利用橫截面和時(shí)間序列計(jì)量模型

1、利用橫截面和時(shí)間序列計(jì)量模型 EViews對時(shí)間序列對時(shí)間序列/截面數(shù)據(jù)模型的估計(jì)是通過含有截面數(shù)據(jù)模型的估計(jì)是通過含有Pool對象對象的工作文件和具有面板結(jié)構(gòu)的工作文件來實(shí)現(xiàn)的。的工作文件和具有面板結(jié)構(gòu)的工作文件來實(shí)現(xiàn)的。 。通過。通過Pool對對象可以實(shí)現(xiàn)對各種變截距、變系數(shù)時(shí)間序列模型的估計(jì)，但象可以實(shí)現(xiàn)對各種變截距、變系數(shù)時(shí)間序列模型的估計(jì)，但Pool對象側(cè)重分析對象側(cè)重分析“窄而長窄而長”的數(shù)據(jù)，即截面成員較少，而時(shí)的數(shù)據(jù)，即截面成員較少，而時(shí)期較長的側(cè)重時(shí)間序列分析的數(shù)據(jù)。期較長的側(cè)重時(shí)間序列分析的數(shù)據(jù)。 對于截面成員較多，時(shí)期較少的對于截面成員較多，時(shí)期較少的“寬而短寬而短”的側(cè)

2、重截面的側(cè)重截面分析的數(shù)據(jù)，一般通過分析的數(shù)據(jù)，一般通過進(jìn)行分析。利用面板結(jié)構(gòu)的工作文件可以實(shí)現(xiàn)變進(jìn)行分析。利用面板結(jié)構(gòu)的工作文件可以實(shí)現(xiàn)變截距時(shí)間序列截距時(shí)間序列/截面數(shù)據(jù)模型以及動(dòng)態(tài)時(shí)間序列截面數(shù)據(jù)模型以及動(dòng)態(tài)時(shí)間序列/截面數(shù)據(jù)模截面數(shù)據(jù)模型的估計(jì)。型的估計(jì)。 2 Pool對象在對象在EViews中扮演著兩種角色。首先，中扮演著兩種角色。首先，Pool對象中對象中包含了一系列的標(biāo)識名。這些標(biāo)識名描述了工作文件中的時(shí)間包含了一系列的標(biāo)識名。這些標(biāo)識名描述了工作文件中的時(shí)間序列序列/截面數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。在這個(gè)角色中，截面數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。在這個(gè)角色中，Pool對象在管理和對象在管理和處理時(shí)間序列

3、處理時(shí)間序列/截面數(shù)據(jù)上的功能與組對象有些相似。其次，利截面數(shù)據(jù)上的功能與組對象有些相似。其次，利用用Pool對象中的過程可以實(shí)現(xiàn)對各種時(shí)間序列對象中的過程可以實(shí)現(xiàn)對各種時(shí)間序列/截面數(shù)據(jù)模型的截面數(shù)據(jù)模型的估計(jì)及對估計(jì)結(jié)果的檢驗(yàn)和處理。在這個(gè)角色中，估計(jì)及對估計(jì)結(jié)果的檢驗(yàn)和處理。在這個(gè)角色中，Pool對象與對象與方程對象有些相似方程對象有些相似 3 。為明顯起見，。為明顯起見，名稱要相對較短。例如，國家作為截面成員時(shí)，可以使用名稱要相對較短。例如，國家作為截面成員時(shí)，可以使用USA代表美代表美國，國，CAN代表加拿大，代表加拿大，UK代表英國。代表英國。 定義了定義了Pool的截面成員名稱就

4、等于告訴了的截面成員名稱就等于告訴了EViews，模型的數(shù)據(jù)結(jié)，模型的數(shù)據(jù)結(jié)構(gòu)。在上面的例子中，構(gòu)。在上面的例子中，EViews會(huì)自動(dòng)把這個(gè)會(huì)自動(dòng)把這個(gè)Pool理解成對每個(gè)國家使理解成對每個(gè)國家使用單獨(dú)的時(shí)間序列。用單獨(dú)的時(shí)間序列。 必須注意，必須注意，。因此，刪除一個(gè)。因此，刪除一個(gè)Pool并不會(huì)同時(shí)并不會(huì)同時(shí)刪除它所使用的序列，但修改刪除它所使用的序列，但修改Pool使用的原序列會(huì)同時(shí)改變使用的原序列會(huì)同時(shí)改變Pool中的數(shù)中的數(shù)據(jù)。據(jù)。 4 在本章中，使用的是一個(gè)研究投資需求的例子，包括了五家在本章中，使用的是一個(gè)研究投資需求的例子，包括了五家企業(yè)和三個(gè)變量的企業(yè)和三個(gè)變量的20個(gè)年度觀

5、測值的時(shí)間序列：個(gè)年度觀測值的時(shí)間序列： 5家企業(yè)：家企業(yè)： 3個(gè)變量：個(gè)變量： GM：通用汽車公司：通用汽車公司 I ：總投資：總投資 CH：克萊斯勒公司：克萊斯勒公司 M ：前一年企業(yè)的市場價(jià)值：前一年企業(yè)的市場價(jià)值 GE：通用電器公司：通用電器公司 K ：前一年末工廠存貨和設(shè)備的價(jià)值：前一年末工廠存貨和設(shè)備的價(jià)值 WE：西屋公司：西屋公司 US：美國鋼鐵公司：美國鋼鐵公司 要?jiǎng)?chuàng)建要?jiǎng)?chuàng)建Pool對象，選擇對象，選擇Objects/New Object/Pool并在編輯并在編輯窗口中輸入截面成員的識別名稱：窗口中輸入截面成員的識別名稱： 5 對截面成員的識別名稱沒有特別要求，但必須能使用這些

6、識別名稱建對截面成員的識別名稱沒有特別要求，但必須能使用這些識別名稱建立合法的立合法的EViews序列名稱。此處推薦在每個(gè)識別名中使用序列名稱。此處推薦在每個(gè)識別名中使用“_”字符，它字符，它不是必須的，但把它作為序列名的一部分，可以很容易找到識別名稱。不是必須的，但把它作為序列名的一部分，可以很容易找到識別名稱。 6 在在Pool中使用序列的關(guān)鍵是序列命名：使用中使用序列的關(guān)鍵是序列命名：使用和和組合命名。截面識別名稱可以放在序列名中的任意位置，只組合命名。截面識別名稱可以放在序列名中的任意位置，只要保持一致即可。要保持一致即可。 例如，現(xiàn)有一個(gè)例如，現(xiàn)有一個(gè)Pool對象含有識別名對象含有識

