使用Eviews进行面板数据操作(有图有真相)

2011年44月26日（1）建立混合数据型工作文件1.建立一个年度工作文件（1996-2002①file——new——workfile——object12002）.（file:）object——newobject——pool——OK2②在弹出的对话框中输入截面个体的名称缩写（注意：在面板数据中，变量名的后面要加上1③在弹出的右图对话框中点击Edit键输入数据，点击order键可以在“按个体进行排序”和“按时间进行排序”之间进行切换。在弹出的对话框中输入截面个体的名称缩写——点击sheet,输入变量名变量名的后面要加上“？”，表示不同个体）。23④生成新的序列打开原始数据（在变量列表中双击pool01的“poolGenr”键，或者选择quick——输入要生成的公式，如:cp?=consume?/p?,ip?=income?/p?pool01即可打开），点击工具栏倒数第二个——generateseries,在弹出的对话框中:cp?=consume?/p?,ip?=income?/p?（2）建立面板数据型工作文件1.建立一个年度工作文件（1996-2002①file——new——workfile——在弹出的对话框的左边选择并输入起始时间，在截面数据选项中输入object——pool——OK②object——newobject——quick——数据的操作一样。注意：由于无法输入个体名称，容易产生混乱，因此不建议使用该方法建立面板数据。2002）.（file:）在弹出的对话框的左边选择Balancepanel在截面数据选项中输入“15”——OK——object——new——emptygroup，后面步骤的和截面方法一：①在变量截面中按住ctrl键，依次选择每个个体的因变量和自变量选择open——asgroup,在打开的数据窗口中选择依次选择每个个体的因变量和自变量，点击右键，在打开的数据窗口中选择view——graph②在弹出的对话框中选择scatter——在multipleOK便可得如下的散点图multiple中选择singlegraph-XYpairs方法二(个人认为该方法较麻烦)：①新建立一个截面数据文件夹file——new选择unstructured/undated，右边输入object——series,在右边变量名的对话框中输入变量名要输入，否则不会出现该变量）——对话框的第1-15个空格中输入数据。new——workfile,在弹出的对话框左侧右边输入105——OK——object——new在右边变量名的对话框中输入变量名cp_1996（这里一定——OK——双击变量名cp_1996,在弹出的。②按照以上方法依次建立变量cp_1997、数据时cp_1997要在第16-30个空格中输入格中输入，依次类推。然后再建立变量③建立一个以所有的因变量值()为横坐标的变量、cp_1998……,并输入数据，在输入个空格中输入，cp_1998要在第31-45个空然后再建立变量cp_iah、cp_ibj、cp_ifj……方法同上为横坐标的变量ip_i③建立以所有的因变量值()为横坐标的变量105个ip值，ip_t是按时间排序的105④按ctrl键，分别按顺序点击ip_t,cp_1996,cp_1997,cp_1998……openasagroup(或者show)，此时打开的数据为阶梯型部105个ip值，后面分别为1996年、1997为横坐标的变量ip_i和ip_t,其中ip_i是按个体排序的105个ip值。ip_t,cp_1996,cp_1997,cp_1998……——右键此时打开的数据为阶梯型，其中第一列为全1997年……的cp值。⑤在打开的数据组中点击view——graph便可得到不同时间的散点图。⑥同理，按ctrl键，分别选择ip_i,ip_ah,Ip_bj,ip_hb…的散点图。由于是用同一组数据画出的图形是不同的方法graph——scatter——simplescatter,ip_i,ip_ah,Ip_bj,ip_hb…便可得到不同个体由于是用同一组数据画出的图形，所以虽然采用的是不同的方法，但是绘出的两个图形一样。①按住ctrl,选择要画回归线的两个变量，open——asgroup——在打开的数据对话框中选择graphtype选项中选择scatter——在对画框右边点击，在本例中按住ctrl,选择f1和i1——在打开的数据对话框中选择view——graph——在在对画框右边点击option选项②Option选项对话框中有多种选择（具体图形在下页a.x选inverse表示倒数模型b.x选log表示对数模型c.x、y都选log表示双对数模型d.x选power2表示是只有平方项的模型e.x选polynomial2表示既有平方项又有一次方项的模型具体图形在下页）：表示是只有平方项的模型表示既有平方项又有一次方项的模型倒数模型有一次方的二次项模型双对数模型对数模型从这几个图形来看，双对数模型和二次多项式模型拟合的较好，但是图形越来越分散，说明存在异方差，可以用下一页的方法来克服异方差。