Eviews面板数据之随机效应模型

1、精选优质文档-倾情为你奉上随机效应模型的估计原理说明与豪斯曼检验在面板数据的计量分析中，如果解释变量对被解释变量的效应不随个体和时间变化，并且解释被解释变量的信息不够完整，即解释变量中不包含一些影响被解释变量的不可观测的确定性因素，可以将模型设定为固定效应模型，采用反映个体特征或时间特征的虚拟变量（即知随个体变化或只随时间变化）或者分解模型的截距项来描述这些缺失的确定性信息。但是，固定效应模型也存在一定的不足。例如固定效应模型模型中包含许多虚拟变量时，减少了模型估计的自由度；实际应用中，固定效应模型的随机误差项难以满足模型的基本假设，易于导致参数的非有效估计。更为重要的是，它只考虑了不完整的确

2、定性信息对被解释变量的效应，而未包含不可观测的随机信息的效应。为了弥补这一不足，Maddala(1971)将混合数据回归的随机误差项分解为截面随机误差分量、时间随机误差分量和个体时间随机误差分量三部分，讨论如下随机效应模型或双分量误差分解模型（1）： (1)表示个体随机误差分量；表示时间随机误差分量；表示个体时间（或混合）随机误差分量。如果模型（1）中只存在截面随机误差分量而不存在时间随机误差分量，则称为个体随机效应模型，否则称为个体时间小于模型。或者称为但分了误差分解模型。下面来介绍这两种模型：1.个体随机效应模型当利用面板数据研究拥有拥有充分多个体的总体经济特征时，若利用总体数据的固定效应

3、模型就会损失巨大的自由度，使得个体截距项的估计不具有有效性。这时，可以在总体中随机抽取N个样本，利用这N个样本的个体随机效应模型： (2)推断总体的经济规律。其中，个体随机误差项是属于第i个个体的随机干扰分量，并在整个时间范围（t=1,2,T）保持不变，其反映了不随时间变化的不可观测随机信息的效应。检验：个体随机效应的原假设和备择假设分别是： （混合估计模型）(个体随机效应模型)个体随机效应的检验统计量：其中，是混合模型OLS估计的残差。在零售下，统计量LM服从1个自由度的分布，即。2.个体时间随机效应模型实践：一、数据：已知19962002年中国东北、华北、华东15个省级地区的居民家庭人均消

4、费（，不变价格）和人均收入（，不变价格）居民，利用数据（1）建立面板数据（panel data）工作文件；（2）定义序列名并输入数据；（3）估计选择面板模型；（4）面板单位根检验。年人均消费（consume）和人均收入（income）数据以及消费者价格指数（p）分别见表1，2和3。表1 19962002年中国东北、华北、华东15个省级地区的居民家庭人均消费（元）数据人均消费1996199719981999200020012002CONSUMEAH3607.433693.553777.413901.814232.984517.654736.52CONSUMEBJ5729.526531.81697

5、0.837498.488493.498922.7210284.6CONSUMEFJ4248.474935.955181.455266.695638.746015.116631.68CONSUMEHB3424.354003.713834.434026.34348.474479.755069.28CONSUMEHLJ3110.923213.423303.153481.743824.444192.364462.08CONSUMEJL3037.323408.033449.743661.684020.874337.224973.88CONSUMEJS4057.54533.574889.435010.91

6、5323.185532.746042.6CONSUMEJX2942.113199.613266.813482.333623.563894.514549.32CONSUMELN3493.023719.913890.743989.934356.064654.425342.64CONSUMENMG2767.843032.33105.743468.993927.754195.624859.88CONSUMESD3770.994040.634143.964515.0550225252.415596.32CONSUMESH6763.126819.946866.418247.698868.199336.11

7、0464CONSUMESX3035.593228.713267.73492.983941.874123.014710.96CONSUMETJ4679.615204.155471.015851.536121.046987.227191.96CONSUMEZJ5764.276170.146217.936521.547020.227952.398713.08表2 19962002年中国东北、华北、华东15个省级地区的居民家庭人均收入（元）数据人均收入1996199719981999200020012002INCOMEAH4512.774599.274770.475064.65293.555668.8

8、6032.4INCOMEBJ7332.017813.168471.989182.7610349.6911577.7812463.92INCOMEFJ5172.936143.646485.636859.817432.268313.089189.36INCOMEHB4442.814958.675084.645365.035661.165984.826679.68INCOMEHLJ3768.314090.724268.54595.144912.885425.876100.56INCOMEJL3805.534190.584206.644480.0148105340.466260.16INCOMEJS5

9、185.795765.26017.856538.26800.237375.18177.64INCOMEJX3780.24071.324251.424720.585103.585506.026335.64INCOMELN4207.234518.14617.244898.615357.795797.016524.52INCOMENMG3431.813944.674353.024770.535129.055535.896051INCOMESD4890.285190.795380.085808.966489.977101.087614.36INCOMESH8178.488438.898773.1109

10、31.6411718.0112883.4613249.8INCOMESX3702.693989.924098.734342.614724.115391.056234.36INCOMETJ5967.716608.397110.547649.838140.58958.79337.56INCOMEZJ6955.797358.727836.768427.959279.1610464.6711715.6表3 19962002年中国东北、华北、华东15个省级地区的消费者物价指数物价指数1996199719981999200020012002PAH109.9101.310097.8100.7100.599P

11、BJ111.6105.3102.4100.6103.5103.198.2PFJ105.9101.799.799.1102.198.799.5PHB107.1103.598.498.199.7100.599PHLJ107.1104.4100.496.898.3100.899.3PJL107.2103.799.29898.6101.399.5PJS109.3101.799.498.7100.1100.899.2PJX108.410210198.6100.399.5100.1PLN107.9103.199.398.699.910098.9PNMG107.6104.599.399.8101.3100.

12、6100.2PSD109.6102.899.499.3100.2101.899.3PSH109.2102.8100101.5102.5100100.5PSX107.9103.198.699.6103.999.898.4PTJ109103.199.598.999.6101.299.6PZJ107.9102.899.798.810199.899.1二、1.输入操作： 步骤：（1）FileNewWorkfile步骤：（2）Start dateEnd dateOK步骤：（3）ObjectNew Object步骤：（4）Type of objectPool步骤：（5）输入所有序列名称步骤：（6）定义各变

13、量点击sheet输入consume？income？p?步骤：（7）将表1、2、3中的数据复制到Eviews中2.估计操作：步骤：（1）点击poolmodelEstimate对话框说明Dependent variable:被解释变量；Common：系数相同部分Cross-section specific:截面系数不同部分步骤：（2）将截距项选择区选Random effects（个体随机效应） Cross-section：Random备注：若是个体时间小于模型则选择cross-section：random period：random得到如下部分输出结果：相应的表达式是： (64.9) 其中虚拟变量的定义是：豪斯曼检验：接下来利用Hausman统计量检验应该建立个体随机效应回归模型还是个体固定效应回归模型。：个体效应与回归变量（）无关（个体随机效应回归模型）：个体效应与回归变量（）相关（个体固定效应回归模型）分析过程如下：步骤：（3）在上述输出结果选择：ViewFixed/Random Effects TestingCorrelated Random Effects-Hausman Test得到如下检验结果：由检验输出结果的上半部分可以看出，Hausman统计量的值是18.76，相对应的概率是0.