7、別名JPN，USA，UK，想建立每個(gè)截面成員的想建立每個(gè)截面成員的GDP的時(shí)間序列，我們就使用的時(shí)間序列，我們就使用“GDP”作作為序列的基本名。為序列的基本名。，不能這樣命，不能這樣命名序列：名序列：JPNGDP，GDPUSA，UKGDP1，因?yàn)?，因?yàn)镋Views無無法在法在Pool對象中識別這些序列。對象中識別這些序列。7 一旦選定的序列名和一旦選定的序列名和Pool中的截面成員識別名稱相對應(yīng)，中的截面成員識別名稱相對應(yīng)，就可以利用這些序列使用就可以利用這些序列使用Pool了。其中關(guān)鍵是要理解了。其中關(guān)鍵是要理解Pool序序列的概念。列的概念。 一個(gè)一個(gè)Pool序列實(shí)際就是一組序列序列實(shí)際

8、就是一組序列, 序列名是由基本名和所有截序列名是由基本名和所有截面識別名構(gòu)成的。面識別名構(gòu)成的。，其中，其中。如果序列名為。如果序列名為GDPJPN，GDPUSA，GDPUK，相應(yīng)的，相應(yīng)的Pool序列為序列為GDP?。如果序列名為。如果序列名為JPNGDP，USAGDP，UKGDP，相應(yīng)的，相應(yīng)的Pool序列為序列為 ?GDP。 8 要顯示要顯示Pool中的截面成員識別名稱，單擊工具條的中的截面成員識別名稱，單擊工具條的Define按鈕，按鈕，或選擇或選擇View/Cross-Section Identifiers。如果需要，也可以對識別名稱。如果需要，也可以對識別名稱列進(jìn)行編輯。列進(jìn)行編輯

9、。 Pool中使用的數(shù)據(jù)都存在普通中使用的數(shù)據(jù)都存在普通EViews序列中。這些序列可序列中。這些序列可以按通常方式使用：可以列表顯示，圖形顯示，產(chǎn)生新序列，以按通常方式使用：可以列表顯示，圖形顯示，產(chǎn)生新序列，或用于估計(jì)。也可以使用或用于估計(jì)。也可以使用Pool對象來處理各單獨(dú)序列。對象來處理各單獨(dú)序列。9 有很多種輸入數(shù)據(jù)的方法，在介紹各種方法之前，首先要理解有很多種輸入數(shù)據(jù)的方法，在介紹各種方法之前，首先要理解時(shí)間序列時(shí)間序列/截面數(shù)據(jù)的結(jié)構(gòu)，區(qū)別堆積數(shù)據(jù)和非堆積數(shù)據(jù)形式。截面數(shù)據(jù)的結(jié)構(gòu)，區(qū)別堆積數(shù)據(jù)和非堆積數(shù)據(jù)形式。 時(shí)間序列時(shí)間序列/截面數(shù)據(jù)的數(shù)據(jù)信息用三維表示：截面數(shù)據(jù)的數(shù)據(jù)信息用

10、三維表示：。例如：。例如：1950年，通用汽車公司，投資數(shù)據(jù)。年，通用汽車公司，投資數(shù)據(jù)。 使用三維數(shù)據(jù)比較困難，一般要轉(zhuǎn)化成二維數(shù)據(jù)。有幾種使用三維數(shù)據(jù)比較困難，一般要轉(zhuǎn)化成二維數(shù)據(jù)。有幾種常用的方法。常用的方法。 存在工作文件的數(shù)據(jù)都是這種非堆積數(shù)據(jù)，在這種形式中，給定存在工作文件的數(shù)據(jù)都是這種非堆積數(shù)據(jù)，在這種形式中，給定截面成員、給定變量的觀測值放在一起，但和其他變量、其他截面成截面成員、給定變量的觀測值放在一起，但和其他變量、其他截面成員的數(shù)據(jù)分開。例如，假定我們的數(shù)據(jù)文件為下面的形式：員的數(shù)據(jù)分開。例如，假定我們的數(shù)據(jù)文件為下面的形式： 10 其中基本名其中基本名 I 代表企業(yè)總投

11、資、代表企業(yè)總投資、M 代表前一年企業(yè)的市場價(jià)值、代表前一年企業(yè)的市場價(jià)值、K 代表前一年末代表前一年末工廠存貨和設(shè)備的價(jià)值。每個(gè)企業(yè)都有單獨(dú)的工廠存貨和設(shè)備的價(jià)值。每個(gè)企業(yè)都有單獨(dú)的 I、M、K 數(shù)據(jù)。數(shù)據(jù)。 EViews會(huì)自動(dòng)按附錄會(huì)自動(dòng)按附錄A中中 介紹的標(biāo)準(zhǔn)輸入程序讀取非堆積數(shù)據(jù)。并把每介紹的標(biāo)準(zhǔn)輸入程序讀取非堆積數(shù)據(jù)。并把每個(gè)截面變量看作一個(gè)單獨(dú)序列。注意要按照上述的個(gè)截面變量看作一個(gè)單獨(dú)序列。注意要按照上述的Pool命名規(guī)則命名。命名規(guī)則命名。 11 確認(rèn)后確認(rèn)后EViews會(huì)打開新建序列的堆積式數(shù)據(jù)表。我們看到的是會(huì)打開新建序列的堆積式數(shù)據(jù)表。我們看到的是按截面成員堆積的序列，按

12、截面成員堆積的序列，Pool序列名在每列表頭，截面成員序列名在每列表頭，截面成員/年代識年代識別符標(biāo)識每行：別符標(biāo)識每行： 選擇選擇View/Spreadsheet（stacked data），），EViews會(huì)要求輸入會(huì)要求輸入序列名列表序列名列表12 Pool數(shù)據(jù)排列成堆積形式，一個(gè)變量的所有數(shù)據(jù)放在一起，和其他數(shù)據(jù)排列成堆積形式，一個(gè)變量的所有數(shù)據(jù)放在一起，和其他變量的數(shù)據(jù)分開。大多數(shù)情況下，不同截面成員的數(shù)據(jù)從上到下依次堆變量的數(shù)據(jù)分開。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：積，每一列代表一個(gè)變量： 13 我們稱上表數(shù)據(jù)是以截面成員堆積的，單擊我們稱上表

