1 第十章PanelData模型 第一步錄入數據第二步分析數據的平穩性 單位根檢驗 第三步平穩性檢驗后分析路徑選擇第四步協整檢驗 第五步回歸模型 2 第一步錄入數據 一請點實例數據二請點錄入數據軟件操作 3 實例數據 錄入企業投資需求模型數據 五家企業和三個變量的20個年度 1935 1954年 觀測值的時間序列 數據略 5家企業 3個變量 GM 通用汽車公司I 總投資CH 克萊斯勒公司M 前一年企業的市場價值GE 通用電器公司 反映企業的預期利潤 WE 西屋公司K 前一年末工廠存貨和設備的價值US 美國鋼鐵公司 反映企業必要重置投資期望值 4 錄入數據軟件操作 EVIEW6 0 方式一File New WorkfileWorkfilestructuretype Dated regularfrequencyStartdate1935Enddate1954OKObjects NewObject TypeofObjectpoolOKCrossSectionIdentifiers GM CH GE WE USView SpreadsheetView i m k 方式二 方式是否正確 有待考證 File New WorkfileWorkfilestructuretype BalancedPanelStartdate1935Enddate1954Numberofcross1OKCrossSectionIdentifiers GM CH GE WE USView SpreadsheetView i m k 5 第二步分析數據的平穩性 單位根檢驗 請點說明請點軟件操作結果點檢驗結果1結果2 6 分析數據的平穩性 單位根檢驗 說明注 所有序列者要檢驗 原 不穩定 Hadri除外 Hadri中原 穩定 目的 防止虛假回歸或偽回歸方法 相同根下 LLC Breintung Hadri不同根下 IPS ADF Fisher和PP Fisher5模式 三種檢驗模式 既有趨勢又有截距 只有截距 以上都無 對面板序列繪制時序圖做出模式選擇 秩序 水平 level 一階差分 二階甚至高階差分直至序列平穩為止 備注 ADF檢驗是通過三個模型來完成 首先從含有截距和趨勢項的模型開始 再檢驗只含截距項的模型 最后檢驗二者都不含的模型 并且認為 只有三個模型的檢驗結果都不能拒絕原假設時 我們才認為時間序列是非平穩的 而只要其中有一個模型的檢驗結果拒絕了零假設 就可認為時間序列是平穩的 7 分析數據的平穩性軟件操作 在Pool對象 View UnitRootTest 輸入相應的Pool序列名 填寫模式 先做序列圖再選擇 填寫秩序 選擇檢驗方法 填寫序列名 右邊所有欄目軟件自動填寫無需更改 8 例10 4中I 的水平變量的所有方法的單位根檢驗結果 各種方法的結果 除Breitung檢驗外 都接受原假設 I 存在單位根 是非平穩的 只有此處小于0 05 說明除此法外都認為非平穩 9 例10 4中I 的一階差分變量的所有方法的單位根檢驗結果 各種方法的結果都拒絕原假設 所以可以得出結論 I 是I 1 的 所有P值均小于0 05 說明平穩 10 第三步平穩性檢驗后分析路徑選擇 平穩性檢驗后若 變量之間是非同階單整請點思路一序列變換變量之間是同階單整請點思路二協整檢驗 11 思路一 變量之間是非同階單整 序列變換 變量之間是非同階單整的指即面板數據中有些序列平穩而有些序列不平穩 此時不能進行協整檢驗與直接對原序列進行回歸 對序列進行差分或取對數使之變成同階序列若變換序列后均為平穩序列可用變換后的序列直接進行回歸若變換序列后均為同階非平穩序列 則請點思路二 12 思路二變量之間是同階單整 協整檢驗 請點協整檢驗說明請點軟件操作結果判定請點123協整檢驗通過 請點因果分析 請點回歸分析協整檢驗沒通過 若均為2階單整 則都取差分或都取對數生成新序列進行單位根檢驗否是1階單整 取差分或對數后都會變成1階單整 如是對新序列進行協整檢驗 如無法達成協整 分析終止 若均為1階單整 直接全取差分或全取對數 進行回歸分析 13 協整檢驗說明 原 不存在協整面板數據的協整檢驗方法可以分為兩大類 一類是建立在EngleandGranger二步法檢驗基礎上的面板協整檢驗 具體方法主要有Pedroni檢驗和Kao檢驗 另一類是建立在Johansen協整檢驗基礎上的面板協整檢驗 1 Pedroni檢驗2 Kao檢驗3 Johansen面板協整檢驗 14 Pool序列的協整檢驗 在EViews中打開pool對象 選擇Views CointegrationTest 則顯示協整檢驗的對話框 圖10 6面板數據的協整檢驗的對話框 協整檢驗操作 15 Pedroni檢驗 原假設 無協整關系 此欄目下P值均小于0 05存在協整關系 此欄目下P值均兩個小于0 05存在協整關系一個大于0 05 不支持協整 16 表10 8Kao檢驗和Pedroni檢驗結果 滯后階數由SIC準則確定 除此項外均支持協整 17 表10 8Johansen面板協整檢驗結果 選擇序列有確定性趨勢而協整方程只有截距的情況 