当前位置：搜档网 › eviews面板数据实例分析(包会)

eviews面板数据实例分析(包会)

1.已知1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（cp，不变价格）和人均收入（ip，不变价格）居民，利用数据（1）建立面板

数据（panel data）工作文件；（2）定义序列名并输入数据；（3）估计选择面板模型；（4）面板单位根检验。

年人均消费（consume）和人均收入（income）数据以及消费者价格指数（p）分别见表9.1，9.2和9.3。

表9.1 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（元）数据人均消费1996 1997 1998 1999 2000 2001 2002

CONSUMEAH 3607.43 3693.55 3777.41 3901.81 4232.98 4517.65 4736.52

CONSUMEBJ 5729.52 6531.81 6970.83 7498.48 8493.49 8922.72 10284.6

CONSUMEFJ 4248.47 4935.95 5181.45 5266.69 5638.74 6015.11 6631.68

CONSUMEHB 3424.35 4003.71 3834.43 4026.3 4348.47 4479.75 5069.28

CONSUMEHLJ 3110.92 3213.42 3303.15 3481.74 3824.44 4192.36 4462.08

CONSUMEJL 3037.32 3408.03 3449.74 3661.68 4020.87 4337.22 4973.88

CONSUMEJS 4057.5 4533.57 4889.43 5010.91 5323.18 5532.74 6042.6

CONSUMEJX 2942.11 3199.61 3266.81 3482.33 3623.56 3894.51 4549.32

CONSUMELN 3493.02 3719.91 3890.74 3989.93 4356.06 4654.42 5342.64

CONSUMENMG 2767.84 3032.3 3105.74 3468.99 3927.75 4195.62 4859.88

CONSUMESD 3770.99 4040.63 4143.96 4515.05 5022 5252.41 5596.32

CONSUMESH 6763.12 6819.94 6866.41 8247.69 8868.19 9336.1 10464

CONSUMESX 3035.59 3228.71 3267.7 3492.98 3941.87 4123.01 4710.96

CONSUMETJ 4679.61 5204.15 5471.01 5851.53 6121.04 6987.22 7191.96

CONSUMEZJ 5764.27 6170.14 6217.93 6521.54 7020.22 7952.39 8713.08

表9.2 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均收入（元）数据人均收入1996 1997 1998 1999 2000 2001 2002