13、數(shù)據(jù)是以截面成員堆積的，單擊Order+/-實(shí)現(xiàn)堆積方式轉(zhuǎn)換，實(shí)現(xiàn)堆積方式轉(zhuǎn)換，也可以按日期堆積數(shù)據(jù)：也可以按日期堆積數(shù)據(jù)： 每一列代表一個(gè)變量，每一列內(nèi)數(shù)據(jù)都是按年排列的。如果數(shù)每一列代表一個(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，要確保各年內(nèi)截面成員的排列順序要一致。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。14 使用使用Pool對象從文件讀取數(shù)據(jù)，先打開對象從文件讀取數(shù)據(jù)，先打開Pool，然后選擇，然后選擇Procs/Import Pool Data(ASCII,.XLS,.WK?)，要使用與，要使用與Pool對象對應(yīng)對象對應(yīng)的輸入程序。的輸入程序。15 按照和上面數(shù)

14、據(jù)輸入相反的程序可進(jìn)行數(shù)據(jù)輸出。由于按照和上面數(shù)據(jù)輸入相反的程序可進(jìn)行數(shù)據(jù)輸出。由于EViews可可以輸入輸出非堆積數(shù)據(jù)，按截面成員堆積和按日期堆積數(shù)據(jù)，因此以輸入輸出非堆積數(shù)據(jù)，按截面成員堆積和按日期堆積數(shù)據(jù)，因此可以利用可以利用EViews按照需要調(diào)整數(shù)據(jù)結(jié)構(gòu)。按照需要調(diào)整數(shù)據(jù)結(jié)構(gòu)。 16 每個(gè)截面成員的基礎(chǔ)序列都是普通序列，因此每個(gè)截面成員的基礎(chǔ)序列都是普通序列，因此EViews中對各單個(gè)截中對各單個(gè)截面成員序列適用的工具都可使用。另外，面成員序列適用的工具都可使用。另外，EViews還有專門適用于還有專門適用于Pool數(shù)數(shù)據(jù)的專用工具。可以使用據(jù)的專用工具?？梢允褂肊Views對與一特

15、定變量對應(yīng)的所有序列進(jìn)行類對與一特定變量對應(yīng)的所有序列進(jìn)行類似操作。似操作。 可以使用可以使用PoolGenr(panelgenr)程序生成或者修改程序生成或者修改Pool序列。序列。17 我們可以把這些數(shù)據(jù)看作一系列截面說明回歸量，因此有我們可以把這些數(shù)據(jù)看作一系列截面說明回歸量，因此有N個(gè)截面?zhèn)€截面方程：方程：， i =1 , 2 , , N (10.1.2) 其中：其中：yi 是是 T 1 維被解釋變量向量維被解釋變量向量，xi 是是 T k 維解釋變量矩陣維解釋變量矩陣，yi 和和 xi 包含個(gè)體成員的各經(jīng)濟(jì)指標(biāo)時(shí)間序列，例如個(gè)體成員代表各不同地區(qū)，包含個(gè)體成員的各經(jīng)濟(jì)指標(biāo)時(shí)間序列，例

16、如個(gè)體成員代表各不同地區(qū)，則則 yi 和和 xi 的各個(gè)分量代表的各個(gè)分量代表 i 地區(qū)的消費(fèi)和收入、物價(jià)等指標(biāo)的經(jīng)濟(jì)時(shí)地區(qū)的消費(fèi)和收入、物價(jià)等指標(biāo)的經(jīng)濟(jì)時(shí)間序列。間序列。 由于含有由于含有 N 個(gè)個(gè)體成員方程的式（個(gè)個(gè)體成員方程的式（10.1.2）和含有）和含有 T個(gè)時(shí)間截個(gè)時(shí)間截面方程的式（面方程的式（10.1.4）兩種形式的模型在估計(jì)方法上類似，因此本）兩種形式的模型在估計(jì)方法上類似，因此本章主要討論含有章主要討論含有 N 個(gè)個(gè)體成員方程的時(shí)間序列個(gè)個(gè)體成員方程的時(shí)間序列/截面數(shù)據(jù)模型的估計(jì)截面數(shù)據(jù)模型的估計(jì)方法。方法。 iiiiiuxy 18 單擊單擊Pool工具欄的工具欄的Estim

17、ate選項(xiàng)打開如下對話框：選項(xiàng)打開如下對話框： 19 在因變量對話框中輸入在因變量對話框中輸入Pool變量或變量或Pool變量表達(dá)式。變量表達(dá)式。 在下面的編輯窗口中輸入樣本說明。樣本的缺省值是各截面成在下面的編輯窗口中輸入樣本說明。樣本的缺省值是各截面成員中的最大樣本值。如果得不到某時(shí)期截面成員的解釋變量或因變員中的最大樣本值。如果得不到某時(shí)期截面成員的解釋變量或因變量的值，那么此觀測值會(huì)被排除掉。量的值，那么此觀測值會(huì)被排除掉。 在兩個(gè)編輯框中輸入解釋變量。在兩個(gè)編輯框中輸入解釋變量。 (1) Common :此欄中輸入的變量對所有截面成員有相此欄中輸入的變量對所有截面成員有相同的系數(shù)，并

18、用一般名稱或同的系數(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此欄中輸入的變量對Pool中每中每個(gè)截面成員的系數(shù)不同。個(gè)截面成員的系數(shù)不同。 (3) Period specific :此欄中輸入的變量對此欄中輸入的變量對Pool中每個(gè)時(shí)期中每個(gè)時(shí)期的系數(shù)不同。的系數(shù)不同。20 模型模型(10.1.2)常用的有如下三種情形：常用的有如下三種情形： 對于情形對于情形1，稱為變系數(shù)模型，除了存在個(gè)體影響外，在橫截面上，稱為變系數(shù)模型，除了存在個(gè)體影響外，在橫截面上還存在變化的經(jīng)濟(jì)結(jié)構(gòu)，因而結(jié)構(gòu)參數(shù)在不同橫截面上是不

