Eviews面板数据之固定效应模型.docx
《Eviews面板数据之固定效应模型.docx》由会员分享，可在线阅读，更多相关《Eviews面板数据之固定效应模型.docx（16页珍藏版）》请在冰豆网上搜索。
Eviews面板数据之固定效应模型
Eviews面板数据（shùjù）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（bùtónɡ）的截面或不同的时间序列，只是模型的截距项是不同（bùtónɡ）的，而模型的斜率系数是相同的，则称此模型（móxíng）为固定效应模型。
固定效应模型分为（fēnwéi）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：
（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：
RRSS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（，不变价格）和人均收入（，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
1996
1997
1998
1999
2000
2001
2002
CONSUMEAH
3607.43
3693.55
3777.41
3901.81
4232.98
4517.65
4736.52
CONSUMEBJ
5729.52
6531.81
6970.83
7498.48
8493.49
8922.72
10284.6
CONSUMEFJ
4248.47
4935.95
5181.45
5266.69
5638.74
6015.11
6631.68
CONSUMEHB
3424.35
4003.71
3834.43
4026.3
4348.47
4479.75
5069.28
CONSUMEHLJ
3110.92
3213.42
3303.15
3481.74
3824.44
4192.36
4462.08
CONSUMEJL
3037.32
3408.03
3449.74
3661.68
4020.87
4337.22
4973.88
CONSUMEJS
4057.5
4533.57
4889.43
5010.91
5323.18
5532.74
6042.6
CONSUMEJX
2942.11
3199.61
3266.81
3482.33
3623.56
3894.51
4549.32
CONSUMELN
3493.02
3719.91
3890.74
3989.93
4356.06
4654.42
5342.64
CONSUMENMG
2767.84
3032.3
3105.74
3468.99
3927.75
4195.62
4859.88
CONSUMESD
3770.99
4040.63
4143.96
4515.05
5022
5252.41
5596.32
CONSUMESH
6763.12
6819.94
6866.41
8247.69
8868.19
9336.1
10464
CONSUMESX
3035.59
3228.71
3267.7
3492.98
3941.87
4123.01
4710.96
CONSUMETJ
4679.61
5204.15
5471.01
5851.53
6121.04
6987.22
7191.96
CONSUMEZJ
5764.27
6170.14
6217.93
6521.54
7020.22
7952.39
8713.08
表21996—2002年中国东北、华北、华东15个省级地区（dìqū）的居民家庭人均收入（元）数据
人均收入
1996
1997
1998
1999
2000
2001
2002
INCOMEAH
4512.77
4599.27
4770.47
5064.6
5293.55
5668.8
6032.4
INCOMEBJ
7332.01
7813.16
8471.98
9182.76
10349.69
11577.78
12463.92
INCOMEFJ
5172.93
6143.64
6485.63
6859.81
7432.26
8313.08
9189.36
INCOMEHB
4442.81
4958.67
5084.64
5365.03
5661.16
5984.82
6679.68
INCOMEHLJ
3768.31
4090.72
4268.5
4595.14
4912.88
5425.87
6100.56
INCOMEJL
3805.53
4190.58
4206.64
4480.01
4810
5340.46
6260.16
INCOMEJS
5185.79
5765.2
6017.85
6538.2
6800.23
7375.1
8177.64
INCOMEJX
3780.2
4071.32
4251.42
4720.58
5103.58
5506.02
6335.64
INCOMELN
4207.23
4518.1
4617.24
4898.61
5357.79
5797.01
6524.52
INCOMENMG
3431.81
3944.67
4353.02
4770.53
5129.05
5535.89
6051
INCOMESD
4890.28
5190.79
5380.08
5808.96
6489.97
7101.08
7614.36
INCOMESH
8178.48
8438.89
8773.1
10931.64
11718.01
12883.46
13249.8
INCOMESX
3702.69
3989.92
4098.73
4342.61
4724.11
5391.05
6234.36
INCOMETJ
5967.71
6608.39
7110.54
7649.83
8140.5
8958.7
9337.56
INCOMEZJ
6955.79
7358.72
7836.76
8427.95
9279.16
10464.67
11715.6
表31996—2002年中国东北（dōngběi）、华北、华东15个省级地区的消费者物价指数
物价指数
1996
1997
1998
1999
2000
2001
2002
PAH
109.9
101.3
100
97.8
100.7
100.5
99
PBJ
111.6
105.3
102.4
100.6
103.5
103.1
98.2
PFJ
105.9
101.7
99.7
99.1
102.1
98.7
99.5
PHB
107.1
103.5
98.4
98.1
99.7
100.5
99
PHLJ
107.1
104.4
100.4
96.8
98.3
100.8
99.3
PJL
107.2
103.7
99.2
98
98.6
101.3
99.5
PJS
109.3
101.7
99.4
98.7
100.1
100.8
99.2
PJX
108.4
102
101
98.6
100.3
99.5
100.1
PLN
107.9
103.1
99.3
98.6
99.9
100
98.9
PNMG
107.6
104.5
99.3
99.8
101.3
100.6
100.2
PSD
109.6
102.8
99.4
99.3
100.2
101.8
99.3
PSH
109.2
102.8
100
101.5
102.5
100
100.5
PSX
107.9
103.1
98.6
99.6
103.9
99.8
98.4
PTJ
109
103.1
99.5
98.9
99.6
101.2
99.6
PZJ
107.9
102.8
99.7
98.8
101
99.8
99.1
二、1.输入（shūrù）操作：
步骤（bùzhòu）：
（1）File——New——Workfile
步骤（bùzhòu）：
（2）Startdate——Enddate——OK
步骤（bùzhòu）：
（3）Object——NewObject
步骤（bùzhòu）：
（4）Typeofobject——Pool
步骤：
（5）输入所有序列（xùliè）名称
步骤（bùzhòu）：
（6）定义各变量（biànliàng）点击sheet—输入（shūrù）consume？
income？
p?
步骤（bùzhòu）：
（7）将表1、2、3中的数据（shùjù）复制到Eviews中
2.估计（gūjì）操作（cāozuò）：
步骤（bùzhòu）：
（1）点击poolmodel——Estimate
对话框说明（shuōmíng）
Dependentvariable:
被解释（jiěshì）变量；Commoncoefficients：
系数（xìshù）相同部分
Cross-sectionspecific:
截面（jiémiàn）系数不同部分
步骤（bùzhòu）：
（2）将截距项选择区选Fixedeffects（固定效应）
Cross-section：
Fixed
得到如下（rúxià）输出结果：
接下来用F统计量检验是应该建立混合回归（huíguī）模型，还是个体固定效应回归模型。
：
。
模型中不同个体（gètǐ）的截距相同（真实模型为混合回归模型）。
：
模型中不同（bùtónɡ）个体的截距项不同（bùtónɡ）（真实模型为个体固定效应回归模型）。
对模型进行（jìnxíng）检验：
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（xiāngyīng）的表达式为：
（6.64）（49.55）
其中（qízhōng）虚拟变量的定义（dìngyì）是：
15个省级地区的城镇人均指出（zhǐchū）平均占收入68.62%。
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（qítā）地区。
2.时点固定效应（xiàoyìng）模型
时点固定效应（xiàoyìng）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：
（2
升级会员 