第十章 时间序列/截面数据模型
所生成的堆积后的最终序列是用堆积序列的基本名来命名的。例如，我们所堆积的序列为Pool序列“I?”和独立序列“YEAR”，这样生成的最终序列的名字便分别为“I”和“YEAR”。当自动生成的序列名在工作文件中由于某些原因（如重名等）出现问题时，我们可以通过在“堆积序列命名”一项中输入序列名的补充部分。例如，如果我们输入的“_NEW”，则生成的最终序列名称是由基本名和补充部分共同构成的，即“I_NEW”和“YEAR_NEW”。
5、Pool对象的模型估计
利用Pool对象可以实现对固定影响、随机影响变截距模型以及固定影响变系数模型的估计，估计方法有：最小二乘法，估计截面权重的加权最小二乘法或似乎不相关回归。这些方法的使用都不改变原数据的排序
单击Pool工具栏的Estimate选项或在Pool对象的菜单中选择Proc/Estimate…打开如下对话框：
（1） 因变量——Dependent Variable
在因变量对话框中输入Pool变量或Pool变量表达式。
29
第二部分 基本单方程分析
（2） 样本
在最下方的编辑窗口中输入样本说明。样本的缺省值是各截面成员中的最大样本值。如果得不到某时期截面成员的解释变量或因变量的值，那么此观测值会被排除掉。
复选框Balanced Sample说明在各截面成员间进行数据排除。只要某一时期数据对任何一个截面成员无效，此时期就被排除。这种排除保证得到的样本区间对所有截面成员都是有效的。
如果某截面成员的所有观测值都没有，那么Pool在进行估计时就排除这个截面成员。同时EViews会在输出中提示漏掉的截面成员。
（3） 解释变量
输入回归量，需要在三个编辑框中分别输入相应的解释变量。
·Common coefficients:——此栏中输入的变量对所有截面成员有相同的系数，而各变量的系数则不同，并用原有的变量表示输出结果。
·Cross-section specific coefficients:——此栏中输入的变量对Pool中每个截面成员的系数不同。EViews会对每个截面成员估计不同的系数，并以截面成员识别名和一般序列名复合的形式输出结果。
·Period specific coefficients:——此栏中输入的变量在各观测时期的系数不同。EViews会对各观测时期估计不同的系数，并以时期识别名和一般序列名复合的形式输出结果。
例如，在企业投资需求研究的例子中，如果在共同系数编辑框中输入普通变量TIME和M?，会输出TIME和M?的估计系数。如果在截面成员特定系数编辑框中输入这两个变量，会输出如下形式的系数：“_GM—TIME”、“_CH—TIME”、“_GE—TIME”、“_WE—TIME”、“_US—TIME”和“_GM—I_GM”、“_CH—I_CH” 、“_GE—I_GE” 、“_WE—I_WE” 、“_US—I_US”
注意，对截面成员或时期特定系数模型进行估计会生成很多系数，如果是截面成员特有系数模型，则估计生成的系数个数就等于Pool中截面成员数和所列变量数的乘积；如果是时期特有系数模型，则估计生成的系数个数就等于回归样本时期数和所列变量数的乘积。
在前两个解释变量编辑框中也可以输入要估计的AR项。如果AR项列在共同系数栏中，EViews会假设共同的AR误差进行模型估计；如果AR项列在截面成员特定系数栏中，EViews会对每个截面成员分别估计AR项。
还需注意的是EViews中的Pool对象只能依据编辑框中的变量说明进行线性一般估计，如果要进行非线性估计，必须首先建立一个系统对象，并进行相应的系统说明。
（4） 估计形式设定
在估计方式“Estimation method”部分，我们可以对估计形式进行设定。通过固定或随机影响（Fixed and Random Effects）的设定，可以对各截面单位或各时期的影响进行描述。EViews默认的是没有影响，即相应的各选项的初始给定状态为“None”，我们可以根据设定的需要在下拉菜单中选择相应的固定“Fixed”或随机“Random”影响状态。但是，目前还不能用截面成员特定系数，AR项或者加权进行随机影响模型估计。
需要指出的是，在我们选择固定或随机影响时，EViews在估计是会自动在相同系数变量一栏中加入一常数项，从而确保所有影响之和为零。即Eviews给出的是不含总体均值的个体影响，其反映的是各截面个体对总体平均状态的偏离。
（5） 权重
在Pool方程估计中，缺省值为没有加权，但是可以选择加权项。有五种权重选择：
30
第十章 时间序列/截面数据模型
No weighting Cross—section weights Cross—section SUR Period weights Period SUR 所有观测值赋予相同的权重 GLS使用估计的截面残差的方差 类似看似不相关回归——GLS使用估计的截面成员残差协方差矩阵 GLS使用估计的时期残差的方差 类似看似不相关回归——GLS使用估计的时期残差协方差矩阵 如果选择Cross section weights，EViews会假设出现截面异方差，对模型进行广义最小二乘估计。如果选择Cross—section SUR，EViews会假设出现截面异方差和同期相关，对模型进行相应的广义最小二乘估计。类似地，如果选择Period weights，EViews会假设出现时期异方差，从而对模型进行相应的广义最小二乘估计，选择Period SUR，EViews会进行相应的广义最小二乘估计修正时期异方差和同期相关。
