Eviews面板數(shù)據(jù)模型估計(jì)

1、一、面板數(shù)據(jù)及如何建立混合數(shù)據(jù)庫(kù)一、面板數(shù)據(jù)及如何建立混合數(shù)據(jù)庫(kù)1.面板數(shù)據(jù)定義面板數(shù)據(jù)定義 時(shí)間序列數(shù)據(jù)或截面數(shù)據(jù)都是一維時(shí)間序列數(shù)據(jù)或截面數(shù)據(jù)都是一維數(shù)據(jù)。面板數(shù)據(jù)（數(shù)據(jù)。面板數(shù)據(jù)（panel data）也稱時(shí)）也稱時(shí)間序列截面數(shù)據(jù)（間序列截面數(shù)據(jù)（time series and cross section data）或混合數(shù)據(jù)）或混合數(shù)據(jù)（pool data）。面板數(shù)據(jù)是同時(shí)在時(shí)間）。面板數(shù)據(jù)是同時(shí)在時(shí)間和截面空間上取得的二維數(shù)據(jù)。和截面空間上取得的二維數(shù)據(jù)。地區(qū)人均消費(fèi)1996199719981999200020012002CP-AH（安徽） 3282.466 3646.150 377

2、7.410 3989.581 4203.555 4495.174 4784.364CP-BJ（北京） 5133.978 6203.048 6807.451 7453.757 8206.271 8654.433 10473.12CP-FJ（福建） 4011.775 4853.441 5197.041 5314.521 5522.762 6094.336 6665.005CP-HB（河北） 3197.339 3868.319 3896.778 4104.281 4361.555 4457.463 5120.485CP-HLJ（黑龍江） 2904.687 3077.989 3289.990 3596

3、.839 3890.580 4159.087 4493.535CP-JL（吉林） 2833.321 3286.432 3477.560 3736.408 4077.961 4281.560 4998.874CP-JS（江蘇） 3712.260 4457.788 4918.944 5076.910 5317.862 5488.829 6091.331CP-JX（江西） 2714.124 3136.873 3234.465 3531.775 3612.722 3914.080 4544.775CP-LN（遼寧） 3237.275 3608.060 3918.167 4046.582 4360.42

4、0 4654.420 5402.063CP-NMG（內(nèi)蒙古） 2572.342 2901.722 3127.633 3475.942 3877.345 4170.596 4850.180CP-SD（山東） 3440.684 3930.574 4168.974 4546.878 5011.976 5159.538 5635.770CP-SH（上海） 6193.333 6634.183 6866.410 8125.803 8651.893 9336.100 10411.94CP-SX（山西） 2813.336 3131.629 3314.097 3507.008 3793.908 4131.273

5、 4787.561CP-TJ（天津） 4293.220 5047.672 5498.503 5916.613 6145.622 6904.368 7220.843CP-ZJ（浙江） 5342.234 6002.082 6236.640 6600.749 6950.713 7968.327 8792.210地區(qū)人均收入1996199719981999200020012002IP-AH（安徽） 4106.251 4540.247 4770.470 5178.528 5256.753 5640.597 6093.333IP-BJ（北京） 6569.901 7419.905 8273.418 9127

6、.992 9999.700 11229.66 12692.38IP-FJ（福建） 4884.731 6040.944 6505.145 6922.109 7279.393 8422.573 9235.538IP-HB（河北） 4148.282 4790.986 5167.317 5468.940 5678.195 5955.045 6747.152IP-HLJ（黑龍江） 3518.497 3918.314 4251.494 4747.045 4997.843 5382.808 6143.565IP-JL（吉林） 3549.935 4041.061 4240.565 4571.439 4878.

7、296 5271.925 6291.618IP-JS（江蘇） 4744.547 5668.830 6054.175 6624.316 6793.437 7316.567 8243.589IP-JX（江西） 3487.269 3991.490 4209.327 4787.606 5088.315 5533.688 6329.311IP-LN（遼寧） 3899.194 4382.250 4649.789 4968.164 5363.153 5797.010 6597.088IP-NMG（內(nèi)蒙古） 3189.414 3774.804 4383.706 4780.090 5063.228 5502.8

8、73 6038.922IP-SD（山東） 4461.934 5049.407 5412.555 5849.909 6477.016 6975.521 7668.036IP-SH（上海） 7489.451 8209.037 8773.100 10770.09 11432.20 12883.46 13183.88IP-SX（山西） 3431.594 3869.952 4156.927 4360.050 4546.785 5401.854 6335.732IP-TJ（天津） 5474.963 6409.690 7146.271 7734.914 8173.193 8852.470 9375.060I