无一次方的二次项模型③克服二次多项式模型的异方差：按ctrl选择f1,i1——show——在对话框中输入口——view——graph——scatter——polynomial——OK，便可得无异方差的散点图在对话框中输入log(f1)log(i1)——打开数据窗——option——在xtransformation中选择便可得无异方差的散点图。①点击之前所做的估计结果的名称（这里为便于以后随时打开），在打开的结果窗口中点击在弹出的对话框中点击solve——在弹出的间部分选择Staticsolution——此时原始的变量窗口会多出等，这是个体变量的拟合值。这里为pool02,每次做出结果后最好保存，在打开的结果窗口中点击proc——makemodel——在弹出的Modelsolution对话框的左边中此时原始的变量窗口会多出cpah_0、cpbj_0②按住ctrl,选择cpah和cpah_0——openasagroup框中选择view——graph——line便可得到由原始值和拟合值曲线构成的图③如果想在图形中出现散点，可以双击图形在弹出的对话框中选择line&symbol,出现带有散点图的图形。openasagroup——在弹出的数据对话便可得到由原始值和拟合值曲线构成的图。可以双击图形，line&symbol,便可1.面板数据的估计①建立面板数据文件夹，具体步骤参考第一部分②打开数据窗口，点击estimate,弹出poolestimate具体步骤参考第一部分poolestimate对话框，如下页所示。填入因变量ti选择None表示混合模型，选择fixed表示个体固定效应模型，选择random表示个体随机效应模型选择None表示混合模型，选择fixed表示时间固定效应模型，选择random表示时间随机效应模型GLS权重，通过加权可以克服异方差每个个体有共同的参数 ib随个体不同而发生变化 ib ib随个体不同而发生变化变参数模型下面为个体固定效应的结果。点击view——representation可以显示具体的回归方程式可以显示具体的回归方程式。2.面板数据的检验①Hausman检验（要在随机效应结果窗口中进行对数据进行随机效应模型估计，在估计结果窗口点击Effectstesting——CorrelatedRandomEffect版本才可以）注意：只有在随机效应估计窗口中才能进行Hausman计窗口中才能进行似然比检验要在随机效应结果窗口中进行）在估计结果窗口点击view——Fixed/RandomCorrelatedRandomEffect-HausmanTest（6.0以上的只有在随机效应估计窗口中才能Hausman检验，只有在固定效应估计窗口中才能进行似然比检验②似然比检验方法同上，只是要在个体固定效应模型的输出结果下进行检验两个检验的结果都是要建立个体固定效应模型因此这组数据应建立个体固定效应模型Hausman检验的原假设是个体效应与回归变量无关，应建立随机效应模型，因此当Hausman值较大，其对应的P值远小于0.05时，拒绝原假设，应建立个体固定效应模型。只是要在个体固定效应模型的输出结果下进行检验该检验的原假设是相等，应建立混合效应模型，当F值较大，P值远小于0.05时，拒绝原假设，应建立个体固定效应模型。 ia两个检验的结果都是要建立个体固定效应模型，因此这组数据应建立个体固定效应模型。③其他功能点击view——Residual——Table,Graphs,CovarianceMatrix,CorrelationMatrix可以分别得到按个体计算的残差序列表、残差序列图、残差序列的方差协方差矩阵、残差序列的相关系数矩阵。在估计结果中点击proc——MakeModel可以出现估计结果的联立方程形式，进一步点击Solve键可以在弹出的对话框中进行动态和静态预测。在估计结果或原始的面包数据窗口中点击这里也可以选择单位根一阶滞后或二阶滞后这里的检验方式为综合检验，包括LLC、Breitung、ADF等，其中Hadri检验的原假设是没有单位根，其余检验的原假设都是有单位根。在估计结果或原始的面包数据窗口中点击view——unitroottest这里也可以选择单位根一阶滞后或二阶滞后这里默认为Schwarz检验，因为在小样本情况下Schwarz检验效果最好。除了Breitung检验外，其他检验都说明有单位根，按照少数服从多数原则，这里cp具有单位根。