課題_動(dòng)態(tài)面板數(shù)據(jù)與Eviews操作

1、動(dòng)態(tài)面板數(shù)據(jù)與Eviews操作一、 數(shù)據(jù)輸入1、創(chuàng)建工作文檔。如下圖操作，在” workfile create”文本框的“workfile structure type”選擇“balanced panel”,”panel specification”的”start date”和”end date”輸入數(shù)據(jù)的起止期間，”wf”輸入工作文檔的名稱，點(diǎn)擊” OK” 即跳出新建的工作文檔a界面。2、創(chuàng)建新對(duì)象。操作如下圖。在”new object”文本框的”type of object”選擇”pool”，”name for object ”輸入新對(duì)象的名稱。創(chuàng)建成功后的界面如下面第3張圖所示。-3、輸

2、入數(shù)據(jù)。雙擊”workfile”界面的，跳出”pool”界面，輸入個(gè)體。一般輸入方式為如下：若上海輸入_sh，北京輸入_bj,。個(gè)體輸入完成后，點(diǎn)擊該界面的鍵，在跳出的”series list”輸入變量名稱，注意變量后要加問號(hào)。格式如下：y? x?。點(diǎn)擊”O(jiān)K”后，跳出數(shù)據(jù)輸入界面，如下面第4張圖所示。在這個(gè)界面上點(diǎn)擊鍵，即可以輸入或者從EXCEL處復(fù)制數(shù)據(jù)。在輸入數(shù)據(jù)后，記得保存數(shù)據(jù)。保存操作如下：在跳出的“workfile save”文本框選擇“ok”即可，則自動(dòng)保存到我的文檔。然后在“workfile”界面如下會(huì)顯示保存路徑：d:my documentsa.wf1。若要保存到自己選擇的路

3、徑下面，則在保存時(shí)選擇“save as”,在跳出的文本框里選擇自己要保存的路徑以及命名文件名稱。4、單位根檢驗(yàn)。一般回歸前要檢驗(yàn)面板數(shù)據(jù)是否存在單位根，以檢驗(yàn)數(shù)據(jù)的平穩(wěn)性，避免偽回歸，或虛假回歸，確保估計(jì)的有效性。單位根檢驗(yàn)時(shí)要分變量檢驗(yàn)。（補(bǔ)充：網(wǎng)上對(duì)面板數(shù)據(jù)的單位根檢驗(yàn)和協(xié)整檢驗(yàn)存在不同意見，一般認(rèn)為時(shí)間區(qū)間較小的面板數(shù)據(jù)無需進(jìn)行這兩個(gè)檢驗(yàn)。）（1）生成數(shù)據(jù)組。如下圖操作。點(diǎn)擊”make group”后在跳出的”series list”里輸入要單位根檢驗(yàn)的變量，完成后就會(huì)跳出如下圖3所示的組數(shù)據(jù)。（2）生成時(shí)序圖。如下圖操作。在”gragh options”界面的”specifi”下選擇生

4、成的時(shí)序圖的形狀，一般都默認(rèn)設(shè)置，生成的時(shí)序圖如下圖3所示。觀察時(shí)序圖的趨勢(shì)，以確定單位根檢驗(yàn)的檢驗(yàn)?zāi)Ｊ?。?）單位根檢驗(yàn)。單位根檢驗(yàn)時(shí)，在”group unit root test”里的”test for root in”按檢驗(yàn)結(jié)果一步步檢驗(yàn)，如果原值”level”的檢驗(yàn)結(jié)果符合要求，即不存在單位根，則單位根檢驗(yàn)就不需要檢驗(yàn)下去了，如果不符合要求，則需繼續(xù)檢驗(yàn)一階差分”1st difference”、二階差分”2nd difference”?！眎nclude in test equation”是檢驗(yàn)?zāi)Ｊ降倪x擇，根據(jù)上面時(shí)序圖的形狀來選擇。從上面的時(shí)序圖可以看出，原值的檢驗(yàn)?zāi)Ｊ綉?yīng)該選擇含有截距

5、項(xiàng)和趨勢(shì)的檢驗(yàn)?zāi)Ｊ?，即”include in test equation”選擇”individual intercept and trend”。檢驗(yàn)結(jié)果如下圖3所示。從檢驗(yàn)結(jié)果可以看出，檢驗(yàn)結(jié)果除了levin檢驗(yàn)方法外其他方法的結(jié)果都不符合要求（Prob.xx小于置信度(如0.05),則認(rèn)為拒絕單位根的原假設(shè)，通過檢驗(yàn)）。所以繼續(xù)檢驗(yàn)一階差分和二階差分，直到檢驗(yàn)結(jié)果達(dá)到要求。如果變量原值序列通過單位根檢驗(yàn)，則稱變量為0階單整；如果變量一階差分后的序列通過單位根檢驗(yàn)，則稱變量為一階單整，以此推之。注意：單位根檢驗(yàn)的方法（test type）較多，可以使用LLC、IPS、Breintung、ADF