19、同的。還存在變化的經(jīng)濟(jì)結(jié)構(gòu)，因而結(jié)構(gòu)參數(shù)在不同橫截面上是不同的。 對于情形對于情形2，稱為變截距模型，在橫截面上個(gè)體影響不同，個(gè)體影響，稱為變截距模型，在橫截面上個(gè)體影響不同，個(gè)體影響表現(xiàn)為模型中被忽略的反映個(gè)體差異的變量的影響，又分為固定影響和表現(xiàn)為模型中被忽略的反映個(gè)體差異的變量的影響，又分為固定影響和隨機(jī)影響兩種情況。隨機(jī)影響兩種情況。 對于情形對于情形3，在橫截面上無個(gè)體影響、無結(jié)構(gòu)變化，則普通最小，在橫截面上無個(gè)體影響、無結(jié)構(gòu)變化，則普通最小二乘法估計(jì)給出了二乘法估計(jì)給出了 和和 的一致有效估計(jì)。相當(dāng)于將多個(gè)時(shí)期的的一致有效估計(jì)。相當(dāng)于將多個(gè)時(shí)期的截面數(shù)據(jù)放在一起作為樣本數(shù)據(jù)。截面數(shù)

20、據(jù)放在一起作為樣本數(shù)據(jù)。jiji ,jiji ,jiji ,21 經(jīng)常使用的檢驗(yàn)是協(xié)方差分析檢驗(yàn)，主要檢驗(yàn)如下兩個(gè)經(jīng)常使用的檢驗(yàn)是協(xié)方差分析檢驗(yàn)，主要檢驗(yàn)如下兩個(gè)假設(shè)：假設(shè)： H1： H2： 可見如果接受假設(shè)可見如果接受假設(shè) H2 則可以認(rèn)為樣本數(shù)據(jù)符合情形則可以認(rèn)為樣本數(shù)據(jù)符合情形3，即模型，即模型為為，無需進(jìn)行進(jìn)一步的檢驗(yàn)。，無需進(jìn)行進(jìn)一步的檢驗(yàn)。 如果拒絕假設(shè)如果拒絕假設(shè)H2，則需檢驗(yàn)假設(shè)則需檢驗(yàn)假設(shè)H1。如果接受如果接受H1，則認(rèn)為則認(rèn)為樣本數(shù)據(jù)符合情形樣本數(shù)據(jù)符合情形2，即模型為，即模型為，反之拒絕，反之拒絕H1 ，則認(rèn)，則認(rèn)為樣本數(shù)據(jù)符合情形為樣本數(shù)據(jù)符合情形1，即模型為，即模型為

21、。N21N21N2122 下面介紹假設(shè)檢驗(yàn)的下面介紹假設(shè)檢驗(yàn)的 F 統(tǒng)計(jì)量的計(jì)算方法。首先計(jì)算情形統(tǒng)計(jì)量的計(jì)算方法。首先計(jì)算情形1()的殘差平方和，記為的殘差平方和，記為 S1 1 ；情形情形2()的殘差平方和記的殘差平方和記為為 S2 2 ；情形情形3()的殘差平方和記為的殘差平方和記為 S3 3 。計(jì)算計(jì)算 F2 統(tǒng)計(jì)統(tǒng)計(jì)量量 (10.2.7) 在假設(shè)在假設(shè) H2 下檢驗(yàn)統(tǒng)計(jì)量下檢驗(yàn)統(tǒng)計(jì)量 F2 服從相應(yīng)自由度下的服從相應(yīng)自由度下的F分布。若計(jì)算分布。若計(jì)算所得到的統(tǒng)計(jì)量所得到的統(tǒng)計(jì)量 F2 的值不小于給定置信度下的相應(yīng)臨界值，則拒絕的值不小于給定置信度下的相應(yīng)臨界值，則拒絕假設(shè)假設(shè) H2

22、，繼續(xù)檢驗(yàn)假設(shè)，繼續(xù)檢驗(yàn)假設(shè) H1。反之，接受。反之，接受 H2則認(rèn)為樣本數(shù)據(jù)符合模則認(rèn)為樣本數(shù)據(jù)符合模型情形型情形3 ，即，即。)1(),1)(1()1()1)(1/()(1132kTNkNFkNNTSkNSSF23 在假設(shè)在假設(shè)H1下檢驗(yàn)統(tǒng)計(jì)量下檢驗(yàn)統(tǒng)計(jì)量F1也服從相應(yīng)自由度下的也服從相應(yīng)自由度下的F分布，即分布，即 (10.2.8) 若計(jì)算所得到的統(tǒng)計(jì)量若計(jì)算所得到的統(tǒng)計(jì)量F1的值不小于給定置信度下的相應(yīng)臨的值不小于給定置信度下的相應(yīng)臨界值，則拒絕假設(shè)界值，則拒絕假設(shè)H1。 如果接受如果接受H1，則認(rèn)為樣本數(shù)據(jù)符合情形則認(rèn)為樣本數(shù)據(jù)符合情形2，即模型為，即模型為，反之拒絕，反之拒絕H1

23、，則認(rèn)為樣本數(shù)據(jù)符合情形，則認(rèn)為樣本數(shù)據(jù)符合情形1，即模型為，即模型為。)1(,) 1()1() 1/()(1121kTNkNFkNNTSkNSSF24 例例10.5中系數(shù)中系數(shù) 和和 取何種形式可以利用模型形式設(shè)定檢驗(yàn)方法來取何種形式可以利用模型形式設(shè)定檢驗(yàn)方法來確定。確定。 (1) 首先分別計(jì)算首先分別計(jì)算3種形式的模型：變參數(shù)模型、變截距模型和不種形式的模型：變參數(shù)模型、變截距模型和不變參數(shù)模型，在每個(gè)模型的回歸統(tǒng)計(jì)量里可以得到相應(yīng)的殘差平方和變參數(shù)模型，在每個(gè)模型的回歸統(tǒng)計(jì)量里可以得到相應(yīng)的殘差平方和S1=339121.5、S2 = 444288.4 和和S3 = 1570884。 (

24、2) 按按(10.2.7)式和式和(10.2.8)式計(jì)算式計(jì)算F統(tǒng)計(jì)量，其中統(tǒng)計(jì)量，其中N=5、k=2、T=20，得到的兩個(gè)得到的兩個(gè)F統(tǒng)計(jì)量分別為：統(tǒng)計(jì)量分別為： F1= (S2 - S1)/8)/(S1 /85) = 3.29 F2= (S3 - S1)/12)/(S1 /85) = 25.73 利用函數(shù)利用函數(shù) qfdist(d, k1, k2) 得到得到F分布的臨界值，其中分布的臨界值，其中d 是臨界點(diǎn)，是臨界點(diǎn)，k1和和k2是自由度。在給定是自由度。在給定5%的顯著性水平下的顯著性水平下(d=0.95)，得到相應(yīng)的臨界值，得到相應(yīng)的臨界值為：為： F(12, 85) = 1.87 F