9、P-ZJ（浙江） 6446.515 7158.288 7860.341 8530.314 9187.287 10485.64 11822.00Pool對(duì)象側(cè)重分析截面成員較少，而時(shí)期較對(duì)象側(cè)重分析截面成員較少，而時(shí)期較長(zhǎng)的數(shù)據(jù)；對(duì)于截面成員較多，時(shí)期較少的數(shù)據(jù)，長(zhǎng)的數(shù)據(jù)；對(duì)于截面成員較多，時(shí)期較少的數(shù)據(jù)，一般通過(guò)具有面板結(jié)構(gòu)的工作文件（一般通過(guò)具有面板結(jié)構(gòu)的工作文件（Panel workfile）進(jìn)行分析。）進(jìn)行分析。2.混合數(shù)據(jù)庫(kù)混合數(shù)據(jù)庫(kù)Pool的建立的建立 創(chuàng)建創(chuàng)建Pool對(duì)象，選擇對(duì)象，選擇Objects/New Object/Pool并在并在編輯窗口中輸入截面成員的識(shí)別名稱：編輯窗口

10、中輸入截面成員的識(shí)別名稱： 對(duì)截面成員的識(shí)別名稱沒(méi)有特別要求，但必須能使用對(duì)截面成員的識(shí)別名稱沒(méi)有特別要求，但必須能使用這些識(shí)別名稱建立合法的這些識(shí)別名稱建立合法的EViews序列名稱。序列名稱。 在在Pool中使用序列的關(guān)鍵是序列命名：使用基本名和中使用序列的關(guān)鍵是序列命名：使用基本名和截面識(shí)別名稱組合命名。截面識(shí)別名稱可以放在序列名中截面識(shí)別名稱組合命名。截面識(shí)別名稱可以放在序列名中的任意位置，只要保持一致即可的任意位置，只要保持一致即可 一個(gè)一個(gè)Pool序列實(shí)際就是一組序列序列實(shí)際就是一組序列, 序列名是由基本名序列名是由基本名和所有截面識(shí)別名構(gòu)成的。和所有截面識(shí)別名構(gòu)成的。Pool序列

11、名使用基本名和序列名使用基本名和“?”占位符，其中占位符，其中“?”代表截面識(shí)別名。代表截面識(shí)別名。 建立好建立好Pool對(duì)象以后，選擇對(duì)象以后，選擇View/Spreadsheet（stacked data），），EViews會(huì)要求輸入序列名列表。會(huì)要求輸入序列名列表。大多數(shù)情況下，不同截面成員的數(shù)據(jù)從上到下依次堆積，每一大多數(shù)情況下，不同截面成員的數(shù)據(jù)從上到下依次堆積，每一列代表一個(gè)變量列代表一個(gè)變量,每一列內(nèi)數(shù)據(jù)都是按年排列的。如果數(shù)據(jù)按年排列，每一列內(nèi)數(shù)據(jù)都是按年排列的。如果數(shù)據(jù)按年排列，要確保各年內(nèi)截面成員的排列順序要一致。要確保各年內(nèi)截面成員的排列順序要一致。生成新的序列生成新的序

12、列 打開原始打開原始pool數(shù)據(jù)，點(diǎn)擊工具欄中的數(shù)據(jù)，點(diǎn)擊工具欄中的poolgenr鍵，在鍵，在彈出的對(duì)話框中輸入要生成的公式，如：彈出的對(duì)話框中輸入要生成的公式，如：cp?=consume?/p?,ip?=income?/p? 單擊單擊Pool工具欄的工具欄的Estimate選項(xiàng)打開如下對(duì)話框：選項(xiàng)打開如下對(duì)話框： （1 1）因變量）因變量在因變量對(duì)話框中輸入在因變量對(duì)話框中輸入PoolPool變量或變量或PoolPool變量表達(dá)式。變量表達(dá)式。（2 2）估計(jì)方法）估計(jì)方法Fixed and Random下：下：Cross-secti（個(gè)體效應(yīng)）有三個(gè)選項(xiàng)，分別表示無(wú)、固定和隨機(jī)個(gè)（個(gè)體效應(yīng)