6、-Fisher 和PP-Fisher這5種方法進(jìn)行面板單位根檢驗(yàn)。一般，為了方便起見，只采用相同根單位根檢驗(yàn)LLC和不同根單位根檢驗(yàn)Fisher-ADF這兩種檢驗(yàn)方法，如果它們都拒絕存在單位根的原假設(shè)，則可以認(rèn)為此序列是平穩(wěn)的，反之就是非平穩(wěn)的。5、協(xié)整檢驗(yàn)。協(xié)整檢驗(yàn)檢驗(yàn)的是模型的變量之間是否存在長期穩(wěn)定的關(guān)系，其前提是解釋變量和被解釋變量在單位根檢驗(yàn)時(shí)為同階單整。操作如下圖所示。6、回歸估計(jì)面板數(shù)據(jù)模型根據(jù)常數(shù)項(xiàng)和系數(shù)向量是否為常數(shù)，分為3種類型：混合回歸模型（都為常數(shù)）、變截距模型（系數(shù)項(xiàng)為常數(shù)）和變系數(shù)模型（皆非常數(shù)）。混合模型： 變截距模型： 變系數(shù)模型： 判斷一個(gè)面板數(shù)據(jù)究竟屬于哪種

7、模型，用F統(tǒng)計(jì)統(tǒng)計(jì)量： 來檢驗(yàn)以下兩個(gè)假設(shè)：，。其中，、分別為變系數(shù)模型、變截距模型和混合模型的殘差平方和，K為解釋變量的個(gè)數(shù)，N為截面?zhèn)€體數(shù)量，為常數(shù)項(xiàng)，為系數(shù)向量。若計(jì)算得到的統(tǒng)計(jì)量的值小于給定顯著性水平下的相應(yīng)臨界值，則接受假設(shè)，用混合模型擬合樣本。反之，則需用檢驗(yàn)假設(shè)，如果計(jì)算得到的值小于給定顯著性水平下的相應(yīng)臨界值，則認(rèn)為接受假設(shè)，用變截距模型擬合，否則用變系數(shù)模型擬合。具體操作：1）、分別對(duì)面板數(shù)據(jù)進(jìn)行3種類型模型的回歸，得到、。此外，一般來說，用樣本數(shù)據(jù)推斷總體效應(yīng)，應(yīng)用隨機(jī)效應(yīng)回歸模型；直接對(duì)樣本數(shù)據(jù)進(jìn)行分析，采用固定效應(yīng)回歸模型。首先回到面板數(shù)據(jù)表，如果是在如下這個(gè)界面時(shí)，點(diǎn)

8、擊按鈕，在跳出的“series list”文本框里輸入模型變量，如下圖。 也可以通過重新打開工作文件，如下圖操作。選擇自己當(dāng)初保存的路徑和文件名，點(diǎn)擊打開。打開后，跳出工作文件雙擊， 然后分別進(jìn)行變系數(shù)、變截距和混合模型的回歸估計(jì)：點(diǎn)擊，進(jìn)行變系數(shù)回歸（變系數(shù)）變截距回歸混合模型估計(jì)前面同2）操作，在“pool estimation”輸入如下2）、確定模型形式把模型估計(jì)取得的s1、s2、s3數(shù)值代入前述公式（第13頁），如下 計(jì)算得到F1、F2值，檢驗(yàn)假設(shè)H1、H2，從而確定采用何種模型形式（變系數(shù)、變截距、混合效應(yīng)）。3）、回歸分析若檢驗(yàn)結(jié)果表明應(yīng)采用變系數(shù)模型，回到以下界面進(jìn)行估計(jì) 點(diǎn)擊，

9、進(jìn)行變系數(shù)回歸上圖列示了回歸結(jié)果，其中：Coefficient為系數(shù)，比如AH的系數(shù)為0.760053，截距項(xiàng)為477.4820-315.8649t-Statistic為t值，檢驗(yàn)每一個(gè)自變量的合理性。|t|大于臨界值表示可拒絕系數(shù)為0的假設(shè)，即系數(shù)合理。Prob為系數(shù)的概率，若其小于置信度(如0.05)則表明|t|大于臨界值，即認(rèn)為系數(shù)合理。從結(jié)果可以看出，本例中系數(shù)合理。R-squared為樣本決定系數(shù)，表示總離差平方和中由回歸方程可以解釋部分的比例，比例越大說明回歸方程可以解釋的部分越多。值為0-1，越接近1表示擬合越好，>0.8認(rèn)為可以接受，但是R2隨因變量的增多而增大，所以可以

10、通過增加自變量的個(gè)數(shù)來提高模型的R-squared。本例中R-squared0.995382，接近1，擬合度相當(dāng)好。Adjust R-seqaured為 修正的R-squared，與R-squared有相似意義。F-statistic表示模型擬合樣本的效果，即選擇的所有自變量對(duì)因變量的解釋力度。F大于臨界值則說明拒絕0假設(shè)。若Prob(F-statistic)小于置信度(如0.05)則說明F大于臨界值，方程顯著性明顯。本例中Prob(F-statistic)為0.000000， 模型方程顯著。Durbin-Watson stat：檢驗(yàn)殘差序列的自相關(guān)性。其值在0-4之間。_01_02_03_04_05_06_07_08_09_10_11_12_1