用Eviews6处理面板数据
Eviews6.0面板数据操作
1. 数据输入
1.1创建工作文档
如下图操作,在” workfile create ”文本框的“workfile structure type ”选择“balanced panel”, ”panel specification”的”start date”和”end date ”输入数据的起止期间,”wf ”输入工作文档的名称,点击” OK ” 即跳出新建的工作文档a 界面。
1.2创建新对象
操作如下图。在”new object ”文本框的”type of object ”选择”pool ”,”name for object ”输入新对象的名称。创建成功后的界面如下面第3张图所示。
1.3输入数据
双击”workfile ”界面的
,跳出”pool ”界面,输入个体。一般输入
方式为如下:若上海输入_sh,北京输入_bj,„。个体输入完成后,点击该界面的
键,在跳出的”series list ”输入变量名称,注意变量后要加问号。格
式如下:y? x?。点击”OK ”后,跳出数据输入界面,如下面第4张图所示。在这个界面上点击
键,即可以输入或者从EXCEL 处复制数据。
在输入数据后,记得保存数据。保存操作如下:
在跳出的“workfile save”文本框选择“ok ”即可,则自动保存到我的文档。
然后在“workfile ”界面如下会显示保存路径:d:\my documents\a.wf1。
若要保存到自己选择的路径下面,则在保存时选择“save as”,
在跳出的文本框里选择自己要保存的路径以及命名文件名称。
1.4单位根检验
一般回归前要检验面板数据是否存在单位根,以检验数据的平稳性,避免伪回归,或虚假回归,确保估计的有效性。单位根检验时要分变量检验。(补充:网上对面板数据的单位根检验和协整检验存在不同意见,一般认为时间区间较小的面板数据无需进行这两个检验。) 1.4.1生成数据组
如下图操作。点击”make group”后在跳出的”series list”里输入要单位根检验的变量,完成后就会跳出如下图3所示的组数据。
1.4.2生成时序图
如下图操作。在”gragh options ”界面的”specifi ”下选择生成的时序图的形状,一般都默认设置,生成的时序图如下图3所示。观察时序图的趋势,以确定单位根检验的检验模式。
1.4.3单位根检验
单位根检验时,在”group unit root test”里的”test for root in”按检验结果一步步检验,如果原值”level ”的检验结果符合要求,即不存在单位根,则单位根检验就不需要检验下去了,如果不符合要求,则需继续检验一阶差分”1st difference ”、二阶差分”2nd difference”。”include in test equation”是检验模式的选择,根据上面时序图的形状来选择。从上面的时序图可以看出,原值的检验模式应该选择含有截距项和趋势的检验模式,即”include in test equation ”选择”individual intercept and trend ”。检验结果如下图3所示。从检验结果可以看出,检验结果除了levin 检验方法外其他方法的结果都不符合要求(Prob.xx 小于置信度(如0.05), 则认为拒绝单位根的原假设,通过检验)。所以继续检验一阶差分和二阶差分,直到检验结果达到要求。如果变量原值序列通过单位根检验,则称变量为0阶单整;如果变量一阶差分后的序列通过单位根检验,则称变量为一阶单整,以此推之。
注意:单位根检验的方法(test type )较多,可以使用LLC 、IPS 、Breintung 、ADF-Fisher 和PP-Fisher 这5种方法进行面板单位根检验。一般,为了方便起见,只采用相同根单位根检验LLC 和不同根单位根检验Fisher-ADF 这两种检验方法,如果它们都拒绝存在单位根的原假设,则可以认为此序列是平稳的,反之就是非平稳的。
1.5协整检验
协整检验检验的是模型的变量之间是否存在长期稳定的关系,其前提是解释变量和被解释变量在单位根检验时为同阶单整。操作如下图所示。
1.6回归估计
面板数据模型根据常数项和系数向量是否为常数,分为3种类型:混合回归模型(都为常数)、变截距模型(系数项为常数)和变系数模型(皆非常数)。 混合模型: y i t =α+x i βt +μ i =1,2, i t , N ; t =1,2, , T
变截距模型:y it
变系数模型:y it =αi +x it β+μit i =1,2, , N ; t =1,2, , T =αi +x it βi +μit i =1,2, , N ; t =1,2, , T
判断一个面板数据究竟属于哪种模型,用F 统计统计量:
F 1=(S 2-S 1) /⎡⎣(N -1)K ⎤⎦
S 1/NT -N (K +1) F ⎡⎣(N -1)K , N (T -K -1) ⎤⎦ F 2=(S 3-S 1) /⎡(N -1)(K +1) ⎤S 1/NT -N (K +1) F ⎡⎣(N -1)(K +1), N (T -K -1) ⎤⎦
来检验以下两个假设:
H 1:β1=β2==βN ,H 2:α1=α2==αN , β1=β2==βN 。 其中,S 1、S 2、S 3分别为变系数模型、变截距模型和混合模型的残差平方和,K 为解释变量的个数,N 为截面个体数量,α为常数项,β为系数向量。若计算得到的统计量F 2的值小于给定显著性水平下的相应临界值,则接受假设H 2,用混合模型拟合样本。反之,则需用F 1检验假设H 1,如果计算得到的F 1值小于给定显著性水平下的相应临界值,则认为接受假设H 1,用变截距模型拟合,否则用变系数模型拟合。具体操作:
