您好,欢迎访问三七文档
当前位置:首页 > 商业/管理/HR > 经营企划 > Eviews面板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:2Kitikkititkyxu(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:01231:0NH()1(1,(1)1)(1)RRSSURSSNFFNNTKURSSNTNKRRSS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(paneldata)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11996—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1996199719981999200020012002CONSUMEAHCONSUMEBJCONSUMEFJCONSUMEHBCONSUMEHLJCONSUMEJLCONSUMEJSCONSUMEJXCONSUMELNCONSUMENMGCONSUMESD5022CONSUMESH10464CONSUMESXCONSUMETJCONSUMEZJ表21996—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1996199719981999200020012002INCOMEAHINCOMEBJINCOMEFJINCOMEHBINCOMEHLJINCOMEJL4810INCOMEJSINCOMEJXINCOMELNINCOMENMG6051INCOMESDINCOMESHINCOMESXINCOMETJINCOMEZJ表31996—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1996199719981999200020012002PAH10099PBJPFJPHB99PHLJPJL98PJSPJX102101PLN100PNMGPSDPSH100100PSXPTJ109二、1.输入操作:步骤:(1)File——New——Workfile步骤:(2)Startdate——Enddate——OK步骤:(3)Object——NewObjectPZJ101步骤:(4)Typeofobject——Pool步骤:(5)输入所有序列名称步骤:(6)定义各变量点击sheet—输入consumeincomep步骤:(7)将表1、2、3中的数据复制到Eviews中2.估计操作:步骤:(1)点击poolmodel——Estimate对话框说明Dependentvariable:被解释变量;Common:系数相同部分Cross-sectionspecific:截面系数不同部分步骤:(2)将截距项选择区选Fixedeffects(固定效应)Cross-section:Fixed得到如下输出结果: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。0H:i。模型中不同个体的截距相同(真实模型为混合回归模型)。1H: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)。对模型进行检验:0.05()115-1==7.69=.90(1)RRSSURSSNFFURSSNTNK(4965275-2259743)(14,90)180232259743所以推翻原假设,建立个体固定效应回归模型更合理。RRSS求法请参见Eview面板数据之混合回归模型相应的表达式为:1215596.500.6953.23592.44...230.16ititConsumeIncomeDDD20.99,2259743rRSSE其中虚拟变量1215,,...,DDD的定义是:1,1,2,...,150,iiiD如果属于第个个体,其他15个省级地区的城镇人均指出平均占收入%。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。2.时点固定效应模型时点固定效应模型就是对于不同的截面(时点)有不同截距的模型。如果确知对于不同的截面,模型的截距显著不同,但是对于不同的时间序列(个体)截距是相同的,那么应该建立时点固定效应模型:2Kittkkititkyxu(2)时点固定效应模型与个体固定效应模型的操作区别在于步骤(2),将时间项选择区选Period:Fixed(时间固定效应)得到如下结果: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。0H:i。模型中不同个体的截距相同(真实模型为混合回归模型)。1H:模型中不同个体的截距项t不同(真实模型为时间固定效应回归模型)。对模型进行检验:0.05()7-11==3.54=.98(1)RRSSURSSTFFURSSNTTK(4965275-4080749)(6,98)2194080749所以推翻原假设,可以建立时点固定效应回归模型RRSS求法请参见Eview面板数据之混合回归模型相应的表达式为:1272.60.78114137.5...97.7ititConsumeIPDDD20.986,4080749RSSE其中虚拟变量127,,...,DDD的定义是:1,0,tD如果属于第t个截面,t=1996,...,2002其他3.时点个体固定效应模型时点个体固定效应模型就是对于不同的截面(时点)、不同的时间序列(个体)都有不同截距模型。如果确知对于不同的截面、不同的时间序列(个体)模型的截距都显著地不相同,那么应该建立时点个体固定效应模型:2Kitttkkititkyxu(3)时点固定效应模型与个体固定效应模型的操作区别在于步骤(2),将截距项选择区域:Cross-section:fixed(个体固定效应),时间项选择区选Period:Fixed(时间固定效应)得到结果如下:DependentVariable:CONSUMEMethod:PooledLeastSquaresDate:07/21/14Time:15:44Sample:19962002Includedobservations:7Cross-sectionsincluded:15Totalpool(balanced)observations:105VariableCoefficientStd.Errort-StatisticProb.CINCOMEFixedEffects(Cross)AH--CBJ--CFJ--CHB--CHLJ--CJL--CJS--CJX--CLN--CNMG--CSD--CSH--CSX--CTJ--CZJ--CFixedEffects(Period)1996--C1997--C1998--C1999--C2000--C2001--C2002--CEffectsSpecificationCross-sectionfixed(dummyvariables)Periodfixed(dummyvariables)R-squaredMeandependentvarAdjustedR-squared.dependentvar.ofregressionAkaikeinfocriterionSumsquaredresid2022652.SchwarzcriterionLoglikelihoodHannan-Quinncriter.F-statisticDurbin-WatsonstatProb(F-statistic)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。0121121=====0NTH:和:对模型进行检验:0.05()2022652222-2==5.83=.2022652(1)83RRSSURSSTNFFURSSNTTNK(4965275-)()(20,83)17所以推翻原假设,可以建立个体时点固定效应回归模型
本文标题:Eviews面板数据之固定效应模型
链接地址:https://www.777doc.com/doc-6133915 .html