13、）有三個(gè)選項(xiàng)，分別表示無(wú)、固定和隨機(jī)個(gè)體效應(yīng)。體效應(yīng)。Period（時(shí)點(diǎn)效應(yīng)）有三個(gè)選項(xiàng)，分別表示無(wú)、有固定和有隨機(jī)時(shí)時(shí)點(diǎn)效應(yīng)）有三個(gè)選項(xiàng)，分別表示無(wú)、有固定和有隨機(jī)時(shí)點(diǎn)效應(yīng)。點(diǎn)效應(yīng)。Weights有五個(gè)選項(xiàng)，分別表示無(wú)加權(quán)、個(gè)體的有五個(gè)選項(xiàng)，分別表示無(wú)加權(quán)、個(gè)體的GLS法、個(gè)體法、個(gè)體SUR法、法、時(shí)點(diǎn)時(shí)點(diǎn)GLS法和時(shí)點(diǎn)法和時(shí)點(diǎn)SUR法。法。（3 3）估計(jì)設(shè)置）估計(jì)設(shè)置Method有兩個(gè)選項(xiàng)：有兩個(gè)選項(xiàng)：LS和和TSLSSample為樣本區(qū)間。為樣本區(qū)間。 （4）解釋變量解釋變量 (1) Common:此欄中輸入的變量對(duì)所有截面成員有相同的此欄中輸入的變量對(duì)所有截面成員有相同的系數(shù)，并用一般

14、名稱或系數(shù)，并用一般名稱或Pool名稱輸出結(jié)果。名稱輸出結(jié)果。 (2) Cross-section specific:此欄中輸入的變量對(duì)此欄中輸入的變量對(duì)Pool中每個(gè)中每個(gè)截面成員的系數(shù)不同。截面成員的系數(shù)不同。EViews會(huì)對(duì)每個(gè)截面成員估計(jì)不同的系數(shù)，會(huì)對(duì)每個(gè)截面成員估計(jì)不同的系數(shù)，并使用截面成員識(shí)別名后跟一般序列名，中間用并使用截面成員識(shí)別名后跟一般序列名，中間用“”連接進(jìn)行標(biāo)連接進(jìn)行標(biāo)簽。簽。 (3) Period specific :此欄中輸入的變量對(duì)此欄中輸入的變量對(duì)Pool中每個(gè)時(shí)期的中每個(gè)時(shí)期的系數(shù)不同。系數(shù)不同。EViews會(huì)對(duì)每個(gè)時(shí)期估計(jì)不同的系數(shù)，并使用變量名后會(huì)對(duì)每個(gè)

15、時(shí)期估計(jì)不同的系數(shù)，并使用變量名后跟時(shí)期，中間用跟時(shí)期，中間用“”連接進(jìn)行標(biāo)簽。連接進(jìn)行標(biāo)簽。1Kititkkititkyu x二、面板數(shù)據(jù)模型形式設(shè)定檢驗(yàn)二、面板數(shù)據(jù)模型形式設(shè)定檢驗(yàn)如果從時(shí)間上看，不同個(gè)體之間不存在顯著性差異；從截面上如果從時(shí)間上看，不同個(gè)體之間不存在顯著性差異；從截面上看，不同截面之間也不存在顯著性差異，那么就可以直接把面板數(shù)看，不同截面之間也不存在顯著性差異，那么就可以直接把面板數(shù)據(jù)混合在一起用普通最小二乘法（據(jù)混合在一起用普通最小二乘法（OLS）估計(jì)參數(shù)。）估計(jì)參數(shù)。EViwes估計(jì)方法：估計(jì)方法：在主窗口中雙擊已建立的在主窗口中雙擊已建立的Pool數(shù)據(jù)庫(kù)，在數(shù)據(jù)庫(kù)，

16、在Pool窗口的工具欄中點(diǎn)擊窗口的工具欄中點(diǎn)擊Estimate鍵，打開鍵，打開Pooled Estimation（混（混合估計(jì)）窗口，其選項(xiàng)如下圖。合估計(jì)）窗口，其選項(xiàng)如下圖。 固定效應(yīng)模型固定效應(yīng)模型得出如下輸出結(jié)果得出如下輸出結(jié)果 相應(yīng)的表達(dá)式是：相應(yīng)的表達(dá)式是：129.630.76ititCPIP(2.0) (79.7) 20.98,4824588rRSSE上式表示上式表示15個(gè)省級(jí)地區(qū)的城鎮(zhèn)人均支個(gè)省級(jí)地區(qū)的城鎮(zhèn)人均支出平均占收入的出平均占收入的76%。 若要查看方程，在結(jié)果輸出窗口點(diǎn)若要查看方程，在結(jié)果輸出窗口點(diǎn)ViewRepresentations。要用。要用模型進(jìn)行模擬，點(diǎn)模型進(jìn)