25、(8, 85) =2.049 由于由于 F21.87，所以拒絕所以拒絕H2；又由于又由于 F12.049，所以也拒絕所以也拒絕H1。因因此，例此，例10.5的模型應(yīng)采用變系數(shù)的形式的模型應(yīng)采用變系數(shù)的形式。 25 使用時(shí)間序列使用時(shí)間序列/截面數(shù)據(jù)模型數(shù)據(jù)結(jié)構(gòu)信息，有很多種方法截面數(shù)據(jù)模型數(shù)據(jù)結(jié)構(gòu)信息，有很多種方法進(jìn)行方程估計(jì)?？梢怨烙?jì)固定截距模型，隨機(jī)截距模型，或者進(jìn)行方程估計(jì)。可以估計(jì)固定截距模型，隨機(jī)截距模型，或者模型變量對各截面成員的系數(shù)不同，以及估計(jì)單獨(dú)的模型變量對各截面成員的系數(shù)不同，以及估計(jì)單獨(dú)的AR項(xiàng)系數(shù)。項(xiàng)系數(shù)。也可以為各個(gè)截面成員分別估計(jì)一個(gè)方程。也可以為各個(gè)截面成員分別估

26、計(jì)一個(gè)方程。 下面將介紹怎樣使用下面將介紹怎樣使用Pool和系統(tǒng)估計(jì)更一般和復(fù)雜的模型，包括二階和系統(tǒng)估計(jì)更一般和復(fù)雜的模型，包括二階段最小二乘估計(jì)和非線性模型，以及有復(fù)雜截面系數(shù)限制的模型。段最小二乘估計(jì)和非線性模型，以及有復(fù)雜截面系數(shù)限制的模型。 26 下面討論下面討論P(yáng)ool模型的計(jì)算方法。設(shè)有模型的計(jì)算方法。設(shè)有N個(gè)觀測值互相堆積。為個(gè)觀測值互相堆積。為討論方便，把堆積方程表示為：討論方便，把堆積方程表示為：, i =1, 2, , N (10.3.1) 其中其中 yi 是是第第 i 個(gè)個(gè)截面成員的截面成員的T 1維維因變量向量，因變量向量，xi 是是第第 i 個(gè)個(gè)截面成員截面成員的的

27、T k 維維解釋變量矩陣。解釋變量矩陣。 i 是是第第 i 個(gè)個(gè)截面成員的截面成員的k 1維維未知參數(shù)向量，未知參數(shù)向量，ui 是是第第 i 個(gè)個(gè)截面成員的截面成員的T 1維維擾動(dòng)項(xiàng)向量。用分塊矩陣形式表示如擾動(dòng)項(xiàng)向量。用分塊矩陣形式表示如下：下： NNNNNuuuxxxyyy2121212121000000iiiiiuxy27 并且方程的殘差協(xié)方差矩陣為：并且方程的殘差協(xié)方差矩陣為： 基本說明把基本說明把Pool說明作為聯(lián)立方程系統(tǒng)并使用系統(tǒng)最小二乘法說明作為聯(lián)立方程系統(tǒng)并使用系統(tǒng)最小二乘法估計(jì)模型。估計(jì)模型。NNNNNNEEuuuuuuuuuuuuuuuuuuuu212221212111)

28、(28 當(dāng)殘差同期不相關(guān)，并且時(shí)期和截面同方差時(shí)，當(dāng)殘差同期不相關(guān)，并且時(shí)期和截面同方差時(shí)， 對堆積數(shù)據(jù)模型使用普通最小二乘法估計(jì)系數(shù)和協(xié)方差。相當(dāng)于對堆積數(shù)據(jù)模型使用普通最小二乘法估計(jì)系數(shù)和協(xié)方差。相當(dāng)于情形情形3： i = = j ， i = = j ，在橫截面上無個(gè)體影響、無結(jié)構(gòu)變化，則普通最在橫截面上無個(gè)體影響、無結(jié)構(gòu)變化，則普通最小二乘法估計(jì)給出了小二乘法估計(jì)給出了 和和 的一致有效估計(jì)。相當(dāng)于將多個(gè)時(shí)期的截面數(shù)的一致有效估計(jì)。相當(dāng)于將多個(gè)時(shí)期的截面數(shù)據(jù)放在一起作為樣本數(shù)據(jù)。據(jù)放在一起作為樣本數(shù)據(jù)。其中其中 yi 和和 xi 分別是分別是 各時(shí)期的因變量向量和解釋變量矩陣。各時(shí)期的因

29、變量向量和解釋變量矩陣。TNII2uxxxyyyTT212129以例以例10.5為例為例:30 所有的截面的系數(shù)相等，和將所有的截面的系數(shù)相等，和將5個(gè)公司的數(shù)據(jù)接到一起，個(gè)公司的數(shù)據(jù)接到一起，用用OLS的估計(jì)結(jié)果相同。的估計(jì)結(jié)果相同。31 固定影響估計(jì)量通過為每個(gè)截面成員估計(jì)不同常數(shù)項(xiàng)使固定影響估計(jì)量通過為每個(gè)截面成員估計(jì)不同常數(shù)項(xiàng)使 i 不同。不同。EViews將每個(gè)變量減去平均值，并用轉(zhuǎn)換后的數(shù)據(jù)，通過最小二乘估將每個(gè)變量減去平均值，并用轉(zhuǎn)換后的數(shù)據(jù)，通過最小二乘估計(jì)來計(jì)算固定影響。計(jì)來計(jì)算固定影響。 (10.3.3)其中其中 ，, i =1, 2, , N (10.3.4) TxxTy

30、ytitititi/,/FEiiiyxNiTtiitiitNiTtiitiitFEyy11111)()()()(xxxxxxktkititiitxxx1,2,1,x32 如果引進(jìn)總體均值截距項(xiàng)（如果引進(jìn)總體均值截距項(xiàng)（m），可以將模型（），可以將模型（10.3.1）寫成如下）寫成如下的等價(jià)形式：的等價(jià)形式： i =1, 2, , N (10.3.10) 在該形式下，模型（在該形式下，模型（10.3.1）中的反映個(gè)體影響的跨成員方程變）中的反映個(gè)體影響的跨成員方程變化的截距項(xiàng)被分解成在各個(gè)體成員方程中都相等的總體均值截距項(xiàng)化的截距項(xiàng)被分解成在各個(gè)體成員方程中都相等的總體均值截距項(xiàng)（m）和跨成員方

