Eviews6.0面板数据操作_第1页
Eviews6.0面板数据操作_第2页
Eviews6.0面板数据操作_第3页
Eviews6.0面板数据操作_第4页
Eviews6.0面板数据操作_第5页
已阅读5页,还剩18页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、Eviews6.0面板数据操作一、 数据输入1、创建工作文档。如下图操作,在” workfile create”文本框的“workfile structure type”选择“balanced panel”,”panel specification”的”start date”和”end date”输入数据的起止期间,”wf”输入工作文档的名称,点击” OK” 即跳出新建的工作文档a界面。2、创建新对象。操作如下图。在”new object”文本框的”type of object”选择”pool”,”name for object ”输入新对象的名称。创建成功后的界面如下面第3张图所示。-3、输

2、入数据。双击”workfile”界面的,跳出”pool”界面,输入个体。一般输入方式为如下:若上海输入_sh,北京输入_bj,。个体输入完成后,点击该界面的键,在跳出的”series list”输入变量名称,注意变量后要加问号。格式如下:y? x?。点击”OK”后,跳出数据输入界面,如下面第4张图所示。在这个界面上点击键,即可以输入或者从EXCEL处复制数据。在输入数据后,记得保存数据。保存操作如下:在跳出的“workfile save”文本框选择“ok”即可,则自动保存到我的文档。然后在“workfile”界面如下会显示保存路径:d:my documentsa.wf1。若要保存到自己选择的路

3、径下面,则在保存时选择“save as”,在跳出的文本框里选择自己要保存的路径以及命名文件名称。4、单位根检验。一般回归前要检验面板数据是否存在单位根,以检验数据的平稳性,避免伪回归,或虚假回归,确保估计的有效性。单位根检验时要分变量检验。(补充:网上对面板数据的单位根检验和协整检验存在不同意见,一般认为时间区间较小的面板数据无需进行这两个检验。)(1)生成数据组。如下图操作。点击”make group”后在跳出的”series list”里输入要单位根检验的变量,完成后就会跳出如下图3所示的组数据。(2)生成时序图。如下图操作。在”gragh options”界面的”specifi”下选择生

4、成的时序图的形状,一般都默认设置,生成的时序图如下图3所示。观察时序图的趋势,以确定单位根检验的检验模式。(3)单位根检验。单位根检验时,在”group unit root test”里的”test for root in”按检验结果一步步检验,如果原值”level”的检验结果符合要求,即不存在单位根,则单位根检验就不需要检验下去了,如果不符合要求,则需继续检验一阶差分”1st difference”、二阶差分”2nd difference”。”include in test equation”是检验模式的选择,根据上面时序图的形状来选择。从上面的时序图可以看出,原值的检验模式应该选择含有截距

5、项和趋势的检验模式,即”include in test equation”选择”individual intercept and trend”。检验结果如下图3所示。从检验结果可以看出,检验结果除了levin检验方法外其他方法的结果都不符合要求(Prob.xx小于置信度(如0.05),则认为拒绝单位根的原假设,通过检验)。所以继续检验一阶差分和二阶差分,直到检验结果达到要求。如果变量原值序列通过单位根检验,则称变量为0阶单整;如果变量一阶差分后的序列通过单位根检验,则称变量为一阶单整,以此推之。注意:单位根检验的方法(test type)较多,可以使用LLC、IPS、Breintung、ADF

6、-Fisher 和PP-Fisher这5种方法进行面板单位根检验。一般,为了方便起见,只采用相同根单位根检验LLC和不同根单位根检验Fisher-ADF这两种检验方法,如果它们都拒绝存在单位根的原假设,则可以认为此序列是平稳的,反之就是非平稳的。5、协整检验。协整检验检验的是模型的变量之间是否存在长期稳定的关系,其前提是解释变量和被解释变量在单位根检验时为同阶单整。操作如下图所示。6、回归估计面板数据模型根据常数项和系数向量是否为常数,分为3种类型:混合回归模型(都为常数)、变截距模型(系数项为常数)和变系数模型(皆非常数)。混合模型: 变截距模型: 变系数模型: 判断一个面板数据究竟属于哪种

7、模型,用F统计统计量: 来检验以下两个假设:,。其中,、分别为变系数模型、变截距模型和混合模型的残差平方和,K为解释变量的个数,N为截面个体数量,为常数项,为系数向量。若计算得到的统计量的值小于给定显著性水平下的相应临界值,则接受假设,用混合模型拟合样本。反之,则需用检验假设,如果计算得到的值小于给定显著性水平下的相应临界值,则认为接受假设,用变截距模型拟合,否则用变系数模型拟合。具体操作:1)、分别对面板数据进行3种类型模型的回归,得到、。此外,一般来说,用样本数据推断总体效应,应用随机效应回归模型;直接对样本数据进行分析,采用固定效应回归模型。首先回到面板数据表,如果是在如下这个界面时,点

8、击按钮,在跳出的“series list”文本框里输入模型变量,如下图。 也可以通过重新打开工作文件,如下图操作。选择自己当初保存的路径和文件名,点击打开。打开后,跳出工作文件双击, 然后分别进行变系数、变截距和混合模型的回归估计:点击,进行变系数回归(变系数)变截距回归混合模型估计前面同2)操作,在“pool estimation”输入如下2)、确定模型形式把模型估计取得的s1、s2、s3数值代入前述公式(第13页),如下 计算得到F1、F2值,检验假设H1、H2,从而确定采用何种模型形式(变系数、变截距、混合效应)。3)、回归分析若检验结果表明应采用变系数模型,回到以下界面进行估计 点击,

9、进行变系数回归上图列示了回归结果,其中:Coefficient为系数,比如AH的系数为0.760053,截距项为477.4820-315.8649t-Statistic为t值,检验每一个自变量的合理性。|t|大于临界值表示可拒绝系数为0的假设,即系数合理。Prob为系数的概率,若其小于置信度(如0.05)则表明|t|大于临界值,即认为系数合理。从结果可以看出,本例中系数合理。R-squared为样本决定系数,表示总离差平方和中由回归方程可以解释部分的比例,比例越大说明回归方程可以解释的部分越多。值为0-1,越接近1表示拟合越好,>0.8认为可以接受,但是R2随因变量的增多而增大,所以可以

10、通过增加自变量的个数来提高模型的R-squared。本例中R-squared0.995382,接近1,拟合度相当好。Adjust R-seqaured为 修正的R-squared,与R-squared有相似意义。F-statistic表示模型拟合样本的效果,即选择的所有自变量对因变量的解释力度。F大于临界值则说明拒绝0假设。若Prob(F-statistic)小于置信度(如0.05)则说明F大于临界值,方程显著性明显。本例中Prob(F-statistic)为0.000000, 模型方程显著。Durbin-Watson stat:检验残差序列的自相关性。其值在0-4之间。_01_02_03_04_05_06_07_08_09_10_11_12_1

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论