1、Crossid 截面标识dateid 时期标识2更改截面标识(如果取默认的截面标示,此步可以省略)序列crossid中是以数字1、2、标记截面标识,为了便于区分,可以重新定义一个字符串序列。(1)点击object / New object,选择series Alpha并输入序列名(设为dq);(2)双击dq序列,在打开的序列窗口中粘贴截面标识的字符串序列;(3)双击工作文件窗口中的Range,在弹出的对话框中,将截面标识的的ID序列改成新的标识序列:dq3输入数据键入命令:DATA Y X,然后用复制+粘贴方式从Excel文件中将各个变量的堆积数据(注意:数据事先要按照截面单元堆积,本例中是按
2、照“地区”)复制到工作文件之中;此时工作文件中各个变量都是堆积数据。二、模型估计过程1估计混合模型直接在命令窗口键入命令:LS Y C X2估计变截距模型在方程窗口中点击Estimate按钮,在弹出的方程描述框中选择Panel Options选项卡,此时可以在截面和时期列表中选择None、Fixed、Random,用来选择单因素(或双因素)固定效应、随机效应变截距模型;同时可以选择GMM、GLS、SUR等估计方法。个体-时期固定效应个体固定效应 随机效应个体固定效应时期随机效应双因素固定效应模型模型估计结果中只显示解释变量的参数估计值,截距项的估计结果要在ViewFixed/Random Ef
3、fects中显示。三、 Panel Data模型的检验过程1检验是单因素或双因素或混合模型(1)估计固定效应双因素模型;(2)在方程窗口中选择ViewFixed/Random Effects Testing/Redundant Fixed Effect,检验固定效应“冗余”假设是否成立。同时存在个体效应和时间效应2检验是随机效应或固定效应。(1)估计(双因素)随机效应模型;(2)在方程窗口中选择:ViewFixed/Random Effects Testing/Correlate Random Effects,进行Hausman检验。时期固定效应个体随机效应所以模型是双因素模型同时存在着个体效
4、应和时间效应;其中个体随机效应,时期固定效应。估计结果为:. 关于Pool对象的操作过程案例2(来源:格林经济计量分析,工作文件:10_1)时期:1935-1954年; 截面单元:5家企业GM:通用汽车公司、CH:克莱斯勒公司、GE:通用电器公司、WE:西屋公司US:美国钢铁公司3个变量:I :总投资M :前一年企业的市场价值(反映企业的预期利润) K :前一年末工厂存货和设备的价值(反映企业必要重置投资期望值)内容:一、 建立包含Pool对象的工作文件二、 Pool对象中的数据处理三、 模型估计过程四、 模型检验过程一、在工作文件中创建Pool对象1、创建工作文件(年度数据)2、创建Pool
5、对象点击Objects / New Object,选择Pool对象,在弹出的窗口中输入各个截面单元的识别标识(习惯上加上前缀“_”):输入截面单元标识二、Pool对象中的数据处理1输入数据输入方式:键盘输入、文件导入、复制+粘贴(适用于堆积数据)(1)双击Pool对象,点击View/Spreadsheet(stacked data),系统要求输入序列名列表:输入序列名,并且加后缀?(2)输入数据:输入Pool变量名,点击OK后,出现数据窗口:进入输入/编辑状态根据原始数据表的数据排列格式转换堆积数据的排列方式:按截面单元 / 时期输入数据的步骤为: 事先将Excel中的数据整理成堆积数据,每个
6、变量一列数据; 根据Excel表中数据的排列形式,转换EViews中数据的排列方式按截面单元 / 时期顺序堆积数据(这比Panel的要求灵活); 利用复制+粘贴的方式,将Excel表中的数据复制到Pool对象中。2生成序列点击Pool工具栏的Poolgenr按钮,或者选择ProcGenerate Pool Series,在弹出的对话框中输入定义新序列的有关公式(例如,生成Kt-1)3描述统计在Pool窗口中选择View/Descriptive Statistics,并在对话框中输入变量名,将会输出每个变量的有关描述统计量。说明:堆积数据(Stacked data): 计算每个变量(关于所有截面
7、单元,所有时期)的描述统计量。去掉均值的堆积数据(Stacked-means removed): 计算除去截面平均值之后的描述统计量。截面变量(Cross-section specific): 计算每个变量关于截面的描述统计量。时期变量(Time period specific): 计算每个变量关于时期的描述统计量。关于变量(堆积数据)关于变量截面数据(所有时期)三、 模型估计过程1点击Pool工具栏的Estimate按钮,将弹出模型估计对话框:2可以估计的模型形式:模型类型Fixed and RandomRegressorscrossperiodcommon1混合模型NoneX?2个体固定效
8、应变截矩Fixed3时间固定效应变截矩4个体随机效应变截矩Random5时间随机效应变截矩6个体固定效应变系数7时间固定效应变系数8个体随机效应变系数9时间随机效应变系数10双因素固定效应变截矩11双因素随机效应变截矩12双因素随机效应变系数随机效应变系数模型对样本容量有要求。输入解释变量,并确定效应作用是否变参数: 常参数 截面变参数 时间变参数可选项:None、Fixed、Random用于确定效应的具体形式: 无效应、单因素、双因素 固定效应、随机效应Hausman检验输入被解释变量3估计方法的选择当模型个体(或时期)方程的随机误差项之间同方差、且不存在同期相关时,系统默认的估计方法是OL
9、S;否则,需要采用GLS估计或SUR估计(似乎不相关估计)。类型估计方法同方差、且不存在同期相关OLS(No Weights)个体方程存在异方差,但不存在同期相关GLS(cross-section weights)个体方程之间存在同期相关SUR(cross-section SUR)时期方程存在异方差,但不存在同期相关GLS(period weights)时期方程之间存在同期相关SUR(period SUR)随机误差项与解释变量相关TSLS四、模型检验过程类型识别检验1检验是单因素或双因素或混合模型(异质性检验)(1)估计双因素固定效应模型;(2)在方程窗口中选择ViewFixed/Random
10、 Effects Testing/Redundant Fixed Effect,检验是否存在“冗余”效应。不存在时间效应存在个体效应2随机效应模型与固定效应模型1建立随机效应模型(双因素或单因素,本例是随机个体效应)2进行Hausman 检验H0:模型是随机效应模型;由于p 0.05,所以接受H0,认为模型是随机效应模型。3固定效应变截矩模型与变系数模型将固定效应变截矩模型与变系数模型进行比较,检验约束假设是否成立。具体步骤:(1)估计变截矩模型和变系数模型,得到约束回归残差平方和RSSE和无约束回归残差平方和USSE;(2)利用F统计量检验假设:(3)若FF,则拒绝原假设,模型是变系数模型;FF时,模型是变截矩模型。本例中,N=5,T=20,k=2,RSSE=444288,USSE=339122;所以,利用EViews中函数QFDIST(d,n1,n2),其中,可以求得: F;所以,拒绝原假设,模型是变系数模型。4异方差与同期相关检验当模型个体(或时期)方程的随机误差项之间异方差、或者存在同期相关时,需要采用GLS估计或SUR估计(似乎不相关估计)。在估计的模型窗口,选择View Residuals covariance Matrix,或者correlation Matrix,可以检验是否存在异方差和相关性。
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1