期短而截面上包括的个体多的面板数据。 利用面板数据建立模型的好处是：（1）由于观测值的增多，可以增加估计量的抽样精度。（2）对于固定效应回归模型能得到参数的一致估计量，甚至有效估计量。（3）面板数据建模比单截面数据建模可以获得更多的动态信息。 例如1990-2000年30个省份的农业总产值数据。固定在某一年份上，它是由30个农业总产值数字组成的截面数据；固定在某一省份上，它是由11年农业总产值数据组成的一个时间序列。面板数据由30个个体组成。共有330个观测值。 对于面板数据y i t, i = 1, 2, …, N; t = 1, 2, …, T，如果每个个体在相同的时期内都有观测值记录，则称此面板数据为平衡面板数据（balanced panel data）。若面板数据中的个体在相同时期内缺失若干个观测值，则称此面板数据为非平衡面板数据（unbalanced panel data）。 案例1：1996-2002年中国东北、华北、华东15个省级地区的居民家庭固定价格的人均消费（CP）和人均收入（IP）关系研究（file:5panel02） 1996-2002年中国东北、华北、华东15个省级地区的居民家庭固定价格的人均消费（CP）和人均收入（IP）数据见file:panel02。数据是7年的，每一年都有15个数据，共105组观测值。 人均消费和收入两个面板数据都是平衡面板数据，各有15个个体。人均消费面板数据按个体连线见图3，按截面连线见图4。人均收入面板数据按个体连线见图5，按截面连线见图6。 图3 15个省级地区的人均消费序列（个体）（file:5panel02）

eviews面板数据实例分析

1、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)与人均收入(ip,不变价格)居民,利用数据(1)建立面板数据(panel data)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)与人均收入(income)数据以及消费者价格指数(p)分别见表9、1,9、2与9、3。 表9、1 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(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9、2 1996—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9、3 1996—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

EViews面板数据模型估计教程

EViews 6.0 beta在面板数据模型估计中的应用 来自免费的minixi 1、进入工作目录cd d:\nklx3，在指定的路径下工作是一个良好的习惯 2、建立面板数据工作文件workfile （1）最好不要选择EViews默认的blanaced panel 类型 Moren_panel （2）按照要求建立简单的满足时期周期和长度要求的时期型工作文件

3、建立pool对象 （1）新建对象 （2）选择新建对象类型并命名 （3）为新建pool对象设置截面单元的表示名称，在此提示下（Cross Section Identifiers: (Enter identifiers below this line )输入截面单元名称。，建议采用汉语拼音，例如29个省市区的汉语拼音，建议在拼音名前加一个下划线“_”，如图

关闭建立的pool对象，它就出现在当前工作文件中。 4、在pool对象中建立面板数据序列 双击pool对象，打开pool对象窗口，在菜单view的下拉项中选择spreedsheet （展开表） 在打开的序列列表窗口中输入你要建立的序列名称，如果是面板数据序列必须在序列名后添加“?”。例如，输入GDP?，在GDP后的?的作用是各个截面单元的占位符，生成了29个省市区的GDP的序列名，即GDP后接截面单元名，再在接时期，就表示出面板数据的3维数据结构（1变量2截面单元3时期）了。

请看工作文件窗口中的序列名。展开表（类似excel）中等待你输入、贴入数据。 （1）打开编辑（edit）窗口

（2）贴入数据 （3）关闭pool窗口，赶快存盘见好就收6、在pool窗口对各个序列进行单位根检验 选择单位根检验 设置单位根检验

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： 2 K it i k kit it k y x u λβ==++∑ (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： 01231:0N H λλλλ-===???== ()1 (1,(1)1)(1) RRSS URSS N F F N N T K URSS NT N K --= ---+--+ 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（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（panel data ）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1 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（元）数据

EViews6.0在面板数据模型估计中的操作

EViews 6.0在面板数据模型估计中的实验操作 1、进入工作目录cd d:\nklx3，在指定的路径下工作是一个良好的习惯 2、建立面板数据工作文件workfile （1）最好不要选择EViews默认的blanaced panel 类型 Moren_panel （2）按照要求建立简单的满足时期周期和长度要求的时期型工作文件

3、建立pool对象 （1）新建对象 （2）选择新建对象类型并命名 （3）为新建pool对象设置截面单元的表示名称，在此提示下（Cross Section Identifiers: (Enter identifiers below this line )输入截面单元名称。建议采用汉语拼音，例如29个省市区的汉语拼音，建议在拼音名前加一个下划线“_”，如图

关闭建立的pool对象，它就出现在当前工作文件中。 4、在pool对象中建立面板数据序列 双击pool对象，打开pool对象窗口，在菜单view的下拉项中选择spreedsheet （展开表） 在打开的序列列表窗口中输入你要建立的序列名称，如果是面板数据序列必须在序列名后添加“?”。例如，输入GDP?，在GDP后的?的作用是各个截面单元的占位符，生成了29个省市区的GDP的序列名，即GDP后接截面单元名，再在接时期，就表示出面板数据的3维数据结构（1变量2截面单元3时期）了。

