面板数据的F检验固定效应检验Word格式.docx
《面板数据的F检验固定效应检验Word格式.docx》由会员分享，可在线阅读，更多相关《面板数据的F检验固定效应检验Word格式.docx（17页珍藏版）》请在冰豆网上搜索。
面板数据由30个个体组成。
共有330个观测值。
对于面板数据yit,i=1,2,…,N;
t=1,2,…,T来说，如果从横截面上看，每个变量都有观测值，从纵剖面上看，每一期都有观测值，则称此面板数据为平衡面板数据（balancedpaneldata）。
若在面板数据中丢失若干个观测值，则称此面板数据为非平衡面板数据（unbalancedpaneldata）。
注意：
EViwes3.1、4.1、5.0既允许用平衡面板数据也允许用非平衡面板数据估计模型。
例1（file:
panel02）：
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（不变价格）和人均收入数据见表1和表2。
数据是7年的，每一年都有15个数据，共105组观测值。
人均消费和收入两个面板数据都是平衡面板数据，各有15个个体。
人均消费和收入的面板数据从纵剖面观察分别见图2和图3。
从横截面观察分别见图4和图5。
横截面数据散点图的表现与观测值顺序有关。
图4和图5中人均消费和收入观测值顺序是按地区名的汉语拼音字母顺序排序的。
表1
1999-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费数据（不变价格）
地区人均消费
1996
1997
1998
1999
2000
2001
2002
CP-AH（安徽）
3282.466
3646.150
3777.410
3989.581
4203.555
4495.174
4784.364
CP-BJ（北京）
5133.978
6203.048
6807.451
7453.757
8206.271
8654.433
10473.12
CP-FJ（福建）
4011.775
4853.441
5197.041
5314.521
5522.762
6094.336
6665.005
CP-HB（河北）
3197.339
3868.319
3896.778
4104.281
4361.555
4457.463
5120.485
CP-HLJ（黑龙江）
2904.687
3077.989
3289.990
3596.839
3890.580
4159.087
4493.535
CP-JL（吉林）
2833.321
3286.432
3477.560
3736.408
4077.961
4281.560
4998.874
CP-JS（江苏）
3712.260
4457.788
4918.944
5076.910
5317.862
5488.829
6091.331
CP-JX（江西）
2714.124
3136.873
3234.465
3531.775
3612.722
3914.080
4544.775
CP-LN（辽宁）
3237.275
3608.060
3918.167
4046.582
4360.420
4654.420
5402.063
IP-LN（辽宁）
3899.194
4382.250
4649.789
4968.164
5363.153
5797.010
6597.088
IP-NMG（内蒙古）
3189.414
3774.804
4383.706
4780.090
5063.228
5502.873
6038.922
IP-SD（山东）
4461.934
5049.407
5412.555
5849.909
6477.016
6975.521
7668.036
IP-SH（上海）
7489.451
8209.037
8773.100
10770.09
11432.20
12883.46
13183.88
IP-SX（山西）
3431.594
3869.952
4156.927
4360.050
4546.785
5401.854
6335.732
IP-TJ（天津）
5474.963
6409.690
7146.271
7734.914
8173.193
8852.470
9375.060
IP-ZJ（浙江）
6446.515
7158.288
7860.341
8530.314
9187.287
10485.64
11822.00
资料来源：
《中国统计年鉴》1997-2003。
图2
15个省级地区的人均消费序列（纵剖面）图3
15个省级地区的人均收入序列（file:
4panel02）
图4
15个省级地区的人均消费散点图