31、程變化的表示個(gè)體對總體均值偏離的個(gè)體截）和跨成員方程變化的表示個(gè)體對總體均值偏離的個(gè)體截距項(xiàng)（距項(xiàng)（ i*）。個(gè)體截距項(xiàng)）。個(gè)體截距項(xiàng) i* 表示的是個(gè)體成員表示的是個(gè)體成員i對總體平均狀態(tài)對總體平均狀態(tài)的偏離，所有偏離之和應(yīng)該為零，即的偏離，所有偏離之和應(yīng)該為零，即 (10.3.11)iiiimuxy*01*Nii33 在該約束下，可以得到模型在該約束下，可以得到模型(10.3.10)中的各參數(shù)的最優(yōu)線性無偏估中的各參數(shù)的最優(yōu)線性無偏估計(jì)計(jì) (10.3.12) (10.3.13) (10.3.14)其中：其中： ， ， 。 EViews計(jì)算固定影響是包含總體均值截距項(xiàng)的變截距模型，以例計(jì)算固

32、定影響是包含總體均值截距項(xiàng)的變截距模型，以例10.5為例：為例：FEymxFEiiimyx*)(111NiTtitNTxx)(111NiTtityNTyTxxTyytitititi/,/NiTtiitiitNiTtiitiitFEyy11111)()()()(xxxxxx343536 模型模型(10.3.1)還可以推廣為包含時(shí)期個(gè)體恒量的形式，即模還可以推廣為包含時(shí)期個(gè)體恒量的形式，即模型形式為：型形式為： i =1, 2, N ，t =1, 2, T (10.3.15) 其中：其中： t 為時(shí)期個(gè)體恒量，反映時(shí)期特有的影響。類似地，通為時(shí)期個(gè)體恒量，反映時(shí)期特有的影響。類似地，通過引進(jìn)相應(yīng)的

33、個(gè)體成員和時(shí)期虛擬變量，利用普通最小二乘法過引進(jìn)相應(yīng)的個(gè)體成員和時(shí)期虛擬變量，利用普通最小二乘法可以得到各參數(shù)的可以得到各參數(shù)的OLS估計(jì)。估計(jì)。 ittiititmuxy*373839 利用利用OLS參數(shù)估計(jì)，我們得到參數(shù)估計(jì)，我們得到5個(gè)公司的方程殘差的方差個(gè)公司的方程殘差的方差 i2 ，具，具有截面異方差性。有截面異方差性。通用汽車公司（通用汽車公司（GM）9410.91克萊斯勒公司（克萊斯勒公司（CH） 755.85通用電器公司（通用電器公司（GE）34288.89西屋公司（西屋公司（WE） 633.42美國鋼鐵公司（美國鋼鐵公司（US）33455.5140 當(dāng)殘差具有截面異方差性和同

34、步不相關(guān)時(shí)最好進(jìn)行截面加權(quán)回歸：當(dāng)殘差具有截面異方差性和同步不相關(guān)時(shí)最好進(jìn)行截面加權(quán)回歸： EViews進(jìn)行可行廣義最小二乘（進(jìn)行可行廣義最小二乘（FGLS）。）。 首先從一階段首先從一階段Pool最小二乘回歸，得到方差最小二乘回歸，得到方差 i2 的的估計(jì)值估計(jì)值 si2，計(jì)算，計(jì)算公式為：公式為：， i =1, 2, , N (10.3.24) 其中其中 是是OLS的擬合值。的擬合值。 NTNTTEEIIIuu2222100000)(21iitTtitiTyysi/)(212ity 41 其次系數(shù)值其次系數(shù)值 由標(biāo)準(zhǔn)由標(biāo)準(zhǔn)GLS估計(jì)量估計(jì)，是有效估計(jì)量估計(jì)量估計(jì)，是有效估計(jì)量。 Niiii

35、NiiiiFE1211211111yxxxyXXX4243 當(dāng)殘差具有截面異方差性和同步相關(guān)性時(shí)，當(dāng)殘差具有截面異方差性和同步相關(guān)性時(shí)，SUR加權(quán)最小二乘加權(quán)最小二乘是可行的是可行的GLS估計(jì)量：估計(jì)量： 其中其中 是同步相關(guān)的對稱陣：是同步相關(guān)的對稱陣： ()一般項(xiàng)一般項(xiàng) ，在所有的，在所有的 t 時(shí)為常數(shù)。時(shí)為常數(shù)。 NNNNNNN212222111211TTNNTNTNTTTNTTEIIIIIIIIIuu12222111211)()(itjtijuuE44 EViews估計(jì)估計(jì)SUR模型時(shí)使用的模型時(shí)使用的 ij 是由一階段是由一階段Pool最小二乘回歸最小二乘回歸得到：得到： i, j

36、 = =1, 2, , N (10.3.30) 其中：其中： 和和 可由式（可由式（10.3.3）和式（）和式（10.3.4）得到。計(jì)算后，再進(jìn)）得到。計(jì)算后，再進(jìn)行廣義最小二乘估計(jì)（行廣義最小二乘估計(jì)（GLS），此時(shí)），此時(shí) 的的SUR估計(jì)為：估計(jì)為： (10.3.31) )()()()()()(111YYIXXXXIXXTTSURFEiTsFEiijFEiiiij)()(xyxy45此時(shí)此時(shí) 的的SUR估計(jì)為：估計(jì)為： 4647 隨機(jī)影響模型假設(shè)隨機(jī)影響模型假設(shè) it 項(xiàng)是共同系數(shù)項(xiàng)是共同系數(shù) 和不隨時(shí)間改變的截面說明和不隨時(shí)間改變的截面說明隨機(jī)變量隨機(jī)變量 vi 的和，的和， vi 和殘

