面板數(shù)據(jù)知識入門

PanelPanelData變量）信息的數(shù)據(jù)結(jié)構(gòu)稱為面板數(shù)據(jù)變量）信息的數(shù)據(jù)結(jié)構(gòu)稱為面板數(shù)據(jù)12310.110.1Pool410.1.110.1.1含有Pool用Pool對象中的過程可以實現(xiàn)對各種PanelData模型的估5 是建立表示截面成員的名稱表。為明 型的數(shù)據(jù)結(jié)構(gòu)。在上面的例子中，EViews會自動把這個61Pool

I：總投

WE：鋼鐵公司

782.Pool在Pool中使用序列的關(guān)鍵是序列命名：使用基本名和2.Pool關(guān)系，只要易于識別就行了。但是必須注意要保持一致可以把識別名稱放在基本名的后面，此時序列名為基本名的前面，此時序列名為JPN＿GDP，USA＿GDP，關(guān)系，只要易于識別就行了。但是必須注意要保持一致不能這樣命名序列：JPNGDP，GDPUSA，UKGDP1，因93.Pool就可以利用這些序列使用Pool了。其中關(guān)鍵是要理解3.Pool一個Pool序列實際就是一組序列, 序列名是由基本名和，其中“?”代表截面識別名。如果序列名為GDPJPN，5.5.Pool10.1.2輸入Pool 1.I代表企業(yè)總投資、M代表前一年企業(yè)的市場價值、K代EViews會自動按附錄A中介紹的標(biāo)準(zhǔn)輸入程序 153.3.打開Pool，選擇View/Spreadsheet（stackeddata），_US，通過輸入：I?M?K?，指示EViews來創(chuàng)建如下序列：4.要使用Pool對象從文件數(shù)據(jù)，先打開Pool，然后選擇Procs/ImportPoolData(ASCII,.XLS,.WK?)…，要使用與Pool 10.1.310.1.3輸出Pool 專門適用于Pool數(shù)據(jù)的工具?？梢允褂肊Views對與一特定用數(shù)據(jù)表形式查看堆積數(shù)據(jù)。選擇View/Spreadsheet(stackeddata)，然后列出要顯示的序列。序列名包括普通序列可以使用Pool對象計算序列的描述統(tǒng)計量。在 在編輯框內(nèi)輸入計算描述統(tǒng)計量的序列。EViews可以Individual（單獨的）:利用所有的有效觀測值。即使某一變量的觀測值是針對某一截面成員的，也計算在Common（截面共同的）: 使用的有效觀測值必Balanced（平衡的）: 使用的有效觀測值必須是 data）:計算表中每一變量 :時期變量（Timeperiodspecific）計算時期特性注意，后面兩種方法可能產(chǎn)生很多輸出結(jié)果。截面成員描述計算會對每一變量/截面成員組合產(chǎn)生一系列結(jié)果?？梢允褂肞oolGenr(panelgenr)程序生成或者修改Pool序列。點擊式，使用正確的Pool名稱。例如上面的例子，輸入：r_CM=I_CM/I_USr_CH=I_CH/I_USr_GE=I_GE/I_USr_WE=I_WE/I_USr_US=I_US/I_USPoolGenr按照輸入的方程在各截面成員間進(jìn)行循環(huán)計例如，要生成一個虛擬變量，在 鋼鐵（US）時把US值設(shè)置為1，在主菜單選擇Genr，然后輸入：面成員間的計算。例如，建立一普通序列IS，在主菜單選擇GenrIS=0，即初始值設(shè)為0選擇Procs/MakeGroup輸入普通序列和Pool序列名稱，Pool可用來刪除和存取序列。只需選擇Procs/DeletepoolseriesProcs/Storepoolseries(DB)…Procs/Fetchpool10.1.510.1.5Poolyit=ait+tβit+uiti=1,2,…,N t=1,2,…, 式(10.1.1)kNT個時間N表示截面成員的個數(shù)，T表示每個截面uu

