eviews分析面板数据

nullnull第十章 Panel Data模型 第一步 录入数据 第二步 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 数据的平稳性（单位根检验） 第三步 平稳性检验后分析路径选择 第四步 协整检验` 第五步 回归模型null第一步 录入数据 一 请点 实例数据 二 请点 录入数据软件操作实例数据实例数据录入企业投资需求模型数据：五家企业和三个变量的20个年度（1935-1954年）观测值的时间序列 （数据略） 5家企业： 3个变量： GM：通用汽车公司 I ：总投资 CH：克莱斯勒公司 M ：前一年企业的市场价值 GE：通用电器公司 （反映企业的预期利润） WE：西屋公司 K ：前一年末工厂存货和设备的价值 US：美国钢铁公司 （反映企业必要重置投资期望值）null录入 数据软件操作（EVIEW6.0） 方式一 File/New/ Workfile Workfile structure type ： Dated-regular frequency Start date 1935 End date 1954 OK Objects/New Object ： Type of Object pool OK Cross Section Identifiers:_GM _CH _GE _WE _US View/Spreadsheet View：i? m? k? 方式二（方式是否正确，有待考证） File/New/ Workfile Workfile structure type ： Balanced Panel Start date 1935 End date 1954 Number of cross 1 OK Cross Section Identifiers:_GM _CH _GE _WE _US View/Spreadsheet View：i? m? k?null第二步 分析数据的平稳性（单位根检验）请点 说明 请点 软件操作 结果 点检验结果1 结果2null分析数据的平稳性（单位根检验）说明 注：所有序列者要检验 原：不稳定（Hadri 除外， Hadri 中 原：稳定） 目的：防止虚假回归或伪回归 方法： 相同根下：LLC、Breintung 、 Hadri 不同根下：IPS、ADF-Fisher 和PP-Fisher5 模式： 三种检验模式：既有趋势又有截距、只有截距、以上都无（对面板序列绘制时序图做出模式选择）。 秩序：水平（level）、一阶差分、二阶甚至高阶差分直至序列平稳为止。 备注：ADF检验是通过三个模型来完成，首先从含有截距和趋势项的模型开始，再检验只含截距项的模型，最后检验二者都不含的模型。并且认为，只有三个模型的检验结果都不能拒绝原假设时，我们才认为时间序列是非平稳的，而只要其中有一个模型的检验结果拒绝了零假设，就可认为时间序列是平稳的。null分析数据的平稳性软 件 操 作 在Pool对象，View/Unit Root Test，输入相应的Pool序列名填写模式，先做序列图再选择 填写秩序 选择检验方法 填写序列名 右边所有栏目软件 自动填写无需更改null 例10.4中I?的水平变量的所有方法的单位根检验结果: 各种方法的结果(除Breitung检验 外)都接受原假设， I?存在单位根，是非平稳的。只有此处小于0.05,说明除此法外都认为非平稳null 例10.4中I?的一阶差分变量的所有方法的单位根检验结果: 各种方法的结果都拒绝原假设，所以可以得出结论： I?是I(1)的。所有P值均小于0.05，说明平稳null第三步 平稳性检验后分析路径选择平稳性检验后若： 变量之间是非同阶单整 请点 思路一 序列变换 变量之间是同阶单整 请点 思路二 协整检验null思路一：变量之间是非同阶单整 ：序列变换◎变量之间是非同阶单整的指即面板数据中有些序列平稳而有些序列不平稳，此时不能进行协整检验与直接对原序列进行回归。 ◎对序列进行差分或取对数使之变成同阶序列 若变换序列后均为平稳序列可用变换后的序列直接进行回归 若变换序列后均为同阶非平稳序列，则请点 思路二null思路二 变量之间是同阶单整：协整检验 请点协整检验说明 请点 软件操作 结果判定请点 1 2 3 协整检验通过： 请点因果分析. 请点回归分析 协整检验没通过： 若均为2阶单整，则都取差分或都取对数生成新序列进行单位根 检验否是1阶单整（取差分或对数后都会变成1阶单整），如是 对新序列进行协整检验，如无法达成协整，分析终止。 若均为1阶单整，直接全取差分或全取对数，进行回归分析null 协整检验 说 明原：不存在协整 面板数据的协整检验方法可以分为两大类，一类是建立在Engle and Granger二步法检验基础上的面板协整检验，具体方法主要有Pedroni检验和Kao检验；另一类是建立在Johansen协整检验基础上的面板协整检验。 1．Pedroni检验 2．Kao检验 3．Johansen面板协整检验null Pool序列的协整检验 ※在EViews中打开pool对象，选择Views/ Cointegration Test…，则显示协整检验的对话框。图10.6 面板数据的协整检验的对话框协整检验操作nullPedroni检验：原假设：无协整关系此栏目下P值均小于0.05 存在协整关系此栏目下P值均两个小于0.05 存在协整关系 一个大于0.05，不支持协整 null 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 10.8 Kao检验和Pedroni检验结果 (滞后阶数由SIC准则确定)除此项外均支持协整null表10.8 Johansen面板协整检验结果 (选择序列有确定性趋势而协整方程只有截距的情况) 注：加“*”表示在5%的显著性水平下拒绝原假设而接受备择假设。 