17、行模擬，點(diǎn)procMake Model，在出來(lái)的窗口中點(diǎn)，在出來(lái)的窗口中點(diǎn)Solve。在結(jié)果輸出窗口中點(diǎn)擊在結(jié)果輸出窗口中點(diǎn)擊View選選Residuals/Table, Graphs, Covariance Matrix, Correlation Matrix功能可以分別得到按個(gè)體計(jì)功能可以分別得到按個(gè)體計(jì)算的殘差序列表，殘差序列圖，殘差序列的方差協(xié)方差矩陣，殘差算的殘差序列表，殘差序列圖，殘差序列的方差協(xié)方差矩陣，殘差序列的相關(guān)系數(shù)矩陣。序列的相關(guān)系數(shù)矩陣。個(gè)體固定影響變截距模型就是對(duì)于不同的個(gè)體有不同截距的模個(gè)體固定影響變截距模型就是對(duì)于不同的個(gè)體有不同截距的模型。如果對(duì)于不同的時(shí)間序列

18、（個(gè)體）截距是不同的，但是對(duì)于不型。如果對(duì)于不同的時(shí)間序列（個(gè)體）截距是不同的，但是對(duì)于不同的橫截面，模型的截距沒(méi)有顯著性變化，那么就應(yīng)該建立個(gè)體固同的橫截面，模型的截距沒(méi)有顯著性變化，那么就應(yīng)該建立個(gè)體固定影響模型。定影響模型。EViwes估計(jì)方法：估計(jì)方法：在在EViwes的的Pooled Estimation對(duì)話框中的對(duì)話框中的Cross-secti下拉菜單中選中下拉菜單中選中Fixed。把。把c從從Common coefficients窗口窗口中刪除，其余選項(xiàng)同上。中刪除，其余選項(xiàng)同上。個(gè)體固定影響變截距模型個(gè)體固定影響變截距模型得出如下輸出結(jié)果得出如下輸出結(jié)果 相應(yīng)的表達(dá)式為：相應(yīng)的

19、表達(dá)式為： (6.3) (55) 其中虛擬變量其中虛擬變量 的定義是：的定義是： 15個(gè)省級(jí)地區(qū)的城鎮(zhèn)人均指出平均占收入個(gè)省級(jí)地區(qū)的城鎮(zhèn)人均指出平均占收入70%。從上面的結(jié)果可以看出北京市居民的自。從上面的結(jié)果可以看出北京市居民的自發(fā)性消費(fèi)明顯高于其他地區(qū)。發(fā)性消費(fèi)明顯高于其他地區(qū)。1215515.60.7036.3537.6. 198.6ititCPIPDDD1215,.,D DD20.99,2270386rRSSE1,1,2,.,150,iiiD如果屬于第個(gè)個(gè)體,其他 固定效應(yīng)模型分為三種：個(gè)體固定效應(yīng)模型、時(shí)點(diǎn)固定效應(yīng)模型分為三種：個(gè)體固定效應(yīng)模型、時(shí)點(diǎn)固定效應(yīng)模型和個(gè)體時(shí)點(diǎn)固定效應(yīng)模型

20、。如果觀察得固定效應(yīng)模型和個(gè)體時(shí)點(diǎn)固定效應(yīng)模型。如果觀察得數(shù)據(jù)是對(duì)個(gè)體固定，則應(yīng)選擇個(gè)體固定效用模型。但數(shù)據(jù)是對(duì)個(gè)體固定，則應(yīng)選擇個(gè)體固定效用模型。但是，我們還需作個(gè)體固定效應(yīng)模型和混合估計(jì)模型的是，我們還需作個(gè)體固定效應(yīng)模型和混合估計(jì)模型的選擇。所以，就要作選擇。所以，就要作F值檢驗(yàn)。值檢驗(yàn)。 相對(duì)于混合估計(jì)模型來(lái)說(shuō)，是否有必要建立個(gè)體固相對(duì)于混合估計(jì)模型來(lái)說(shuō)，是否有必要建立個(gè)體固定效應(yīng)模型可以通過(guò)定效應(yīng)模型可以通過(guò)F檢驗(yàn)來(lái)完成。檢驗(yàn)來(lái)完成。 假設(shè)假設(shè) H0：對(duì)于不同橫截面模型截距項(xiàng)相同（建立：對(duì)于不同橫截面模型截距項(xiàng)相同（建立混合估計(jì)模型）?；旌瞎烙?jì)模型）。SSEr 備擇假設(shè)備擇假設(shè) H1