在式(10.1.1)描述的模型中，自由度（NT）遠(yuǎn)遠(yuǎn)小于N個截面成員方程的PanelData模型；在時間點上截面，T個時期方程的PanelData模型。yi= +xiβi+i=1,2,…, yixi的各分量是截面成員的經(jīng)濟指標(biāo)時間序列，例如若截面成員代表各不同地區(qū)，則yi和xii地區(qū)的消費和收入、u

0β1

y

u =a

+

２+

2

0 yN aN

xNβN uNyt=μ+xtγt+t=1,2,…, 其中：yt是N·1維被解釋變量向量，xt是N·k維解釋變量矩陣，ytxtt的各截面成員的經(jīng)2003年各不同地區(qū)的消費和收入、物價等t2方差為sv的假設(shè)。2

m1

0γ

v 2=

2+

2+

2

0

yT

mT

γT vTT TN個截面成員方程的式（10.1.2）T個N個截面成員方程的PanelData模型10.1.6如何估計Pool 復(fù)選框Balanced Sample說明在各截面成員間進(jìn)行數(shù)據(jù) Cross-sectionspecific:——此欄中輸入的變量對Pool不同的系數(shù)，并使用截面成員識別名后跟一般序列名，中間 Periodspecific:——此欄中輸入的變量對Pool中每個 M_GE_WE--M_WE_US--M_US和_GM--K_GM_CH--和K?的各時期的估計系數(shù)：C_1935,C_1936,…,K?_1935，K?_1936,…,M?_1935，M?_1936,…,等等。 不變系數(shù)模型：aiaj,βiβj變截距模型：aiajβiβ變參數(shù)模型：aiajβiβ

對于變截距模型，在橫截面上影響不同，影響表現(xiàn)為模型中被忽略的反映差異的變量的影響，又分為對于變參數(shù)模型，除了存在影響外，在橫截面上還在對PanelData模型進(jìn)行估計時，使用的樣本數(shù)形式設(shè)定不正確，估計結(jié)果將與所要模擬的經(jīng)濟現(xiàn)實偏離甚遠(yuǎn)。因此，建立PanelData模型的第一步便是檢yitaibi點或時期都是一樣的，即檢驗樣本數(shù)據(jù)究竟符合上面H1：===H2：a1=a2==a===可見如果接受假設(shè)H2則可以認(rèn)為樣本數(shù)據(jù)符合模型如果假設(shè)H2，則需檢驗假設(shè)H1。如果接受H1，則認(rèn)為樣本數(shù)據(jù)符合模型(10.1.7)，即模型為變截距模型，反之H1，則認(rèn)為樣本數(shù)據(jù)符合模型(10.1.8)，即模型為F統(tǒng)計量的計算方法。首先計算變S2；不變參數(shù)模型S3。計算F2統(tǒng)

-S1)/[(N-1)(k+1)]~F[(N-1)(k+1),N(T-k-1 (NT-N(k1

在假設(shè)H2下檢驗統(tǒng)計量F2服從相應(yīng)自由度下的F分布。若計算所得到的統(tǒng)計量F2的值不小于給定置信度下的相應(yīng)臨 假設(shè)H2，繼續(xù)檢驗假設(shè)H1。反之，接受H2則即F=(S

-S1)/[(N-1)k]~F[(N-1)k,N(T-k-1 (NT-N(k1

絕H1，則認(rèn)為樣本數(shù)據(jù)符合變參數(shù)模型。 Ii=αi+Miβ1i+Kiβ2i+i=1,2,…,其中：企業(yè)標(biāo)識數(shù)字從1~5，分別對應(yīng)通用汽車(GM)、克萊斯勒(CH)、通用電氣(GE)、西屋(WE)和鋼鐵(US)。被解釋變量I=(I1,I2,I3,I4,I5分別是5家企業(yè)的總投資。解釋變量為MM1M2M3M4M5分別是5家企業(yè)前一年企業(yè)市場價值（反映企業(yè)的預(yù)期利潤）；K=(K1,K2,K3,K4,K5)分別是5家企業(yè)前一年末工廠存貨及設(shè)備價值（反映企的殘差平方和S1=339121.5、S2=444288.4和S3= @qfdist(d,k1,k2)得到F分布的臨界值，其中d是臨F2,a(12,85)= F1,a(8,85)由于F2>1.87，所以 PanelData 型變量對各截面成員的系數(shù)不同，以及估計單獨的AR項系 yi=ai+xiβi+

i=1,2,…,

a1

0β1

a 0 2= 2+ 2+2

a

N N

N N N

Nu

uu￠ uu￠E(uu)

