Eviews面板数据上机操作,2011年4月26日,（1）建立混合数据型工作文件1. 建立一个年度工作文件（1996-2002）.（file:） ① file ——new—— workfile——object——new object——pool——OK,一、建立两种eviews工作文件,1,2,② 在弹出的对话框中输入截面个体的名称缩写——点击sheet,输入变量名（注意：在面板数据中，变量名的后面要加上“？”，表示不同个体）1,2,3,③ 在弹出的右图对话框中点击Edit键输入数据，点击order键可以在“按个体进行排序”和“按时间进行排序”之间进行切换④ 生成新的序列打开原始数据（在变量列表中双击pool01即可打开），点击工具栏倒数第二个的“poolGenr”键，或者选择quick ——generate series,在弹出的对话框中输入要生成的公式，如:cp?=consume?/p?, ip?=income?/p?,,（2）建立面板数据型工作文件1. 建立一个年度工作文件（1996-2002）.（file:）① file ——new—— workfile——在弹出的对话框的左边选择Balance panel并输入起始时间，在截面数据选项中输入“15”——OK——object——new object——pool——OK② object——new object——quick——empty group，后面步骤 的和截面数据的操作一样。
注意：由于无法输入个体名称，容易产生混乱，因此不建议使用该方法建立面板数据方法一：① 在变量截面中按住ctrl键，依次选择每个个体的因变量和自变量，点击右键，选择open——as group,在打开的数据窗口中选择view——graph,二、画个体符号不同的散点图,② 在弹出的对话框中选择scatter——在multiple中选择single graph-XY pairsOK便可得如下的散点图,方法二(个人认为该方法较麻烦)：① 新建立一个截面数据文件夹file——new——workfile, 在弹出的对话框左侧选择unstructured/undated，右边输入105——OK——object——new object——series,在右边变量名的对话框中输入变量名cp_1996（这里一定要输入，否则不会出现该变量）——OK——双击变量名cp_1996,在弹出的对话框的第1-15个空格中输入数据② 按照以上方法依次建立变量cp_1997、cp_1998……,并输入数据，在输入数据时cp_1997要在第16-30个空格中输入， cp_1998要在第31-45个空格中输入，依次类推然后再建立变量cp_iah、cp_ibj、cp_ifj……方法同上③ 建立一个以所有的因变量值()为横坐标的变量ip_i,③ 建立以所有的因变量值()为横坐标的变量ip_i和ip_t,其中ip_i 是按个体排序的105个ip值，ip_t是按时间排序的105个ip值。
④ 按ctrl键，分别按顺序点击ip_t,cp_1996,cp_1997,cp_1998……——右键open as a group(或者show)，此时打开的数据为阶梯型，其中第一列为全部105个ip值，后面分别为1996年、1997年……的cp值⑤ 在打开的数据组中点击view——graph——scatter——simple scatter,便可得到不同时间的散点图⑥ 同理，按ctrl键，分别选择ip_i, ip_ah,I p_bj, ip_hb…便可得到不同个体的散点图由于是用同一组数据画出的图形，所以虽然采用的是不同的方法，但是绘出的两个图形一样① 按住ctrl,选择要画回归线的两个变量，在本例中按住ctrl,选择f1和i1——open——as group——在打开的数据对话框中选择view——graph——在graph type选项中选择scatter——在对画框右边点击option选项,三、配回归直线（file：7panel05 食品支出）,② Option选项对话框中有多种选择（具体图形在下页）： a. x选inverse表示倒数模型 b. x选log表示对数模型 c. x、y都选log 表示双对数模型 d. x选power 2表示是只有平方项的模型 e. x选polynomial 2表示既有平方项又有一次方项的模型,倒数模型,对数模型,有一次方的二次项模型,从这几个图形来看，双对数模型和二次多项式模型拟合的较好，但是图形越来越分散，说明存在异方差，可以用下一页的方法来克服异方差。
无一次方的二次项模型,双对数模型,③ 克服二次多项式模型的异方差：按ctrl选择f1,i1——show——在对话框中输入log(f1) log(i1)——打开数据窗口——view——graph——scatter——option——在x transformation中选择polynomial——OK，便可得无异方差的散点图四、画拟合曲线,① 点击之前所做的估计结果的名称（这里为pool02,每次做出结果后最好保存，便于以后随时打开），在打开的结果窗口中点击proc——make model——在弹出的对话框中点击solve——在弹出的Model solution对话框的左边中间部分选择Static solution——此时原始的变量窗口会多出cpah_0、cpbj_0等，这是个体变量的拟合值② 按住ctrl,选择cpah和cpah_0——open as a group——在弹出的数据对话框中选择view——graph——line便可得到由原始值和拟合值曲线构成的图③ 如果想在图形中出现散点，可以双击图形， 在弹出的对话框中选择line&symbol, 便可 出现带有散点图的图形。
1. 面板数据的估计① 建立面板数据文件夹，具体步骤参考第一部分② 打开数据窗口，点击estimate,弹出pool estimate对话框，如下页所示五、面板数据的估计和检验（file :5panel02）,,填入因变量ti,选择None表示混合模型，选择fixed表示个体固定效应模型，选择random表示个体随机效应模型,选择None表示混合模型，选择fixed表示时间固定效应模型，选择random表示时间随机效应模型,每个个体有共同的参数,随个体不同而发生变化,随个体不同而发生变化,,变参数模型,GLS权重，通过加权可以克服异方差,下面为个体固定效应的结果点击view——representation可以显示具体的回归方程式2. 面板数据的检验① Hausman检验（要在随机效应结果窗口中进行） 对数据进行随机效应模型估计，在估计结果窗口点击view——Fixed/Random Effects testing——Correlated Random Effect-Hausman Test（6.0以上的版本才可以）,注意：只有在随机效应估计窗口中才能进行Hausman检验，只有在固定效应估计窗口中才能进行似然比检验,Hausman检验的原假设是个体效应与回归变量无关，应建立随机效应模型，因此当Hausman值较大，其对应的P值远小于0.05时，拒绝原假设，应建立个体固定效应模型。
② 似然比检验方法同上，只是要在个体固定效应模型的输出结果下进行检验,该检验的原假设是 相等，应建立混合效应模型，当F值较大，P值远小于0.05时，拒绝原假设，应建立个体固定效应模型两个检验的结果都是要建立个体固定效应模型，因此这组数据应建立个体固定效应模型③ 其他功能点击view——Residual——Table, Graphs, Covariance Matrix, Correlation Matrix可以分别得到按个体计算的残差序列表、残差序列图、残差序列的方差协方差矩阵、残差序列的相关系数矩阵在估计结果中点击proc——Make Model可以出现估计结果的联立方程形式，进一步点击Solve键可以在弹出的对话框中进行动态和静态预测在估计结果或原始的面包数据窗口中点击view——unit root test,五、面板数据的单位根检验,,这里也可以选择单位根一阶滞后或二阶滞后,这里默认为Schwarz检验，因为在小样本情况下Schwarz检验效果最好这里的检验方式为综合检验，包括LLC、 Breitung、ADF等，其中Hadri检验的原假设是没有单位根，其余检验的原假设都是有单位根。
除了Breitung 检验外，其他检验都说明有单位根，按照少数服从多数原则，这里cp具有单位根。