（6）估计方法
在这里所提供的估计方法主要有两种：“LS-Least Squares(and AR)”——最小二乘法、“TSLS-Two-Stage Least Squares(and AR)”——二阶段最小二乘法（工具变量）。如果选择后一估计方法，会出现相应的描述工具变量的对话框。
（7）选项
单击Pool估计对话窗口中的“Option”标签，EViews将打开如下的选项页：
在该选项页中我们可以根据需要对Pool估计的各估计选项进行选定。灰色区为当前不能选定区。 选项页的设定分为如下几个部分：
①系数的协方差形式（Coef Covariance Method）
对于系数的协方差形式，EViews共给出了如下八种选项，默认的是最上方的Ordinary项，在此选项下EViews将给出普通常用方法下的系数标准差和协方差估计结果。
②权重选项
31
第二部分 基本单方程分析
如果估计的模型中含有随机影响设定，选项页中的“权重选项”部分便为可选项，我们可以在此选定计算随机影响估计值的方法。一共有Swamy-Arora 、Wallace-Hussain 和Wansbeek-Kapteyn三种方法可供选择，默认的为最常用的第一种方法。复选框“Keep GLS weights”说明在估计过程中，无论结果多大，都保存所有方程的GLS估计过程中的权重结果。
③系数估计命名（Coefficient Name）
默认的情况下，EViews用默认的系数向量C来存放系数和影响的估计结果。如果想将估计结果存放到其它向量中，可以在编辑栏中输入一个系数向量名，如果系数向量存在，结果将被保存到该向量中的相应位置；如果该系数向量不存在，EViews将建立一个相应的适当长度的系数向量。如果所输入的序列存在，但是其并非为系数向量，EViews将提示出错。
④迭代控制
如果估计的过程中要进行GLS加权估计和系数迭代至收敛，那么可以通过规定收敛准则和最大迭代次数来控制迭代过程，此时只要在相应编辑框中输入最大迭代次数和收敛半径即可。
如果模型中含有AR项，则还要进行AR项系数初始值的设定。关于AR项对应的系数初始值EViews在“AR starting coefficient values”下提供了三种选择：系数的最小二乘估计（无AR项）、零、用户指定值。
选中复选框“Display Settings”，EViews将在输出结果的上方给出收敛设置和系数初始值的信息。 迭代控制最下面的部分是对系数及GLS加权矩阵进行迭代的设置部分。共有四个设置选择项，前两项为同步修正（Simultaneous updating）和顺次修正(Sequential updating)。为了确保系数和权重矩阵迭代后收敛，需要在迭代的过程中进行修正。“同步修正”是指在每次迭代中，同时修正系数向量和GLS权重；“顺次修正”是指系数向量先迭代至收敛，然后修正权重，之后再进行迭代，直至均收敛。
后两项设置为修正系数至收敛（Update coefs to convergence）和修正一次系数(Update coefs once)。在这两种设置下，GLS权重仅被修正一次，先在无权重的情况下将系数迭代至收敛，然后再使用得到的一阶系数估计值计算权重。如果选择的是“修正系数至收敛”，EViews将使用权重的一阶估计值将系数迭代至收敛；如果选择的是“修正一次系数”，EViews将只对得到的系数一阶估计值进行一次迭代。上面所介绍的四个设置对没有AR项的GLS模型同样适用。
默认情况下，EViews对GLS权重修正一次后修正系数至收敛。
⑤工具变量
如果要利用工具变量来对模型进行估计，需要选择二阶段最小二乘法。当在Pool估计的主菜单中选择的估计方法为“TSLS-Two-Stage Least Squares(and AR)”时，EViews将相应地给出一个含有三项选项页的对话框，在中间选项页（Instruments）中我们可以对所使用的工具变量进行设定。
对应于回归形式设置，工具变量列表也分为三部分：相同工具变量栏（Common）、截面成员特有工具变量栏（Cross-section）和时期特有工具变量栏（Period），关于各栏中变量的解释同回归设定中相同。对于截面成员特有工具变量，其个数应该等于截面成员数与列表中的变量数的乘积；对于时期特有工具变量，其个数应该等于样本时期数与列表中变量数的乘积。
如果估计方程中含有AR项，那么将显示最下面的复选框“Include lagged regressors for equations with AR terms”。默认情况下是选定该复选框的，即将因变量和解释变量的滞后变量加入到工具变量的中。当然我们也可以根据需要不选择此复选框。
32