37、差和殘差 ui 是不相關(guān)的。是不相關(guān)的。 i =1, 2, , N (10.3.36) 為了分析方便，可以將模型為了分析方便，可以將模型(10.3.36)寫成如下形式：寫成如下形式： (10.3.43)其中：其中： ， = ( , ) ，wi = vi + ui。iiiivuxy)1(),(kTiixexwXY48EViews按下列步驟估計(jì)隨機(jī)影響模型：按下列步驟估計(jì)隨機(jī)影響模型： (1) 使用固定影響模型的殘差估計(jì)使用固定影響模型的殘差估計(jì) ui 的方差：的方差：()() 使用包含總體均值截距項(xiàng)的變截距模型的殘差估計(jì)使用包含總體均值截距項(xiàng)的變截距模型的殘差估計(jì) vi 的方差，的方差， ()(

38、)kNNTyyNiTtFEiitiitu1122)()(xxTkNyuNiFEiiiv21221)(x49222222222222 vuvvvvuvvvvu (2) 由于由于 有了成分方差有了成分方差 和和 的估計(jì)，可以求出模型的估計(jì)，可以求出模型(10.3.42)中參數(shù)中參數(shù) 的的GLS估計(jì)量：估計(jì)量： (10.3.50)其中：其中： 。 2u2viNiiiNiiGLSyXXX11111),(iiiixxxX50 個(gè)體隨機(jī)影響個(gè)體隨機(jī)影響 vi 相應(yīng)的估計(jì)為相應(yīng)的估計(jì)為 i =1, 2, , N (10.3.56)其中：其中： (10.3.57)TtGLSititBviyv122)(x1)(

39、122kNyNiFEiiiBx515253 前面所介紹的變截距模型中，橫截面成員的個(gè)體影響是用前面所介紹的變截距模型中，橫截面成員的個(gè)體影響是用變化的截距來反映的，即用變化的截距來反映模型中忽略的反變化的截距來反映的，即用變化的截距來反映模型中忽略的反映個(gè)體差異的變量的影響。然而現(xiàn)實(shí)中變化的經(jīng)濟(jì)結(jié)構(gòu)或不同映個(gè)體差異的變量的影響。然而現(xiàn)實(shí)中變化的經(jīng)濟(jì)結(jié)構(gòu)或不同的社會(huì)經(jīng)濟(jì)背景等因素有時(shí)會(huì)導(dǎo)致反映經(jīng)濟(jì)結(jié)構(gòu)的參數(shù)隨著橫的社會(huì)經(jīng)濟(jì)背景等因素有時(shí)會(huì)導(dǎo)致反映經(jīng)濟(jì)結(jié)構(gòu)的參數(shù)隨著橫截面?zhèn)€體的變化而變化。因此，當(dāng)現(xiàn)實(shí)數(shù)據(jù)不支持變截距模型截面?zhèn)€體的變化而變化。因此，當(dāng)現(xiàn)實(shí)數(shù)據(jù)不支持變截距模型時(shí)，便需要考慮這種系數(shù)隨

40、橫截面?zhèn)€體的變化而改變的變系數(shù)時(shí)，便需要考慮這種系數(shù)隨橫截面?zhèn)€體的變化而改變的變系數(shù)模型。模型。 54 變系數(shù)模型的基本形式如下：變系數(shù)模型的基本形式如下： i =1, 2, , N (10.4.1)其中：其中：yi 為因變量向量，為因變量向量，xi 為為 T k 維解釋變量矩陣，參數(shù)維解釋變量矩陣，參數(shù) i 表表示模型的常數(shù)項(xiàng)，示模型的常數(shù)項(xiàng)， i 為對應(yīng)于解釋變量矩陣為對應(yīng)于解釋變量矩陣 xi 的系數(shù)向量。隨的系數(shù)向量。隨機(jī)誤差項(xiàng)機(jī)誤差項(xiàng) ui 相互獨(dú)立，且滿足零均值、等方差的假設(shè)。相互獨(dú)立，且滿足零均值、等方差的假設(shè)。 iiiiiuxy55 在式在式(10.4.1)所表示的變系數(shù)模型中，

41、常數(shù)項(xiàng)所表示的變系數(shù)模型中，常數(shù)項(xiàng) i 和系數(shù)向量和系數(shù)向量 i 都都是隨著橫截面?zhèn)€體的改變而變化的，因此可以將變系數(shù)模型改寫成如下是隨著橫截面?zhèn)€體的改變而變化的，因此可以將變系數(shù)模型改寫成如下形式：形式：， i =1 , 2 , , N (10.4.2)其中：其中： ， i = ( i , i ) 。 類似于變截距模型，變系數(shù)模型也分為固定影響變系數(shù)模型和類似于變截距模型，變系數(shù)模型也分為固定影響變系數(shù)模型和隨機(jī)影響變系數(shù)模型兩種類型。隨機(jī)影響變系數(shù)模型兩種類型。 iiiiuxy), 1 (iixx 565758 EViews不能估計(jì)這樣的模型：很少的時(shí)期或者龐大的不能估計(jì)這樣的模型：很少的

42、時(shí)期或者龐大的截面成員。所用的時(shí)期數(shù)平均應(yīng)至少不小于截面成員數(shù)。截面成員。所用的時(shí)期數(shù)平均應(yīng)至少不小于截面成員數(shù)。即使有足夠的觀測值，估計(jì)的殘差相關(guān)矩陣還必須是非奇即使有足夠的觀測值，估計(jì)的殘差相關(guān)矩陣還必須是非奇異的。如果有一條不滿足異的。如果有一條不滿足EViews的要求，的要求，EViews會(huì)顯示錯(cuò)會(huì)顯示錯(cuò)誤信息：誤信息：“Near Singular Matrix”。 當(dāng)選擇加權(quán)時(shí)，復(fù)選框當(dāng)選擇加權(quán)時(shí)，復(fù)選框Iterate to convergence控制可行控制可行GLS程序。如果選擇，程序。如果選擇，EViews就一直迭代權(quán)重和系數(shù)直到收就一直迭代權(quán)重和系數(shù)直到收斂。如果模型中包括斂

43、。如果模型中包括AR項(xiàng)，這個(gè)選擇就沒有意義，因?yàn)樵陧?xiàng)，這個(gè)選擇就沒有意義，因?yàn)樵贏R估計(jì)中，估計(jì)中，EViews會(huì)一直迭代直至收斂。會(huì)一直迭代直至收斂。 5960 EViews能估計(jì)那些廣義異方差性的強(qiáng)的協(xié)方差。這種形式的異能估計(jì)那些廣義異方差性的強(qiáng)的協(xié)方差。這種形式的異方差性比上面介紹的截面異方差性更普遍，因?yàn)橐粋€(gè)截面成員內(nèi)的方差性比上面介紹的截面異方差性更普遍，因?yàn)橐粋€(gè)截面成員內(nèi)的方差可以隨時(shí)間不同。方差可以隨時(shí)間不同。 要得到懷特標(biāo)準(zhǔn)差和協(xié)方差要得到懷特標(biāo)準(zhǔn)差和協(xié)方差,點(diǎn)點(diǎn)Options按鈕，選擇按鈕，選擇Coef covariance method。EViews5給出了一個(gè)下拉列表，列