注 加 表示在5 的顯著性水平下拒絕原假設而接受備擇假設 上述檢驗結果檢驗的樣本區間為1991 2003年 從表10 8和表10 9的檢驗結果可以看出 我國29個省市的城鎮居民消費和收入的面板數據之間存在協整關系 支持協整 18 格蘭杰因果檢驗 因果檢驗的前提是變量協整 Eviews好像沒有在POOL窗口中提供Grangercausalitytest 如果想對面板數據中的某些合成序列做因果檢驗的話 不妨先導出相關序列到一個組中 POOL窗口中的Proc MakeGroup 再來試試 因果分析 19 一確定影響形式固定影響隨機影響二確定模型形式形式一形式二形式三估計方法說明一二三確定后就可以進行模型最終的設定與估計 略 自已去完成 回歸模型 20 可編輯 21 一確定影響形式 請點 說明請點 軟件操作 22 一確定影響形式說明 方法Hausman檢驗 原 應建立隨機效應模型 步驟首先 建立隨機效應回歸其次 用Hausman檢驗該模型是否是隨機效應模型 23 一確定影響形式軟件操作 第一步 建立建立隨機效應回歸 POOL ESTIMATE如右窗口點確定結果請點結果 此處選random 由于自變量前系數不變 所以自變量填寫在此處 24 第二步 Hausman檢驗原假設 應建立隨機效應模型在軟件的上一步分析的結果窗口 見左圖 進行如下操作 View Fixed RandomEffectsTesting CorrelatedRandomEffects HausmanTest請點結果 25 中部地區模型的HausmanTest結果 由 10 3 68 式構造的中部地區模型的HausmanTest統計量 W 是0 29 p值是0 59 接受原假設 隨機影響模型中個體影響與解釋變量不相關 結論 可以將模型設定為隨機模型 P值大于0 05 所以接受原假設 應建立隨機效應模型 26 說明 1 模型有三種形式形式一 變系數模型形式二 固定影響模型形式二 不變參數模型 2 根據F檢驗確定上述三種形式之一請點 確定模型形式的F檢驗 二確定模型形式 27 確定模型形式的F檢驗原假設 兩個如下H1 H2 判定規則 接受假設H2則為不變參數模型 模型三 檢驗結束 拒絕假設H2 則檢驗假設H1 如接受H1 則模型為變截距模型 模型二 若拒絕H1 則模型為變參數模型 模型一 構建統計量 請點F統計量 28 構建變參數模型得殘差平方和S1并考慮其自由度請點構建變截距模型得殘差平方和S2并考慮其自由度請點構建不變參數模型得殘差平方和S3并考慮其自由度請點計算F2統計量獲得S1 S2 S3后手工計算F2 F1 并查找臨界值做出判定請點 判定規則請點判定實例 假設檢驗的F統計量的計算方法 29 例10 5中系數 和 取何種形式可以利用模型形式設定檢驗方法來確定 1 首先分別計算3種形式的模型 變參數模型 變截距模型和不變參數模型 在每個模型的回歸統計量里可以得到相應的殘差平方和S1 339121 5 S2 444288 4和S3 1570884 2 按 10 2 7 式和 10 2 8 式計算F統計量 其中N 5 k 2 T 20 得到的兩個F統計量分別為 F1 S2 S1 8 S1 85 3 29F2 S3 S1 12 S1 85 25 73利用函數 qfdist d k1 k2 得到F分布的臨界值 其中d是臨界點 k1和k2是自由度 在給定5 的顯著性水平下 d 0 95 得到相應的臨界值為 F 2 12 85 1 87F 1 8 85 2 049由于F2 1 87 所以拒絕H2 又由于F1 2 049 所以也拒絕H1 因此 例10 5的模型應采用變系數的形式 模型形式檢驗步驟 注要手工計算 30 模型一變系數模型 根據以前所做的影響效應填寫 POOL ESTIMATE如右窗口點確定結果請點結果 由于自變量前系數可變 所以自變量填寫在此處 31 手工記下S1 手工記下 自由度為N T K 1 32 模型二 固定影響 FixedEffects i j i j 說明軟件給出的固定影響分為 一總體均值二個體對總體的偏離 由于自變量前系數不變 所以自變量填寫在此處 POOL ESTIMATE如右窗口點確定結果請點結果 33 記下S2 記下 自由度為N T 1 K 34 附注 包含時期個體恒量的固定影響變截距模型 35 36 模型三 不變參數模型 所有截面截距相同 系數相同 由于自變量前系數不變 所以自變量填寫在此處 截距也不變 在此填寫C 小心此處選 NONE 點確定結果請點結果 37 所有的截面的系數相等 和將5個公司的數據接到一起 用OLS的估計結果相同 記下S3 記下自由度為NT K 1 38 1 橫截面的異方差與序列的自相關性是運用面板數據模型時可能遇到的最為常見的問題 此時運用OLS可能會產生結果失真 因此為了消除影響 對我國東 中 西部地區的分析將采用不相關回歸方法 SeeminglyUnrelatedRegression SUR 來估計方程 而對于全國范圍內的估計來說 由于橫截面個數大于時序個數 所以采用截面加權估計法 CrossSectio