Eviews6.0面板數(shù)據(jù)操作

Eviews6.0面板數(shù)據(jù)操作一、數(shù)據(jù)輸入1、創(chuàng)建工作文檔。如下圖操作，在 ”workfilecreate”文本框的“workfilestructuretype”選擇“balancedpanel”,”panelspecification”的”startdate”和”enddate”輸入數(shù)據(jù)的起止期間，”wf”輸入工作文檔的名稱，點(diǎn)擊 ”O(jiān)K”即跳出新建的工作文檔 a界面。2、創(chuàng)建新對象。操作如下圖。在 ”newobject”文本框的”typeofobject”選擇”pool”，”nameforobject”輸入新對象的名稱。創(chuàng)建成功后的界面如下面第 3張圖所示。-3、輸入數(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”serieslist”輸入變量名稱，注意變量后要加問號。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“workfilesave”文本框選擇“ ok”即可，則自動保存到我的文檔。然后在“workfile”界面如下會顯示保存路徑： d:\mydocuments\a.wf1。若要保存到自己選擇的路徑下面，則在保存時(shí)選擇“ saveas”,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 ”makegroup”后在跳出的”serieslist”里輸入要單位根檢驗(yàn)的變量，完成后就會跳出如下圖 3所示的組數(shù)據(jù)。（2）生成時(shí)序圖。如下圖操作。在 ”graghoptions”界面的”specifi”下選擇生成的時(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，以確定單位根檢驗(yàn)的檢驗(yàn)?zāi)Ｊ健＃?）單位根檢驗(yàn)。單位根檢驗(yàn)時(shí)，在”groupunitroottest”里的”testforrootin”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 ”1stdifference”、二階差分 ”2nddifference”?！眎ncludeintestequation”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)該選擇含有截距項(xiàng)和趨勢的檢驗(yàn)?zāi)Ｊ剑?即”includeintestequation”選擇”individualinterceptandtrend”。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（ testtype）較多，可以使用 LLC、IPS、Breintung、ADF-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)） ?；旌夏Ｐ停?yit xit it i 1,2, ,N;t 1,2, ,T變截距模型：yixititit變系數(shù)模型：yixitititi

i1,2,,N;t1,2,,Ti1,2,,N;t1,2,,T判斷一個(gè)面板數(shù)據(jù)究竟屬于哪種模型，用F統(tǒng)計(jì)統(tǒng)計(jì)量：F1(S2S1)/N1KFN1K,N(TK1)S1/NTN(K1)F2(S3S1)/N1(K1)S1/NTN(K1)FN1(K1),N(TK1)來檢驗(yàn)以下兩個(gè)假設(shè)：H1:12N，H2:12N,12N。其中，S1、S2、S3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F2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)H2，用混合模型擬合樣本。反之，則需用F1檢驗(yàn)假設(shè)H1，如果計(jì)算得到的 F1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) H1，用變截距模型擬合，否則用變系數(shù)模型擬合。具體操作：1）、分別對面板數(shù)據(jù)進(jìn)行 3種類型模型的回歸，得到 S1、S2、S3。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)擊 按鈕，在跳出的“ serieslist”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“poolestimation”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(S2S1)/N1KF1NTN(KFN1K,N(TK1)S1/1)(S3S1)/N1(K1)F2S1/NTN(KFN1(K1),N(TK1)1)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 ，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477.4820-315.8649②t-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。③R-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。AdjustR-seqaured為修正的R-squared，與R-squared有相似意義。④F-statistic表示模型擬合樣本的效果，即選擇的所有自變量對因變量的解釋力度。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。⑤Durbin-Watsonstat：檢驗(yàn)殘差序列的自相關(guān)性。其值在0-4之間。_01_02_03_0