44、表中包含給出了一個(gè)下拉列表，列表中包含8種選項(xiàng)。默認(rèn)的種選項(xiàng)。默認(rèn)的是最上方的是最上方的Ordinary項(xiàng)，對應(yīng)式項(xiàng)，對應(yīng)式(10.3.7) 和式和式(10.3.8)給出的系數(shù)協(xié)方差給出的系數(shù)協(xié)方差形式。在此下拉列表中的另外形式。在此下拉列表中的另外7種系數(shù)協(xié)方差形式參見種系數(shù)協(xié)方差形式參見10.5節(jié)。節(jié)。 注意此選項(xiàng)不適用于注意此選項(xiàng)不適用于SUR和隨機(jī)影響估計(jì)。和隨機(jī)影響估計(jì)。6162 EViews在在Pool對象中提供了比較方便的，可以進(jìn)行多序列單位根檢驗(yàn)的工具。在對象中提供了比較方便的，可以進(jìn)行多序列單位根檢驗(yàn)的工具。在Pool對對象中，對象中，對ADF、PP等單位根檢驗(yàn)方法均可以實(shí)現(xiàn)

45、。在等單位根檢驗(yàn)方法均可以實(shí)現(xiàn)。在Pool工具欄選擇工具欄選擇View/Unit Root Test，EViews會(huì)打開如下對話框，在對話框最上邊的會(huì)打開如下對話框，在對話框最上邊的“Pool series”欄中輸入所要檢驗(yàn)的序列名稱，欄中輸入所要檢驗(yàn)的序列名稱，并選定其他設(shè)置后單擊并選定其他設(shè)置后單擊“OK”，便可以進(jìn)行相應(yīng)的單位根檢驗(yàn)了。，便可以進(jìn)行相應(yīng)的單位根檢驗(yàn)了。 6364 以我國各省市城鎮(zhèn)居民人均消費(fèi)和可支配收入作為例子：以我國各省市城鎮(zhèn)居民人均消費(fèi)和可支配收入作為例子：相應(yīng)的相應(yīng)的Pool識別名稱為識別名稱為BJ_，TJ_，HB_，SX_，NMG_，LN_， 。估計(jì)城鎮(zhèn)居民人均消

46、費(fèi)。估計(jì)城鎮(zhèn)居民人均消費(fèi)?CS的回歸模型，模型中的回歸模型，模型中的被解釋變量的被解釋變量?CS 為為城鎮(zhèn)居民人均全年消費(fèi)，解釋變量為城鎮(zhèn)城鎮(zhèn)居民人均全年消費(fèi)，解釋變量為城鎮(zhèn)居民人均全年可支配收入居民人均全年可支配收入?YD（單位：元），變量均為年度數(shù)（單位：元），變量均為年度數(shù)據(jù)，樣本區(qū)間為據(jù)，樣本區(qū)間為1991 2003年。年。 65 檢驗(yàn)?zāi)Ｐ托问皆O(shè)定形式；檢驗(yàn)?zāi)Ｐ托问皆O(shè)定形式； (1) 首先分別計(jì)算首先分別計(jì)算3種形式的模型：變參數(shù)模型、變截距模型和不變參數(shù)種形式的模型：變參數(shù)模型、變截距模型和不變參數(shù)模型，在每個(gè)模型的回歸統(tǒng)計(jì)量里可以得到相應(yīng)的殘差平方和模型，在每個(gè)模型的回歸統(tǒng)計(jì)量里可

47、以得到相應(yīng)的殘差平方和S1=5279603、S2 = 8287453 和和S3 =13282535。 (2) 按按(10.2.7)式和式和(10.2.8)式計(jì)算式計(jì)算F統(tǒng)計(jì)量，其中統(tǒng)計(jì)量，其中N=29、k=1、T=13，得到的兩個(gè)得到的兩個(gè)F統(tǒng)計(jì)量分別為：統(tǒng)計(jì)量分別為： F1= (S2 - S1)/28)/(S1 /319) =6.49 F2= (S3 - S1)/28)/(S1 /319) = 8.63 利用函數(shù)利用函數(shù) qfdist(d, k1, k2) 得到得到F分布的臨界值，其中分布的臨界值，其中d 是臨界是臨界點(diǎn)，點(diǎn)，k1和和k2是自由度。在給定是自由度。在給定5%的顯著性水平下的顯

48、著性水平下(d =0.95)，得到相應(yīng)的臨，得到相應(yīng)的臨界值為：界值為： F(56, 290) = 1.37 F(84, 290) =1.51 由于由于 F21.37，所以拒絕所以拒絕H2；又由于又由于 F11.51，所以也拒絕所以也拒絕H1。因因此，模型應(yīng)采用變系數(shù)的形式此，模型應(yīng)采用變系數(shù)的形式。 6667 從城鎮(zhèn)居民人均可從城鎮(zhèn)居民人均可支配收入支配收入?YD的系數(shù)看，的系數(shù)看，各省市的邊際消費(fèi)傾向各省市的邊際消費(fèi)傾向是不同的，最高是山西，是不同的，最高是山西，0.844，最低是江西，最低是江西，0.669。68 估計(jì)出估計(jì)出Pool方程后，可以按下述方法檢驗(yàn)輸出結(jié)果：方程后，可以按下述方法檢驗(yàn)輸出結(jié)果： 選擇選擇View/Representations檢查輸出。檢查輸出。EViews把把Pool估計(jì)成一個(gè)方程的估計(jì)成一個(gè)方程的系統(tǒng)，每個(gè)截面成員一個(gè)方程。系統(tǒng)，每個(gè)截面成員一個(gè)方程。 可能有些復(fù)雜的時(shí)間序列可能有些復(fù)雜的時(shí)間序列/截面數(shù)據(jù)方程不能用截面數(shù)據(jù)方程不能用Pool對象進(jìn)行估計(jì)。對象進(jìn)行估計(jì)。要使