《处理面板数据操作步骤》由会员分享，可在线阅读，更多相关《处理面板数据操作步骤（37页珍藏版）》请在金锄头文库上搜索。
1、1 第十章PanelData模型 第一步录入数据第二步分析数据的平稳性 单位根检验 第三步平稳性检验后分析路径选择第四步协整检验 第五步回归模型 2 第一步录入数据 一请点实例数据二请点录入数据软件操作 3 实例数据 录入企业投资需求模型数据 五家企业和三个变量的20个年度 1935 1954年 观测值的时间序列 数据略 5家企业 3个变量 GM 通用汽车公司I 总投资CH 克莱斯勒公司M 前一年企业的市场价值GE 通用电器公司 反映企业的预期利润 WE 西屋公司K 前一年末工厂存货和设备的价值US 美国钢铁公司 反映企业必要重置投资期望值 4 录入数据软件操作 EVIEW6 0 方式一Fil
2、e New WorkfileWorkfilestructuretype Dated regularfrequencyStartdate1935Enddate1954OKObjects NewObject TypeofObjectpoolOKCrossSectionIdentifiers GM CH GE WE USView SpreadsheetView i m k 方式二 方式是否正确 有待考证 File New WorkfileWorkfilestructuretype BalancedPanelStartdate1935Enddate1954Numberofcross1OKCrossSe
3、ctionIdentifiers GM CH GE WE USView SpreadsheetView i m k 5 第二步分析数据的平稳性 单位根检验 请点说明请点软件操作结果点检验结果1结果2 6 分析数据的平稳性 单位根检验 说明注 所有序列者要检验 原 不稳定 Hadri除外 Hadri中原 稳定 目的 防止虚假回归或伪回归方法 相同根下 LLC Breintung Hadri不同根下 IPS ADF Fisher和PP Fisher5模式 三种检验模式 既有趋势又有截距 只有截距 以上都无 对面板序列绘制时序图做出模式选择 秩序 水平 level 一阶差分 二阶甚至高阶差分直至序列
4、平稳为止 备注 ADF检验是通过三个模型来完成 首先从含有截距和趋势项的模型开始 再检验只含截距项的模型 最后检验二者都不含的模型 并且认为 只有三个模型的检验结果都不能拒绝原假设时 我们才认为时间序列是非平稳的 而只要其中有一个模型的检验结果拒绝了零假设 就可认为时间序列是平稳的 7 分析数据的平稳性软件操作 在Pool对象 View UnitRootTest 输入相应的Pool序列名 填写模式 先做序列图再选择 填写秩序 选择检验方法 填写序列名 右边所有栏目软件自动填写无需更改 8 例10 4中I 的水平变量的所有方法的单位根检验结果 各种方法的结果 除Breitung检验外 都接受原假
5、设 I 存在单位根 是非平稳的 只有此处小于0 05 说明除此法外都认为非平稳 9 例10 4中I 的一阶差分变量的所有方法的单位根检验结果 各种方法的结果都拒绝原假设 所以可以得出结论 I 是I 1 的 所有P值均小于0 05 说明平稳 10 第三步平稳性检验后分析路径选择 平稳性检验后若 变量之间是非同阶单整请点思路一序列变换变量之间是同阶单整请点思路二协整检验 11 思路一 变量之间是非同阶单整 序列变换 变量之间是非同阶单整的指即面板数据中有些序列平稳而有些序列不平稳 此时不能进行协整检验与直接对原序列进行回归 对序列进行差分或取对数使之变成同阶序列若变换序列后均为平稳序列可用变换后的
6、序列直接进行回归若变换序列后均为同阶非平稳序列 则请点思路二 12 思路二变量之间是同阶单整 协整检验 请点协整检验说明请点软件操作结果判定请点123协整检验通过 请点因果分析 请点回归分析协整检验没通过 若均为2阶单整 则都取差分或都取对数生成新序列进行单位根检验否是1阶单整 取差分或对数后都会变成1阶单整 如是对新序列进行协整检验 如无法达成协整 分析终止 若均为1阶单整 直接全取差分或全取对数 进行回归分析 13 协整检验说明 原 不存在协整面板数据的协整检验方法可以分为两大类 一类是建立在EngleandGranger二步法检验基础上的面板协整检验 具体方法主要有Pedroni检验和K
7、ao检验 另一类是建立在Johansen协整检验基础上的面板协整检验 1 Pedroni检验2 Kao检验3 Johansen面板协整检验 14 Pool序列的协整检验 在EViews中打开pool对象 选择Views CointegrationTest 则显示协整检验的对话框 图10 6面板数据的协整检验的对话框 协整检验操作 15 Pedroni检验 原假设 无协整关系 此栏目下P值均小于0 05存在协整关系 此栏目下P值均两个小于0 05存在协整关系一个大于0 05 不支持协整 16 表10 8Kao检验和Pedroni检验结果 滞后阶数由SIC准则确定 除此项外均支持协整 17 表10
