Eviews面板数据之固定效应模型

1、-. z.Eviews面板数据之固定效应模型在面板数据线性回归模型中，如果对于不同的截面或不同的时间序列，只是模型的截距项是不同的，而模型的斜率系数是一样的，则称此模型为固定效应模型。固定效应模型分为三类：1.个体固定效应模型个体固定效应模型是对于不同的纵剖面时间序列个体只有截距项不同的模型：(1)从时间和个体上看，面板数据回归模型的解释变量对被解释变量的边际影响均是一样的，而且除模型的解释变量之外，影响被解释变量的其他所有未包括在回归模型或不可观测的确定性变量的效应只是随个体变化而不随时间变化时。检验：采用无约束模型和有约束模型的回归残差平方和之比构造F统计量，以检验设定个体固定效应模型的合

2、理性。F模型的零假设：RRSS是有约束模型即混合数据回归模型的残差平方和，URSS是无约束模型ANCOVA估计的残差平方和或者LSDV估计的残差平方和。实践：一、数据：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，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ine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1996199719981999200

3、020012002CONSUMEAH3607.433693.553777.413901.814232.984517.654736.52CONSUMEBJ5729.526531.816970.837498.488493.498922.7210284.6CONSUMEFJ4248.474935.955181.455266.695638.746015.116631.68CONSUMEHB3424.354003.713834.434026.34348.474479.755069.28CONSUMEHLJ3110.923213.423303.153481.743824.444192.364462.08C

4、ONSUMEJL3037.323408.033449.743661.684020.874337.224973.88CONSUMEJS4057.54533.574889.435010.915323.185532.746042.6CONSUMEJ*2942.113199.613266.813482.333623.563894.514549.32CONSUMELN3493.023719.913890.743989.934356.064654.425342.64CONSUMENMG2767.843032.33105.743468.993927.754195.624859.88CONSUMESD3770

5、.994040.634143.964515.0550225252.415596.32CONSUMESH6763.126819.946866.418247.698868.199336.110464CONSUMES*3035.593228.713267.73492.983941.874123.014710.96CONSUMETJ4679.615204.155471.015851.536121.046987.227191.96CONSUMEZJ5764.276170.146217.936521.547020.227952.398713.08表2 19962002年中国东北、华北、华东15个省级地区的

6、居民家庭人均收入元数据人均收入1996199719981999200020012002INEAH4512.774599.274770.475064.65293.555668.86032.4INEBJ7332.017813.168471.989182.7610349.6911577.7812463.92INEFJ5172.936143.646485.636859.817432.268313.089189.36INEHB4442.814958.675084.645365.035661.165984.826679.68INEHLJ3768.314090.724268.54595.144912.885

7、425.876100.56INEJL3805.534190.584206.644480.0148105340.466260.16INEJS5185.795765.26017.856538.26800.237375.18177.64INEJ*3780.24071.324251.424720.585103.585506.026335.64INELN4207.234518.14617.244898.615357.795797.016524.52INENMG3431.813944.674353.024770.535129.055535.896051INESD4890.285190.795380.085

8、808.966489.977101.087614.36INESH8178.488438.898773.110931.6411718.0112883.4613249.8INES*3702.693989.924098.734342.614724.115391.056234.36INETJ5967.716608.397110.547649.838140.58958.79337.56INEZJ6955.797358.727836.768427.959279.1610464.6711715.6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199619971998199

9、9200020012002PAH109.9101.310097.8100.7100.599PBJ111.6105.3102.4100.6103.5103.198.2PFJ105.9101.799.799.1102.198.799.5PHB107.1103.598.498.199.7100.599PHLJ107.1104.4100.496.898.3100.899.3PJL107.2103.799.29898.6101.399.5PJS109.3101.799.498.7100.1100.899.2PJ*108.410210198.6100.399.5100.1PLN107.9103.199.3

10、98.699.910098.9PNMG107.6104.599.399.8101.3100.6100.2PSD109.6102.899.499.3100.2101.899.3PSH109.2102.8100101.5102.5100100.5PS*107.9103.198.699.6103.999.898.4PTJ109103.199.598.999.6101.299.6PZJ107.9102.899.798.810199.899.1二、1.输入操作：步骤：1FileNewWorkfile步骤：2Start dateEnd dateOK步骤：3ObjectNew Object步骤：4Type

11、of objectPool步骤：5输入所有序列名称步骤：6定义各变量点击sheet输入consume？ine？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；mon：系数一样局部Cross-section specific:截面系数不同局部步骤：2将截距项选择区选Fi*ed effects固定效应 Cross-section：Fi*ed得到如下输出结果：接下来用F统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。：。模型中不同个体的截距一样真实模型为混合回归模型

12、。：模型中不同个体的截距项不同真实模型为个体固定效应回归模型。对模型进展检验：所以推翻原假设，建立个体固定效应回归模型更合理。RRSS求法请参见Eview面板数据之混合回归模型相应的表达式为：(6.64) (49.55) 其中虚拟变量的定义是：15个省级地区的城镇人均指出平均占收入68.62%。从上面的结果可以看出市居民的自发性消费明显高于其他地区。2.时点固定效应模型时点固定效应模型就是对于不同的截面时点有不同截距的模型。如果确知对于不同的截面，模型的截距显著不同，但是对于不同的时间序列个体截距是一样的，则应该建立时点固定效应模型：(2)时点固定效应模型与个体固定效应模型的操作区别在于步骤2

13、，将时间项选择区选Period：Fi*ed时间固定效应得到如下结果：接下来用F统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。：。模型中不同个体的截距一样真实模型为混合回归模型。：模型中不同个体的截距项不同真实模型为时间固定效应回归模型。对模型进展检验：所以推翻原假设，可以建立时点固定效应回归模型RRSS求法请参见Eview面板数据之混合回归模型相应的表达式为：(76.0) 其中虚拟变量的定义是：3.时点个体固定效应模型时点个体固定效应模型就是对于不同的截面时点、不同的时间序列个体都有不同截距模型。如果确知对于不同的截面、不同的时间序列个体模型的截距都显著地不一样，则应该建立时点个

14、体固定效应模型： (3)时点固定效应模型与个体固定效应模型的操作区别在于步骤2，将截距项选择区域：Cross-section：fi*ed个体固定效应，时间项选择区选 Period：Fi*ed时间固定效应得到结果如下：Dependent Variable: CONSUMEMethod: Pooled Least SquaresDate: 07/21/14 Time: 15:44Sample: 1996 2002Included observations: 7Cross-sections included: 15Total pool (balanced) observations: 105Vari

15、ableCoefficientStd. Errort-StatisticProb.C806.6751221.21433.6465780.0005INE0.6533380.03454118.915040.0000Fi*ed Effects (Cross)AH-C-94.50854BJ-C698.0132FJ-C-18.86465HB-C-200.3997HLJ-C-246.3712JL-C-54.16421JS-C-31.26919J*-C-392.9844LN-C47.39508NMG-C-284.2660SD-C-150.8912SH-C465.4906S*-C-152.6560TJ-C10

16、3.9569ZJ-C311.5193Fi*ed Effects (Period)1996-C-59.123731997-C17.954691998-C-31.455641999-C-57.240422000-C36.243822001-C-29.264152002-C122.8854Effects SpecificationCross-section fi*ed (dummy variables)Period fi*ed (dummy variables)R-squared0.993278Mean dependent var4981.017Adjusted R-squared0.991577S.D. dependent var1700.985S.E. of regression156.1067Akaike info c