请看工作文件窗口中的序列名。展开表（类似excel）中等待你输入、贴入数据。 （1）打开编辑（edit）窗口

（2）贴入数据 （3）关闭pool窗口，赶快存盘见好就收6、在pool窗口对各个序列进行单位根检验 选择单位根检验 设置单位根检验

eviews面板数据模型详解

1.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（panel data）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9.1，9.2和9.3。 表9.1 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（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9.2 1996—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9.3 1996—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

eviews面板数据模型详解(可编辑修改word版)

1.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（panel data）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9.1，9.2 和9.3。 表9.1 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（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9.2 1996—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

Eviews面板数据之随机效应模型

随机效应模型的估计原理说明与豪斯曼检验 在面板数据的计量分析中，如果解释变量对被解释变量的效应不随个体和时间变化，并且解释被解释变量的信息不够完整，即解释变量中不包含一些影响被解释变量的不可观测的确定性因素，可以将模型设定为固定效应模型，采用反映个体特征或时间特征的虚拟变量（即知随个体变化或只随时间变化）或者分解模型的截距项来描述这些缺失的确定性信息。 但是，固定效应模型也存在一定的不足。例如固定效应模型模型中包含许多虚拟变量时，减少了模型估计的自由度；实际应用中，固定效应模型的随机误差项难以满足模型的基本假设，易于导致参数的非有效估计。更为重要的是，它只考虑了不完整的确定性信息对被解释变量的效应，而未包含不可观测的随机信息的效应。为了弥补这一不足，Maddala(1971)将混合数据回归的随机误差项分解为截面随机误差分量、时间随机误差分量和个体时间随机误差分量三部分，讨论如下随机效应模型或双分量误差分解模型（1）： 12 K it k kit i t it k y x u v w ββ==++++∑ (1) 2~(0,)i u u N σ表示个体随机误差分量； 2~(0,)t v v N σ表示时间随机误差分量； 2~(0,)it w w N σ表示个体时间（或混合）随机误差分量。 如果模型（1）中只存在截面随机误差分量i u 而不存在时间随机误差分量t v ，则称为个体随机效应模型，否则称为个体时间小于模型。或者称为但分了误差分解模型。 下面来介绍这两种模型： 1.个体随机效应模型 当利用面板数据研究拥有拥有充分多个体的总体经济特征时，若利用总体数据的固定效应模型就会损失巨大的自由度，使得个体截距项的估计不具有有效性。这时，可以在总体中随机抽取N 个样本，利用这N 个样本的个体随机效应模型： 12 K it k kit i it k y x u w ββ==+++∑ (2) 推断总体的经济规律。其中，个体随机误差项i u 是属于第i 个个体的随机干扰分量，并在整个时间范围（t=1,2,…,T ）保持不变，其反映了不随时间变化的不可观测随机信息的效应。 检验：个体随机效应的原假设和备择假设分别是： 20:0u H σ= （混合估计模型）

面板数据分析方法步骤全解

面板数据分析方法步骤全解 yonglee , May 5 16:16 , 文档资料?数据挖掘, 评论(0) , 引用(0) , 阅读(35079) , 本站原创 面板数据分析方法步骤全解(2009-11-07 11:50:38) 转载标签：面板数据 步骤一：分析数据的平稳性（单位根检验） 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。 单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,Levin andLin(1993) 很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建 立了对面板单位根进行检验的早期版本。后来经过Levin et al. (2002)的改进,提出了检验面板单位根的LLC 法。Levin et al. (2002) 指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250 之间,截面数介于10～250 之间) 的面板单位根检验。Im et al. (1997) 还提出了检验面板单位根的IPS 法,但Breitung(2000) 发现IPS 法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung 法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。 由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher5种方法进行面板单位根检验。 其中LLC-T 、BR-T、IPS-W 、ADF-FCS、PP-FCS 、H-Z 分别指Levin, Lin & Chu t* 统计量、Breitung t 统计量、lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square统计量、Hadri Z统计量，并且Levin, Lin & Chu t* 统计量、Breitung t统计量的原假设为存在普通的单位根过程，lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square统计量的原假设为存在有效的单位根过程，Hadri Z统计量的检验原假设为不存在普通的单位根过程。 有时，为了方便，只采用两种面板数据单位根检验方法，即相同根单位根检验LLC （Levin-Lin-Chu）检验和不同根单位根检验Fisher-ADF检验（注：对普通序列（非面板序列）的单位根检验方法则常用ADF检验），如果在两种检验中均拒绝存在单位根的原假设则我们说此序列是平稳的，反之则不平稳。 如果我们以T（trend）代表序列含趋势项，以I（intercept）代表序列含截距项，T&I