8、 8Johansen面板协整检验结果 选择序列有确定性趋势而协整方程只有截距的情况 注 加 表示在5 的显著性水平下拒绝原假设而接受备择假设 上述检验结果检验的样本区间为1991 2003年 从表10 8和表10 9的检验结果可以看出 我国29个省市的城镇居民消费和收入的面板数据之间存在协整关系 支持协整 18 格兰杰因果检验 因果检验的前提是变量协整 Eviews好像没有在POOL窗口中提供Grangercausalitytest 如果想对面板数据中的某些合成序列做因果检验的话 不妨先导出相关序列到一个组中 POOL窗口中的Proc MakeGroup 再来试试 因果分析 19 一确定影响形
9、式固定影响随机影响二确定模型形式形式一形式二形式三估计方法说明一二三确定后就可以进行模型最终的设定与估计 略 自已去完成 回归模型 20 一确定影响形式 请点 说明请点 软件操作 21 一确定影响形式说明 方法Hausman检验 原 应建立随机效应模型 步骤首先 建立随机效应回归其次 用Hausman检验该模型是否是随机效应模型 22 一确定影响形式软件操作 第一步 建立建立随机效应回归 POOL ESTIMATE如右窗口点确定结果请点结果 此处选random 由于自变量前系数不变 所以自变量填写在此处 23 第二步 Hausman检验原假设 应建立随机效应模型在软件的上一步分析的结果窗口 见
10、左图 进行如下操作 View Fixed RandomEffectsTesting CorrelatedRandomEffects HausmanTest请点结果 24 中部地区模型的HausmanTest结果 由 10 3 68 式构造的中部地区模型的HausmanTest统计量 W 是0 29 p值是0 59 接受原假设 随机影响模型中个体影响与解释变量不相关 结论 可以将模型设定为随机模型 P值大于0 05 所以接受原假设 应建立随机效应模型 25 说明 1 模型有三种形式形式一 变系数模型形式二 固定影响模型形式二 不变参数模型 2 根据F检验确定上述三种形式之一请点 确定模型形式的F
11、检验 二确定模型形式 26 确定模型形式的F检验原假设 两个如下H1 H2 判定规则 接受假设H2则为不变参数模型 模型三 检验结束 拒绝假设H2 则检验假设H1 如接受H1 则模型为变截距模型 模型二 若拒绝H1 则模型为变参数模型 模型一 构建统计量 请点F统计量 27 构建变参数模型得残差平方和S1并考虑其自由度请点构建变截距模型得残差平方和S2并考虑其自由度请点构建不变参数模型得残差平方和S3并考虑其自由度请点计算F2统计量获得S1 S2 S3后手工计算F2 F1 并查找临界值做出判定请点 判定规则请点判定实例 假设检验的F统计量的计算方法 28 例10 5中系数 和 取何种形式可以利
12、用模型形式设定检验方法来确定 1 首先分别计算3种形式的模型 变参数模型 变截距模型和不变参数模型 在每个模型的回归统计量里可以得到相应的残差平方和S1 339121 5 S2 444288 4和S3 1570884 2 按 10 2 7 式和 10 2 8 式计算F统计量 其中N 5 k 2 T 20 得到的两个F统计量分别为 F1 S2 S1 8 S1 85 3 29F2 S3 S1 12 S1 85 25 73利用函数 qfdist d k1 k2 得到F分布的临界值 其中d是临界点 k1和k2是自由度 在给定5 的显著性水平下 d 0 95 得到相应的临界值为 F 2 12 85 1
13、87F 1 8 85 2 049由于F2 1 87 所以拒绝H2 又由于F1 2 049 所以也拒绝H1 因此 例10 5的模型应采用变系数的形式 模型形式检验步骤 注要手工计算 29 模型一变系数模型 根据以前所做的影响效应填写 POOL ESTIMATE如右窗口点确定结果请点结果 由于自变量前系数可变 所以自变量填写在此处 30 手工记下S1 手工记下 自由度为N T K 1 31 模型二 固定影响 FixedEffects i j i j 说明软件给出的固定影响分为 一总体均值二个体对总体的偏离 由于自变量前系数不变 所以自变量填写在此处 POOL ESTIMATE如右窗口点确定结果请点
14、结果 32 记下S2 记下 自由度为N T 1 K 33 附注 包含时期个体恒量的固定影响变截距模型 34 35 模型三 不变参数模型 所有截面截距相同 系数相同 由于自变量前系数不变 所以自变量填写在此处 截距也不变 在此填写C 小心此处选 NONE 点确定结果请点结果 36 所有的截面的系数相等 和将5个公司的数据接到一起 用OLS的估计结果相同 记下S3 记下自由度为NT K 1 37 1 横截面的异方差与序列的自相关性是运用面板数据模型时可能遇到的最为常见的问题 此时运用OLS可能会产生结果失真 因此为了消除影响 对我国东 中 西部地区的分析将采用不相关回归方法 SeeminglyUnrelatedRegression SUR 来估计方程 而对于全国范围内的估计来说 由于横截面个数大于时序个数 所以采用截面加权估计法 CrossSectionWeights CSW 2 一般而言 面板数据可用固定效应 fixedeffect 和随机效应 randomeffect 估计方法 即如果选择固定效应模型 则利用虚拟变量最小二乘法 LSDV 进行估计 如果选择随机效应模型 则利用可行的广义最小二乘法 FGLS 进行估计 Greene 2000 它可以极大限度地利用面板数据的优点 尽量减少估计误差 至于究竟是采用固定效应还是随机效应 则要看Hausman检验的结果 三估计方法说明
