图26

相应表达式是

CPit= (345.2 - 2.5)+ (345.2+367.0)D2 +…+ (345.2+106.1)D15 + 0.72 IPit (16-13-3)

(4.3) (64.4) R2 = 0.99, SSE = 2501653

其中虚拟变量D2, D3, …, D15的定义是

Di =???1,如果属于第i个个体，i?2, ..., 15,

0,其他, ?下面利用Hausman统计量检验应该建立个体随机效应回归模型还是个体固定效应回归模型。原假设与备择假设是

H0: 个体效应与回归变量（IPit）无关（个体随机效应回归模型） H1: 个体效应与回归变量（IPit）相关（个体固定效应回归模型）

?和?RE设个体固定效应回归模型参数和个体随机效应回归模型参数估计量分别用?W~?表示离差OLS估计量；?RE表示可行GLS估计量）表示（?。如果真实模型是个体随机W?和?RE都是一致估计量，两者差异应该小。如果真实模型是个体固效应回归模型，那么?W?是一致估计量而?RE是非一致估计量，两者差异应该大。所以，定效应回归模型，那么?W如果两种估计结果差异小，说明可以建立个体随机效应回归模型；如果两种估计结果差异大，应该建立个体固定效应回归模型。

由个体固定效应回归结果(16-13-2)式知

~~~?=0.6976，s(??) = 0.0127 ?WW由个体随机效应回归结果(16-13-3)式知

~~?RE=0.7246，s(?RE) = 0.0106

2?(0.6976?0.7246) H = (?W??RE)== 14.89 2222?0.0127?0.0106s(?W)?s(?RE)2 168

H表示Hausman统计量，因为H = 14.89 > ?20.05 (1) = 3.8，所以模型存在个体固定效应。应该建立个体固定效应回归模型。

EViews 5.0可以直接进行Hausman检验。在个体随机效应回归输出结果窗口中点击View键，选Fixed/Random Effects Testing/Correlated Random Effect-Hausman Test功能，如图23。可以直接获得如图24的Hausman检验结果（主要结果）。

图27

图28

Correlated Random Effect-Hausman Test即是否存在个体固定效应的Hausman检验。图中第1部分给出的是Hausman检验结果。Hausman统计量的值是14.79，相对应的概率是0.0001。说明检验结果拒绝了随机效应模型原假设。应该建立个体固定效应模型。14.79与上面计算的14.89略有差别，是由于两种计算的误差不同所致。

图中第2部分给出的是Hausman检验中间结果比较。0.697561是个体固定效应模型对参数的估计，0.724569是随机效应模型对参数的估计。0.000049是相应两个参数估计量的分布方差的差（Var(Diff)）。

综上分析，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和人均收入问题应该建立个体固定效应回归模型。人均消费平均占人均收入的70%。随地区不同，自发消费（截距项）存在显著性差异。

（5）回归系数不同的面板数据模型 当认为对于不同个体，解释变量的回归系数存在显著性差异时，还可以建立回归系数不

169

同的面板数据模型。

回归系数不同的个体固定效应模型EViwes估计方法：在Pooled Estimation（混合估计）窗口中的Dependent Variable（相依变量）选择窗填入CP?；在Common coefficients（系数相同）选择窗保持空白（如果需要估计时点固定效应也可输入虚拟变量D1997, D1998, D1999, D2000, D2001, D2002）；在Cross section specific coefficients（截面系数不同）选择窗填入IP?；在Intercept（截距项）选择窗中选Fixed effects（也可以做其他选择）；在Weighting（权数）选择窗点击No weighting（也可以做其他选择）。点击Pooled Estimation（混合估计）窗口中的OK键。

图29

170

图30

171