1)、分别对面板数据进行3种类型模型的回归,得到S 1、S 2、S 3。此外,一般来说,用样本数据推断总体效应,应用随机效应回归模型;直接对样本数据进行分析,采用固定效应回归模型。
首先回到面板数据表,如果是在如下这个界面时,
点击按钮,在跳出的“series list”文本框里输入模型变量,如下图。
也可以通过重新打开工作文件,如下图操作。
选择自己当初保存的路径和文件名,点击打开。
打开后,跳出工作文件
双击
,
然后分别进行变系数、变截距和混合模型的回归估计: 点击,进行变系数回归
(变系数)
变截距回归
混合模型估计
前面同2)操作,在“pool estimation”输入如下
2)、确定模型形式
把模型估计取得的s1、s2、s3数值代入前述公式(第13页),如下
F 1=(S 2-S 1) /⎡⎣(N -1)K ⎤⎦
S 1/NT -N (K +1) F ⎡⎣(N -1)K , N (T -K -1) ⎤⎦ F 2=(S 3-S 1) /⎡⎣(N -1)(K +1) ⎤⎦
S 1/NT -N (K +1) F ⎡⎣(N -1)(K +1), N (T -K -1) ⎤⎦
计算得到F1、F2值,检验假设H1、H2,从而确定采用何种模型形式(变系数、变截距、混合效应)。
3)、回归分析
若检验结果表明应采用变系数模型,回到以下界面进行估计
点击,进行变系数回归
上图列示了回归结果,其中:
①Coefficient 为系数,比如AH 的系数为0.760053,截距项为477.4820-315.8649
②t-Statistic 为t 值,检验每一个自变量的合理性。|t|大于临界值表示可拒绝系数为0的假设,即系数合理。Prob 为系数的概率,若其小于置信度(如0.05) 则表明|t|大于临界值,即认为系数合理。从结果可以看出,本例中系数合理。
③R-squared 为样本决定系数,表示总离差平方和中由回归方程可以解释部分的比例,比例越大说明回归方程可以解释的部分越多。值为0-1,越接近1表示拟合越好,>0.8认为可以接受,但是R2随因变量的增多而增大,所以可以通过增加自变量的个数来提高模型的R-squared 。本例中R-squared0.995382,接近1,拟合度相当好。
Adjust R-seqaured为 修正的R-squared ,与R-squared 有相似意义。
④F-statistic 表示模型拟合样本的效果,即选择的所有自变量对因变量的解释力度。F 大于临界值则说明拒绝0假设。若Prob(F-statistic)小于置信度(如0.05) 则说明F 大于临界值,方程显著性明显。本例中Prob(F-statistic)为0.000000, 模型方程显著。
⑤Durbin-Watson stat:检验残差序列的自相关性。其值在0-4之间。
相关文章
- 面板数据分析方法总结
- 最低工资制度对农民工就业的影响
- 动态面板模型的案例
- 动态面板数据分析步骤详解
- 我国产险公司特许权价值自律效应的实证分析
- 劳动力供求状况对外商直接投资区位选择的影响
- 总供给.总需求冲击与我国经济波动的关系
- 实验三 多元线性回归模型及非线性回归
- 居民消费需求影响因素分析
面板数据分析方法总结 这是我在查阅各种资料后得出的关于面板数据的总结,最近在做面板的实证论文,所以需要这个,欢迎大家继续扩充,只要是关于面板的都行,关于具体如何在Eviews6中实现的更好,不甚感激. ---------- *横截面的异方差 ...
2012年第9期总第205期 山东社会科学 SHANDONGSOCIALSCIENCESNo.9GeneralNo.205 ·经济与管理研究· 最低工资制度对农民工就业的影响研究 罗润东 周 敏 (山东大学劳动经济与人力资源研究中心,山东威 ...
开放式基金赎回与业绩的内生性 -基于中国动态面板数据的分析 冯金余 (山东大学经济学院,山东 济南250101) 摘要:国内大多数文献仅考虑了基金业绩对赎回的单向影响,没有考虑到赎回对业绩的反作用.本文应用动态面板数据方法考察了基金业绩与赎 ...
动态面板数据分析算法 1. 面板数据简介 面板数据(Panel Data, Longitudinal Data ),也称为时间序列截面数据.混合数据,是指同一截面单元数据集上以不同时间段的重复观测值,是同时具有时间和截面空间两个维度的数据集 ...
保险研究 2010年第6期应用研究INSURANCESTUDIES No.6 2010 我国产险公司特许权价值自律效应的实证分析 徐 华 谢 宁 刘 平 (西南财经大学保险学院,四川成都611130) [摘 要] 特许权价值是保险公司具有的 ...
摘要: 上海大学 王建人 本文主要通过对2004-2013年中国30个省级面板数据进行实证研究,分析失业率对外商投资企业在我国各省市投资额的影响,得到劳动力供求情况对于FDI 区位选择的影响结果.通过对已有文献的回顾确定控制变量,并建立固定 ...
摘 要:依据1994年第1季度至2012年第2季度产出和价格的季度数据,建立基于长期约束的SVAR模型,用以分析总供给冲击和总需求冲击对我国经济波动的影响,考察经济增长和价格对总供给.总需求冲击的动态响应.实证研究表明,总供给冲击和总需求冲 ...
实验三 多元线性回归模型及非线性回归 一.多元线性回归模型 例题3.2.2 建立2006年中国城镇居民人均消费支出的多元线性回归模型. 数据: 地区 2006年消费支出Y 2006年可支配收入X1 2005年消费支出X2 北京 14825. ...
[内容摘要]居民消费不足一直是困扰中国经济可持续发展的难题,本文采用排序选择模型分析方法,研究了影响居民消费需求的因素.得出的主要结论有:收入水平.子女教育状况.家庭人口规模是影响居民消费意愿的最主要因素:户主工作单位性质.受教育水平也影响 ...