21、：對(duì)于不同橫截面模型的截距項(xiàng)不同：對(duì)于不同橫截面模型的截距項(xiàng)不同（建立個(gè)體固定效應(yīng)模型）。（建立個(gè)體固定效應(yīng)模型）。SSEu F統(tǒng)計(jì)量定義為：統(tǒng)計(jì)量定義為： F=( SSEr - SSEu)/(N+k2)/ SSEu/(NT-N-k) 其中，其中，SSEr，SSEu分別表示約束模型（混分別表示約束模型（混合估計(jì)模型的）和非約束模型（個(gè)體固定效應(yīng)模合估計(jì)模型的）和非約束模型（個(gè)體固定效應(yīng)模型的）的殘差平方和（型的）的殘差平方和（Sum squared resid）。）。非約束模型比約束模型多了非約束模型比約束模型多了N1個(gè)被估參數(shù)。需個(gè)被估參數(shù)。需要指出的是：當(dāng)模型中含有要指出的是：當(dāng)模型中含有

22、k個(gè)解釋變量時(shí)，個(gè)解釋變量時(shí)，F(xiàn)統(tǒng)統(tǒng)計(jì)量的分母自由度是計(jì)量的分母自由度是NT-N- k。通過(guò)對(duì)。通過(guò)對(duì)F統(tǒng)計(jì)量統(tǒng)計(jì)量我們將可選擇準(zhǔn)確、最佳的估計(jì)模型。我們將可選擇準(zhǔn)確、最佳的估計(jì)模型。 在作回歸時(shí)也是四步：在作回歸時(shí)也是四步： 第一步，先作混合效應(yīng)模型：第一步，先作混合效應(yīng)模型： 在在cross-section 一欄選擇一欄選擇None ，Period也是也是None；Weights是是cross-section Weights，然后把回，然后把回歸結(jié)果的歸結(jié)果的Sum squared resid值復(fù)制出來(lái)，就是值復(fù)制出來(lái)，就是SSEr 第二步：作個(gè)體固定效用模型：在第二步：作個(gè)體固定效用模型

23、：在cross-section 一欄選擇一欄選擇Fixed ，Period也是也是None；Weights是是cross-section Weights，然后把回，然后把回歸結(jié)果的歸結(jié)果的Sum squared resid值復(fù)制出來(lái)，就是值復(fù)制出來(lái)，就是SSEu 第三步：根據(jù)公式第三步：根據(jù)公式F=( SSEr - SSEu)/(N+k2)/ SSEu/(NT-N-k)。計(jì)算出結(jié)果。其中，。計(jì)算出結(jié)果。其中，T為年數(shù)，不管我們的數(shù)據(jù)是為年數(shù)，不管我們的數(shù)據(jù)是unbalance還是還是balance看看observations就行了，也即就行了，也即Total pool (balanced) o

24、bservations:的值，但是如果是的值，但是如果是balance我們也可以計(jì)算，也即是每一年的企業(yè)數(shù)我們也可以計(jì)算，也即是每一年的企業(yè)數(shù)的總和。比如說(shuō)我們研究的總和。比如說(shuō)我們研究7年，每一年又年，每一年又15個(gè)地區(qū)，個(gè)地區(qū)，則則NT715105。K為解釋變量的個(gè)數(shù)，不含為解釋變量的個(gè)數(shù)，不含被解釋變量。被解釋變量。 第四步，根據(jù)計(jì)算出來(lái)的結(jié)果查第四步，根據(jù)計(jì)算出來(lái)的結(jié)果查F值分布表。值分布表。看是否通過(guò)檢驗(yàn)。檢驗(yàn)準(zhǔn)則：當(dāng)看是否通過(guò)檢驗(yàn)。檢驗(yàn)準(zhǔn)則：當(dāng)F F(T-1, NT-T-k) , =0.01,0.05或或0.1時(shí)，拒絕原假設(shè)，則時(shí)，拒絕原假設(shè)，則結(jié)論是應(yīng)該建立個(gè)體固定效應(yīng)模型，反之

