EVIEWS用面板数据模型预测

图7 个体特征数分析

选定15个cp变量数据用Show命令打开数据窗口,点击View/Graph/Line命令可得到15个cp个体的时序图。类似操作可得到15个ip个体的时序图。

140001200010000800060004000200019961400012000100008000600040002000199619971998199920002001CPSDCPSHCPSXCPTJCPZJ200219971998IPAHIPBJIPFJIPHBIPHLJ199920002001IPSDIPSHIPSXIPTJIPZJ2002 图8 15个省级地区的人均消费序列(纵剖面) 图9 15个省级地区的人均收入序列(file:5panel02)

12000CP1996CP1997CP1998CP1999CP2000CP2001CP2002CPAHCPBJCPFJCPHBCPHLJCPJLCPJSCPJXCPLNCPNMG IPJLIPJSIPJXIPLNIPNMG10000800060004000IP(1996-2002)40006000800010000120001400020002000

图10 人均消费对收入的面板数据散点图(7个截面叠加)

6.2 面板数据模型的EViwes 5.0估计方法:

156

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New Object功能,从而打开New Object(新对象)选择窗。在Type of Object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(图11)。在窗口中输入15个地区标识(变量的后缀)AH(安徽)、BJ(北京)、…、ZJ(浙江)。

图11

点击Estimation键,随后弹出Pooled Estimation(混合估计)对话窗(见图12)。先对Pooled Estimation(混合估计)对话窗中各选项功能给以解释。

EViwes 5.0面板数据模型估计对话窗口如下,

图12 EViwes 5.0面板模型估计窗口

157

图13 EViwes 5.1面板模型估计窗口

EViews 5.1版本的面板数据模型估计(Pool Estimation)窗口(图13)分成了两个模块,Specification(设定)和Option(选择),但基本功能与早期版本无本质区别。主要选择都集中在Specification(设定)模块中。见图14。熟悉了图14中选择方法对图15对话窗不难理解。

在Estimation Method(估计方法)选项区内有三个选项框。 (1)Cross-section(横跨个体)中包括None(不选),Fixed(固定),Random(随机)分别用来做非个体效应,个体固定效应和个体随机效应的设定(见图14)。

(2)Period(时点)中也包括None(不选),Fixed(固定),Random(随机)三项选择分别用来进行非时点效应,时点固定效应或时点随机效应设定(见图15)。

图14 图15

(3)Weight(权数)可以在5种加权方法中做选择(见图16)。

158

图16

在Estimation Settings(估计方法设定)区包括二种估计方法:一种为LS(最小二乘)方法,一种为TSLS(两阶段最小二乘)方法。

在Regression and AR() Terms(回归变量与AR项)选择区,若把变量填入Common(共同)框内意味着变量的效率相同,如果把变量填入Cross-section specification(截面设定)框内意味着回归变量的斜率随个体不同而不同。

在EViews 5.0、5.1版本的随机效应模型估计结果窗口点击View键,选Fixed/Random Effects Testing/Correlated Random Effect-Hausman Test功能,可以直接获得应该建立随机效应模型还是个体固定效应模型的Hausman检验结果。

用EViwes可以估计固定效应模型(包括个体固定效应模型、时点固定效应模型和时点个体固定效应模型3种)、随机效应模型、带有AR(1)参数的模型、截面不同回归系数也不同的面板数据模型。

用EViwes可以选择普通最小二乘法、加权最小二乘法(以截面模型的方差为权)、似不相关回归法估计模型参数。

可以在Common coefficients选择窗和Cross section specific coefficients选择窗中填入AR(1)项。如果把AR(1)项填在Common coefficients选择窗中相当于假设模型有相同的自回归误差项,如果把AR(1)项填在Cross section specific coefficients选择窗中相当于假设模型有不同的自回归误差项。

注意:如果把解释变量填入Cross section specific coefficients选择窗中,对应不同的解释变量将会得到不同的回归参数。

估计过程中的缺省方法是等权(No weighting)估计。还可以选择Cross section weights(按截面取权数)和SUR(似不相关回归)。

3种估计方法如下: 混合模型(Pool Model)

工具栏中点击Estimate键,打开Pooled Estimation(混合估计)窗口如图17。

159

联系客服:779662525#qq.com(#替换为@)