上述检验结果检验的样本区间为1991-2003年，从表10.8和表10.9的检验结果可以看出，我国29个省市的城镇居民消费和收入的面板数据之间存在协整关系。 支持协整null 格兰杰因果检验（因果检验的前提是变量协整）。Eviews好像没有在POOL窗口中提供Granger causality test，如果想对面板数据中的某些合成序列做因果检验的话，不妨先导出相关序列到一个组中(POOL窗口中的Proc/Make Group)，再来试试 因果分析 null一 确定影响形式 固定影响 随机影响 二 确定模型形式 形式一 形式二 形式三 估计方法说明 一二三确定后就可以进行模型最终的设定与估计（略：自已去完成） 回归模型 null 一 确定影响形式 请点 ：说 明 请点：软件操作null 一 确定影响形式说明◎方法 Hausman检验 ◎原：应建立随机效应模型 ◎步骤 首先：建立随机效应回归 其次：用Hausman检验该模型是否是随机效应模型 null 一 确定影响形式软件操作第一步：建立建立随机效应回归 ◎POOL/ESTIMATE如右窗口 点确定结果请点 结果 此处选random由于自变量前系数不变，所以自变量填写在此处null第二步： Hausman检验 原假设：应建立随机效应模型 在软件的上一步分析的结果窗口（见左图）进行如下操作： ◎View/ ◎Fixed/Random Effects Testing/ ◎Correlated Random Effects - Hausman Test 请点 结果null中部地区模型的Hausman Test结果： 由（10.3.68）式构造的中部地区模型的Hausman Test统计量（W） 是0.29，p值是0.59，接受原假设:随机影响模型中个体影响与解释变量不相关， 结论： 可以将模型设定为随机模型。P值大于0.05，所以接受原假设：应建立随机效应模型null 说 明 （1） 模型有三种形式 形式一：变系数模型 形式二：固定影响模型 形式二：不变参数模型 （2）根据F检验确定上述三种形式之一 请点（确定模型形式的F检验）二 确定模型形式null确定模型形式的F检验 原假设：两个如下 H1： H2： 判定 规则 编码规则下载淘宝规则下载天猫规则下载麻将竞赛规则pdf麻将竞赛规则pdf ： 接受假设 H2 则为不变参数模型（模型三），检验结束。 拒绝假设H2，则检验假设H1。如接受H1，则模型为变截距模型（模型二） 若拒绝H1 ，则模型为变参数模型（模型一）。 构建统计量：请点F统计量 null构建变参数模型得残差平方和S1 并考虑其自由度 请点 构建变截距模型得残差平方和S2并考虑其自由度 请点 构建不变参数模型得残差平方和S3并考虑其自由度 请点 计算 F2 统计量 获得S1，S2，S3后手工计算F2，F1，并查找临界值做出判定 请点：判定规则 请点 判定实例假设检验的 F 统计量的计算方法null 例10.5中系数 和 取何种形式可以利用模型形式设定检验方法来确定。 (1) 首先分别计算3种形式的模型：变参数模型、变截距模型和不变参数模型，在每个模型的回归统计量里可以得到相应的残差平方和S1=339121.5、S2 = 444288.4 和S3 = 1570884。 (2) 按(10.2.7)式和(10.2.8)式计算F统计量，其中N=5、k=2、T=20，得到的两个F统计量分别为： F1=((S2-S1)/8)/(S1 /85) = 3.29 F2=((S3-S1)/12)/(S1 /85) = 25.73 利用函数 @qfdist(d,k1,k2) 得到F分布的临界值，其中d 是临界点，k1和k2是自由度。在给定5%的显著性水平下(d=0.95)，得到相应的临界值为： F2(12, 85) = 1.87 F1(8, 85) =2.049 由于 F2>1.87，所以拒绝H2；又由于 F1>2.049，所以也拒绝H1。因此，例10.5的模型应采用变系数的形式。 模型形式检验步骤：注要手工计算null模型一 变系数模型根据以前所做的影响效应填写◎POOL/ESTIMATE如右窗口 点确定结果请点 结果由于自变量前系数可变，所以自变量填写在此处null手工记下 S1 手工记下：自由度为 N（ T-K-1 ）null模型二：固定影响 (Fixed Effects) (i  j，i =j ) 说 明 软件给出的固定影响分为： 一 总体均值 二 个体对总体的偏离由于自变量前系数不变，所以自变量填写在此处◎POOL/ESTIMATE如右窗口 点确定结果请点 结果null记下S2 记下：自由度为N（T-1）-Knull 附注：包含时期个体恒量的固定影响变截距模型 nullnull模型三：不变参数模型（所有截面截距相同、系数相同）由于自变量前系数不变，所以自变量填写在此处，截距也不变，在此填写C小心此处选：NONE点确定结果请点 结果null 所有的截面的系数相等，和将5个公司的数据接到一起，用OLS的估计结果相同。记下S3记下自由度为NT-（K+1）null （1）横截面的异方差与序列的自相关性是运用面板数据模型时可能遇到的最为常见的问题,此时运用OLS可能会产生结果失真,因此为了消除影响,对我国东、中、西部地区的分析将采用不相关回归方法( SeeminglyUnrelated Regression, SUR)来估计方程。而对于全国范围内的估计来说,由于横截面个数大于时序个数,所以采用截面加权估计法(Cross SectionWeights, CSW) 。 （2）一般而言，面板数据可用固定效应(fixed effect) 和随机效应(random effect) 估计方法,即如果选择固定效应模型,则利用虚拟变量最小二乘法(LSDV) 进行估计;如果选择随机效应模型,则利用可行的广义最小二乘法(FGLS) 进行估计(Greene ,2000) 。它可以极大限度地利用面板数据的优点,尽量减少估计误差。至于究竟是采用固定效应还是随机效应,则要看Hausman 检验的结果。 三 估计方法说明