N uu￠uu￠

u N

Ω=s2

T T T[注]設(shè)A=(aij)n·m,B=(bij)p·q，定義A與B的 a11Ba12Ba1mB A?B=a21Ba22Ba2mB an1Ban2BanmB 相當(dāng)于不變參數(shù)模型：ai=aj，bi=bj，在橫截面上無 =a+ β+

yN xN

e 0

Y=

2=

+

++

+

β+

uyNu

e xN N yi1 xi,11

y=

yi

e=

=

i,2k

u=ui2

，

x xi,T

xi,T

iTT iT

T

T EViews將每個變量減去平均值，并用轉(zhuǎn)換后的數(shù)據(jù)，通過

-1 ?FE (xit-xi)(yit-yi

其中y=1y x=1

，xit=(x1,it,x2,it,…,

i=1,2,…, y=m+xβ+a*+ i=1,2,…, 在該形式下，模型（10.3.1）中的反映影響的跨成員體均值截距項（m）和跨成員方程變化的表示截面對總體均ii

Na*=

TβFE=TβFE=i=1t?=y-

-1 T i=1tT

?*

y-

-x

(

x)，x , ,…,

x= iti=1t=1

y ( t

yityi=

/T,

xit 變量均為年度數(shù)據(jù)，樣本區(qū)間為1991~1994年。利用上節(jié)所介紹的模型形式設(shè)定檢驗方法（N=29，k=1，T=4），由式F2= F1= F21.55，所以H2F1<1.67，所以接受 ? =146.0+a*+t=

同，但是1991年～1994其的差異，其中的城鎮(zhèn)居民 xβ i=1,2,…,N，t=1,2,…, ：t ?=

-ai*=(yi-y)-?-(xi-x)β?

=(yt-y)-(xt-x)β? 利用OLS的不變參數(shù)估計，我們得到例10.4 5個公司的方程殘差的方差si2，具有截面異方差性。1 1 0E(uu)

s2 TNii iTis2=(

)2/

，i=1,2,…, it

?its 0 ss =

0 s2 N 矩陣為SN?IT，利用 T T

-1 ?

?I)-1XX

?I)-1y

xxs s

xiyis s

s1NITs s

sIE(uu)

2NT=Σ? s

sI

T s1Nss

s22

2N

s

NN一般項sij=E(ujtuit)，在所有的t時為常數(shù) sij

?FE(?FETi,j=1,2,…, 其中：?F和i ?

=(X-X)(

?I)-1(X

-X1(X-X)(

?I?I)-(Y-Y TT

Y= X=

Y= X=x2

yN

xN

yN xN 10.3.2隨機影響變截距模型(Random隨機影響模型假設(shè)ait項是共同系數(shù)a和不隨時間改變的 量vi的和，vi和殘差ui是不相關(guān)的。yi=a+

+xiβ+ui，i=1,2,…,

Y=~ +w

i

=(e,xi)T·(k

)，wi

1Y= 1

X=

ee

w=

N

N

N 2[(yit-yi)-(xit-xi 2

t NT-N-N(y-a?- N

v?v

= -uN-k-

s2+s s

ss sss2Ω= s2

s2+s v v s

s s

+s2 v有了成分方差?2和?2的估計，可以求出模型(10.3.42)

~?-

~-1

=

X Xi

X yi

=(~,~,,

)￠

2vB=vB

TT(t

~-x-x)i=1,2,…,

N(y-a?- N

N-k-10.3.3Hausman

?￠?- W=-S-

?模型中回歸系數(shù)的估計結(jié)果。S?為兩類模型中回歸系數(shù)估計?b

View/Fixed/RandomEffectsTesting/CorrelatedRandomEffectsHausmanTest，EViews將自動估計相應(yīng)的固定 。樣本區(qū)間為1991~1994年。東部、中部和西部的城鎮(zhèn)居民消費模由（10.3.68）式構(gòu)造的中部地區(qū)模型的HausmanTest 差平方和S1_zhong=20571.8、S2_zhong=30004.2和S3_zhong=@qfdist(d,k1,k2得到F分布的臨界值，其中d是臨Fa2(14,16)= Fa1(7,16)=F2>2.37，所以H2F1<2.66，所以接受H1。 3.672.72注：括號內(nèi)為F統(tǒng)計量臨界值，“*”，“**”分別表示在10%、5%的顯著性水平下