图5
15个省级地区的人均收入散点图（7个横截面叠加）
（每条连线表示同一年度15个地区的消费值）
（每条连线表示同一年度15个地区的收入值）
用CP表示消费，IP表示收入。
AH,BJ,FJ,HB,HLJ,JL,JS,JX,LN,NMG,SD,SH,SX,TJ,ZJ分别表示安徽省、北京市、福建省、河北省、黑龙江省、吉林省、江苏省、江西省、辽宁省、内蒙古自治区、山东省、上海市、山西省、天津市、浙江省。
15个地区7年人均消费对收入的面板数据散点图见图6和图7。
图6中每一种符号代表一个省级地区的7个观测点组成的时间序列。
相当于观察15个时间序列。
图7中每一种符号代表一个年度的截面散点图（共7个截面）。
相当于观察7个截面散点图的叠加。
图6
用15个时间序列表示的人均消费对收入的面板数据
图7
用7个截面表示的人均消费对收入的面板数据（7个截面叠加）
为了观察得更清楚一些，图8给出北京和内蒙古1996-2002年消费对收入散点图。
从图中可以看出，无论是从收入还是从消费看内蒙古的水平都低于北京市。
内蒙古2002年的收入与消费规模还不如北京市1996年的大。
图9给出该15个省级地区1996和2002年的消费对收入散点图。
可见6年之后15个地区的消费和收入都有了相应的提高。
图8
北京和内蒙古1996-2002年消费对收入时序图
图9
1996和2002年15个地区的消费对收入散点图
2．面板数据的估计。
用面板数据建立的模型通常有3种。
即混合估计模型、固定效应模型和随机效应模型。
2.1混合估计模型。
如果从时间上看，不同个体之间不存在显著性差异；
从截面上看，不同截面之间也不存在显著性差异，那么就可以直接把面板数据混合在一起用普通最小二乘法（OLS）估计参数。
如果从时间和截面看模型截距都不为零，且是一个相同的常数，以二变量模型为例，则建立如下模型，
yit=a+b1xit+eit,
t=1,2,…,T
（1）
a和b1不随i，t变化。
称模型
（1）为混合估计模型。
以例1中15个地区1996和2002年数据建立关于消费的混合估计模型，得结果如下：
图10
EViwes估计方法：
在打开工作文件窗口的基础上，点击主功能菜单中的Objects键，选NewObject功能，从而打开NewObject（新对象）选择窗。
在TypeofObject选择区选择Pool（混合数据库），点击OK键，从而打开Pool（混合数据）窗口。
在窗口中输入15个地区标识AH（安徽）、BJ（北京）、…、ZJ（浙江）。
工具栏中点击Sheet键，从而打开SeriesList（列写序列名）窗口，定义变量CP?
和IP?
，点击OK键，Pool（混合或合并数据库）窗口显示面板数据。
在Pool窗口的工具栏中点击Estimate键，打开PooledEstimation（混合估计）窗口如下图。
图11
在DependentVariable（相依变量）选择窗填入CP?
；
在Commoncoefficients（系数相同）选择窗填入IP?
Crosssectionspecificcoefficients（截面系数不同）选择窗保持空白；
在Intercept（截距项）选择窗点击Common；
在Weighting（权数）选择窗点击Noweighting。
点击PooledEstimation（混合估计）窗口中的OK键。
得输出结果如图10。
相应表达式是
=129.6313+0.7587IPit
（2.0）
（79.7）
R2=0.98,SSEr=4824588,t0.05（103）=1.99
15个省级地区的人均支出平均占收入的76%。
如果从时间和截面上看模型截距都为零，就可以建立不含截距项的（a=0）的混合估计模型。
以二变量模型为例，建立混合估计模型如下，
yit=b1xit+eit,
（2）
对于本例，因为上式中的截距项有显著性（t=2.0>
t0.05（103）=1.99），所以建立截距项为零的混合估计模型是不合适的。
在PooledEstimation（混合估计）对话框中Intercept（截距项）选择窗中选None，其余选项同上。
2.2固定效应模型。
在面板数据散点图中，如果对于不同的截面或不同的时间序列，模型的截距是不同的，则可以采用在模型中加虚拟变量的方法估计回归参数，称此种模型为固定效应模型（fixedeffectsregressionmodel）。
固定效应模型分为3种类型，即个体固定效应模型（entityfixedeffectsregressionmodel）、时刻固定效应模型（timefixedeffectsregressionmodel）和时刻个体固定效应模型（time
升级会员 