多方程第3题例105面板数据模型研究企业投资需求的固定影响系数模型.docx
《多方程第3题例105面板数据模型研究企业投资需求的固定影响系数模型.docx》由会员分享,可在线阅读,更多相关《多方程第3题例105面板数据模型研究企业投资需求的固定影响系数模型.docx(12页珍藏版)》请在冰豆网上搜索。
多方程第3题例105面板数据模型研究企业投资需求的固定影响系数模型
面板数据概述
面板数据模型是对包含三维(截面、时期、变量)信息的数据结构(面板数据)建模所得的模型,一般结构为
(含有N个个体成员方程的PanelData模型)或
t=1,2,…,T(含有T个时间截面方程的PanelData模型)。
根据截距项向量和系数向量中各分量的不同限制要求,面板数据模型可以分为如下三种类型:
无个体影响的不变系数模型的单方程回归(不变系数模型:
);变截距的单方程回归(变截距模型);变系数模型的单方程回归(变参数模型)。
在建立模型前需要对模型形式的设定进行检验,因为如果模型形式设定不正确,估计结果将与所要模拟的经济现实偏离甚远。
因此,建立PanelData模型的第一步便是检验被解释变量yit的参数i和i是否对所有个体样本点或时期都是一样的,即检验样本数据究竟符合上面哪种PanelData模型形式,从而避免模型设定的偏差,改进参数估计的有效性。
经常使用的检验是协方差分析检验,主要检验如下两个假设:
H1:
H2:
可见如果接受假设H2则可以认为样本数据符合类型3,即模型为不变参数模型,无需进行进一步的检验。
如果拒绝假设H2,则需检验假设H1。
如果接受H1,则认为样本数据符合情形2,即模型为变截距模型,反之拒绝H1,则认为样本数据符合情形1,即模型为变参数模型。
检验方法是建立两个F值统计量F1和F2,在假设H1和H2下检验统计量F1和F2分别服从相应自由度下的F分布。
其中
假如确定是变截距模型,还需要进一步确定是固定影响模型还是随机影响模型,此时可以选择Hausman检验,即假设随机影响模型中个体影响与解释变量
不相关,构造统计量,其在原假设下服从自由度为k的2分布,k为模型中解释变量的个数。
确立好模型之后,利用已有数据在Eviews中进行回归,并对结果进行分析。
得到回归结果之后,需要对数据的平稳性进行检验。
常用的是单位根检验和协整检验。
单位根检验是在单序列单位根检验方法的基础上进行的改进,仍然检验参数i的变化情况。
根据对参数i的不同限制,可以将面板数据的单位根检验方法划分为两大类:
(1)相同根情形下的单位根检验,即假设面板数据中的各截面序列具有相同的单位根过程,方法包括LLC检验、Breitung检验、Hadri检验;不同根情形下的单位根检验,即允许面板数据中的各截面序列具有不同的单位根过程,允许参数i跨截面变化,方法有Im-Pesaran-Skin检验、Fisher-ADF检验和Fisher-PP检验。
协整检验也可以分为两大类,一类是建立在EngleandGranger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。
面板数据操作过程
1.将例10.5中的数据处理好:
sheet用英文命名,去掉中文行
2.将数据导入Eviews
3.建立pool对象。
在命令窗口输入poolpool1
打开pool1,编辑截面成员的识别称:
4.单击sheet,在对话框中输入I?
K?
M?
,并确定。
即得到pool序列。
5.单击Pool工具栏的Estimate选项打开如下对话框:
6.得到结果为
从估计结果可以看出,5家企业的投资需求结构具有明显的差异。
在5家企业中,预期利润边际投资倾向最高是美国钢铁公司,其次是汽车制造行业的两家公司—通用汽车和克莱斯勒,而资产存量边际投资倾向最高的是西屋电气公司,最低的是通用电气公司。
7.怀特系数协方差估计
估计结果为
8.单位根检验。
在Pool对象的工具栏中,选择View/UnitRootTest。
得出结果如下:
I?
的水平变量各种方法的结果都接受原假设,I?
存在单位根,是非平稳的。
9.I?
的一阶差分变量的所有方法的单位根检验
检验结果如下:
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。
10.协整检验
(1)Pedroni(Engle-Grangerbased)
在EViews中打开pool对象,选择Views/CointegrationTest…
结果为:
(2)Kao(Engle-Grangerbased)
结果为:
(3)Fisher(combinedJohansen)
结果为:
11.选择View/Representations检查输出
12.预测
选择Procs/MakeModel建立一个包括所有估计系数的未命名模型对象
模型可以根据需要进行编辑。
求解模型能对每个截面成员的因变量进行预测。