25、，接受原結(jié)論是應(yīng)該建立個(gè)體固定效應(yīng)模型，反之，接受原假設(shè)，則不能建立個(gè)體固定效應(yīng)模型。假設(shè)，則不能建立個(gè)體固定效應(yīng)模型。 接下來(lái)對(duì)本例用接下來(lái)對(duì)本例用F統(tǒng)計(jì)量檢驗(yàn)是應(yīng)該建立混合統(tǒng)計(jì)量檢驗(yàn)是應(yīng)該建立混合回歸模型，還是個(gè)體固定效應(yīng)回歸模型?；貧w模型，還是個(gè)體固定效應(yīng)回歸模型。 ： 。模型中不同個(gè)體的截距相同。模型中不同個(gè)體的截距相同（真實(shí)模型為混合回歸模型）。（真實(shí)模型為混合回歸模型）。 ：模型中不同個(gè)體的截距項(xiàng)不同（真實(shí)模：模型中不同個(gè)體的截距項(xiàng)不同（真實(shí)模型為個(gè)體固定效應(yīng)回歸模型）。型為個(gè)體固定效應(yīng)回歸模型）。 F統(tǒng)計(jì)量定義為：統(tǒng)計(jì)量定義為：0Hi1H)/() 1/()()/()() 1/()

26、(kNNTSSENSSESSEkNNTSSEkNNTkNTSSESSEFuuruur 其中其中SSER表示約束模型，即混合估計(jì)模型的殘表示約束模型，即混合估計(jì)模型的殘差平方和，差平方和，SSEU表示非約束模型，即個(gè)體固定表示非約束模型，即個(gè)體固定效應(yīng)回歸模型的殘差平方和。非約束模型比約效應(yīng)回歸模型的殘差平方和。非約束模型比約束模型多了束模型多了N-1個(gè)被估參數(shù)。個(gè)被估參數(shù)。 所以本例中：所以本例中： 所以推翻原假設(shè)，建立個(gè)體固定效應(yīng)回歸模型所以推翻原假設(shè)，建立個(gè)體固定效應(yīng)回歸模型更合理。更合理。8 . 1)89,14(16. 7) 115105/(2256339) 115/()22563394

27、797532(05. 0FF當(dāng)利用面板數(shù)據(jù)研究擁有充分多個(gè)體的總體經(jīng)濟(jì)特征時(shí)，若利當(dāng)利用面板數(shù)據(jù)研究擁有充分多個(gè)體的總體經(jīng)濟(jì)特征時(shí)，若利用總體數(shù)據(jù)的固定效應(yīng)模型就會(huì)損失巨大的自由度，使得個(gè)體截距用總體數(shù)據(jù)的固定效應(yīng)模型就會(huì)損失巨大的自由度，使得個(gè)體截距項(xiàng)的估計(jì)不具有有效性。這時(shí)可建立個(gè)體隨機(jī)影響變截距模型。其項(xiàng)的估計(jì)不具有有效性。這時(shí)可建立個(gè)體隨機(jī)影響變截距模型。其Eviews實(shí)現(xiàn)見下圖。實(shí)現(xiàn)見下圖。個(gè)體隨機(jī)影響變截距模型個(gè)體隨機(jī)影響變截距模型運(yùn)行結(jié)果得運(yùn)行結(jié)果得 相應(yīng)的表達(dá)式是： 其中虛擬變量 的定義是：15218 .10536798. 272. 09 .345DDDIPPCitit2959

28、952,98. 02SSER1215,.,D DD1,0,iD如果屬于第i個(gè)個(gè)體,i=1,2,.,15其他 固定效應(yīng)模型和隨機(jī)效應(yīng)模型的設(shè)定檢驗(yàn)固定效應(yīng)模型和隨機(jī)效應(yīng)模型的設(shè)定檢驗(yàn)-hausman檢驗(yàn)檢驗(yàn) 眾所周知，在回歸模型眾所周知，在回歸模型 滿足基本假設(shè)時(shí)，回歸系數(shù)的滿足基本假設(shè)時(shí)，回歸系數(shù)的ols估計(jì)量是估計(jì)量是BLUE估估計(jì)，但是，當(dāng)模型不滿足計(jì)，但是，當(dāng)模型不滿足“正交性假設(shè)正交性假設(shè)” 時(shí)，時(shí)， 的的OLS估計(jì)量不再是無(wú)偏的。同時(shí)，當(dāng)模型估計(jì)量不再是無(wú)偏的。同時(shí)，當(dāng)模型不滿足不滿足“同方差性假設(shè)同方差性假設(shè)” 時(shí)，時(shí)， 的的OLS估計(jì)量不是有效的。估計(jì)量不是有效的。tttuXY0)|(ttXuEIXuVartt2)|( 對(duì)