+bj

+v +u其中，j=1,2,3分別代表東部、中部和西部地區(qū)；i=1,2,…， 量，bj代表j地區(qū)中i城市或省份的隨機 92ab 前面所介紹的變截距模型中，橫截面成員的影響是的反映差異的變量的影響。然而現(xiàn)實中變化的經(jīng)濟結(jié)構(gòu)數(shù)隨著橫截面的變化而變化。因此，當(dāng)現(xiàn)實數(shù)據(jù)不支持變截距模型時，便需要考慮這種系數(shù)隨橫截面的變化而yi=ai+xiβi+i=1,2,…, 其中：yi為因變量向量，xiT·k維解釋變量矩陣，參數(shù)ai表示模型的常數(shù)項，bixi的在式(10.4.1)ai和系數(shù)bi都是隨著橫截面的改變而變化的，因此可以將y=~δ+u

i=1,2,…, 其中i

(1x)，diaibi)i Ii=αi+Miβ1i+Kiβ2i+ui，i 13），計算得到的兩個F統(tǒng)計量分別為：F28.635；F16.491。F2(56,319)=1.37；F1a(28，319)=1.51F2>1.37，所以 =a+a*+b + it i=1,2,,29 t=1,2

? =222.23+a

+bt=

使有足夠的觀測值，估計的殘差相關(guān)矩陣還必須是非奇異的。如果有一條不滿足EViews的要求，EViews會顯示錯誤信息：“NearSingularMatrix”。 tetoconvergence控制可行GLS程序。如果選擇，EViews就一直迭代權(quán)重和系數(shù)直WhiteEViews能估計那些廣義異方差性強的協(xié)方差。這種形要得到 標(biāo)準(zhǔn)差和協(xié)方差，點Options按鈕，選擇 表中包含8種選項。默認(rèn)的是最上方的Ordinary項，對應(yīng)式 中的另外7種系數(shù)協(xié)方差形式參見10.5節(jié)的10.5.1~10.5.5式。yit=hiyit-1+i=1,2,…,

+uitt=1,2,…, 其中：xit表示模型中的外生變量向量，包括各 影響和時間趨勢。N表示 截面成員的個數(shù)，Ti表示第i個hh

（i=1,2,…,N

10.6.210.6.2或者在panel工作文件的CointegrationTest…，則 框中左下角的下拉菜單可以在Pedroni(Engle-Grangerbased),Kao(Engle-Grangerbased),Fisher(combinedJohansen).三種檢驗方法之間切換。當(dāng)選擇不

統(tǒng)計量值（P值Kao=1H0：r=1H1：(ri=<Panelv-Panelrho-PanelPP-H0：r=1H1：(ri=<GroupPP-表10.8Johansen133.4128.765.7465.74 11像其他估計對象一樣，可通過在Pool中選擇View/CoefCovarianceMatrix來檢查系數(shù)協(xié)方差矩陣的估計。EViews可以進(jìn)行Pool方程估計參數(shù)的系數(shù)檢驗。選擇View/WaldCoefficienttests…并輸入要檢驗的限制條件。選擇View/Residuals/Table或View/Residuals/Graph可把 殘差序列，選擇Procs/MakeResids。可以檢查估計殘差的同步協(xié)方差矩陣和相關(guān)矩陣。選擇 然后選擇Correlation 選擇Procs/MakeSystem…，填寫 框。像前面一樣創(chuàng)建一個平衡面板結(jié)構(gòu)，在下拉列表中選擇 Panel，選定頻 date）和終止日期（Enddate）以及截面成員的個數(shù)（Numberofcross）。