INCOMEAH 4512.77 4599.27 4770.47 5064.6 5293.55 5668.8 6032.4

INCOMEBJ 7332.01 7813.16 8471.98 9182.76 10349.69 11577.78 12463.92

INCOMEFJ 5172.93 6143.64 6485.63 6859.81 7432.26 8313.08 9189.36

INCOMEHB 4442.81 4958.67 5084.64 5365.03 5661.16 5984.82 6679.68

INCOMEHLJ 3768.31 4090.72 4268.5 4595.14 4912.88 5425.87 6100.56

INCOMEJL 3805.53 4190.58 4206.64 4480.01 4810 5340.46 6260.16

INCOMEJS 5185.79 5765.2 6017.85 6538.2 6800.23 7375.1 8177.64

INCOMEJX 3780.2 4071.32 4251.42 4720.58 5103.58 5506.02 6335.64

INCOMELN 4207.23 4518.1 4617.24 4898.61 5357.79 5797.01 6524.52

INCOMENMG 3431.81 3944.67 4353.02 4770.53 5129.05 5535.89 6051

INCOMESD 4890.28 5190.79 5380.08 5808.96 6489.97 7101.08 7614.36

INCOMESH 8178.48 8438.89 8773.1 10931.64 11718.01 12883.46 13249.8

INCOMESX 3702.69 3989.92 4098.73 4342.61 4724.11 5391.05 6234.36

INCOMETJ 5967.71 6608.39 7110.54 7649.83 8140.5 8958.7 9337.56

INCOMEZJ 6955.79 7358.72 7836.76 8427.95 9279.16 10464.67 11715.6

表9.3 1996—2002年中国东北、华北、华东15个省级地区的消费者物价指数物价指数1996 1997 1998 1999 2000 2001 2002

PAH 109.9 101.3 100 97.8 100.7 100.5 99

PBJ 111.6 105.3 102.4 100.6 103.5 103.1 98.2

PFJ 105.9 101.7 99.7 99.1 102.1 98.7 99.5

PHB 107.1 103.5 98.4 98.1 99.7 100.5 99

PHLJ 107.1 104.4 100.4 96.8 98.3 100.8 99.3

PJL 107.2 103.7 99.2 98 98.6 101.3 99.5

PJS 109.3 101.7 99.4 98.7 100.1 100.8 99.2

PJX 108.4 102 101 98.6 100.3 99.5 100.1

PLN 107.9 103.1 99.3 98.6 99.9 100 98.9

PNMG 107.6 104.5 99.3 99.8 101.3 100.6 100.2

PSD 109.6 102.8 99.4 99.3 100.2 101.8 99.3

PSH 109.2 102.8 100 101.5 102.5 100 100.5

PSX 107.9 103.1 98.6 99.6 103.9 99.8 98.4

PTJ 109 103.1 99.5 98.9 99.6 101.2 99.6

PZJ 107.9 102.8 99.7 98.8 101 99.8 99.1

（1）建立面板数据工作文件

首先建立工作文件。打开工作文件后，过程如下：

建立面板数据库。

在窗口中输入15个不同省级地区的标识。

（2）定义序列名并输入数据

产生3*15个尚未输入数据的变量名。这样可以通过键盘输入或黏贴的方法数据数据。

（3）估计、选择面板模型

打开一个pool窗口，先输入变量后缀（所要使用的变量）。点击Estimate，打开估计窗口。

A.混合模型的估计方法

左边的Common表示相同系数，即表示不同个体有相同的斜率。

相应的表达式是：

?129.630.76it it

CP IP =+ (2.0) (79.7) 2

0.98,4824588r R SSE ==

上式表示15个省级地区的城镇人均指出平均占收入的76%。

B.个体固定效应回归模型的估计方法

将截距项选择区选Fixed effects （固定效应）

相应的表达式为：

1215

?515.60.7036.3537.6...198.6it it CP IP D D D =+-+++ (6.3) (55) 2

0.99,2270386r R SSE ==

其中虚拟变量1215,,...,D D D 的定义是：

1,1,2,...,150,i i i D =?=??如果属于第个个体

,其他

15个省级地区的城镇人均指出平均占收入70%。从上面的结果可以看出北京市

居民的自发性消费明显高于其他地区。

接下来用F 统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。

0H ：i αα=。模型中不同个体的截距相同（真实模型为混合回归模型）。 1H ：模型中不同个体的截距项i α不同（真实模型为个体固定效应回归模型）。

F 统计量定义为：

()/[(1)()]()/(1)

/()/()

r u r u u u SSE SSE NT k NT N k SSE SSE N F SSE NT N k SSE NT N k --------=

=----

其中r SSE 表示约束模型，即混合估计模型的残差平方和，u SSE 表示非约束模型，即个体固定效应回归模型的残差平方和。非约束模型比约束模型多了1N -个被估参数。

所以本例中：

0.05(4824588227386)/(151)

8.1

(14,89) 1.82270386/(105151)

F F --=

==--

所以推翻原假设，建立个体固定效应回归模型更合理。

C.时点固定效应回归模型的估计方法将时间选择为固定效应。

得到如下输出结果：

相应的表达式为：

127

? 2.60.78105.9134.1...93.9it it CP IP D D D =++++- (76.6) 2

0.987,4028843R SSE ==

其中虚拟变量127,,...,D D D 的定义是：

1,0,t D ?=??如果属于第t 个截面，t=1996,...,2002其他

D.个体随机效应回归模型估计

截距项选择Random effects（个体随机效应）

得到如下部分输出结果：

相应的表达式是：

1215

?345.20.72 2.6367.0...106.1it it CP IP D D D =+-+++ (68.5) 2

0.98,2979246R SSE ==

其中虚拟变量1215,,...,D D D 的定义是：

1,0,i D ?=?

?如果属于第i 个个体,i=1,2,...,15

其他

接下来利用Hausman 统计量检验应该建立个体随机效应回归模型还是个体固定效应回归模型。

0H ：个体效应与回归变量（it IP ）无关（个体随机效应回归模型） 1H ：个体效应与回归变量（it IP ）相关（个体固定效应回归模型）

分析过程如下：

得到如下检验结果：

由检验输出结果的上半部分可以看出，Hausman统计量的值是14.79，相对应的概率是0.0001，即拒接原假设，应该建立个体固定效应模型。

检验结果的下半部分是Hausman检验中间结果比较。个体固定效应模型对参数的估计值为0.697561，随机效应模型对参数的估计值为0.724569。两个参数的估计量的分布方差的差为0.000049。

综上分析，1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费和人金收入问题应该建立个体固定效应回归模型。人均消费平均占人均收入的70%。随地区不同，自发消费（截距项）存在显著性差异。

（4）面板单位根检验

以cp序列为例。

首先在工作文件窗口中打开cp变量的15个数据组。

单位根检验过程如下：

得到如下检验结果：

从上面的检验结果可以看出来，6种检验方法的结论都认为15个cp序列存在单位根。

选择IPS检验方法进行单位根检验。检验结果如下：

从上面的结果可以看出，cp面板存在单位根，同时每个个体都存在单位根。

2.收集中国2000—2005年各地区城镇居民人均可支配收入X和消费指出Y统计数据如表9.4。数据是6年的，每一年都有32组数据，共192组观测值。

人均可支配收入和消费支出数据（单位：元）

2000 2001 2002 2003 2004 2005

地区可支

配收

入

消费

支出

可支

配收

入

消费

支出

可支

配收

入

消费

支出

可支

配收

入

消费

支出

可支

配收

入

消费

支出

可支

配收

入

消费

支出X Y X Y X Y X Y X Y X Y

全国6279.9

4998

.00

6859.5

5309

.01

7702.8

6029

.88

8472.2

6510

.94

9421.6

7182

.10

10493.

7942

.88

北京10349.

8493

.49

11577.

8922

.72

12463.

1028

4.60

13882.

1112

3.84

15637.

1220

0.40

17652.

1324

4.20

天津8140.5

6121

.04

8958.7

6987

.22

9337.5

7191

.96

10312.

7867

.53

11467.

8802

.44

12638.

9653

.26

河北5661.1

4348

.47

5984.8

4479

.75

6679.6

5069

.28

7239.0

5439

.77

7951.3

5819

.18

9107.0

6699

.67

山西4724.1

3941

.87

5391.0

4123

.01

6234.3

4710

.96

7005.0

5105

.38

7902.8

5654

.15

8913.9

6342

.63

内

蒙古5129.0

3927

.75

5535.8

4195

.62

6051.0

4859

.88

7012.9

5419

.14

8122.9

6219

.26

9136.7

6928

.60

辽宁5357.7

4356

.06

5797.0

4654

.42

6524.5

5342

.64

7240.5

6077

.92

8007.5

6543

.28

9107.5

7369

.27

吉林4810.0

4020

.87

5340.4

4337

.22

6260.1

4973

.88

7005.1

5492

.10

7840.6

6068

.99

8690.6

6794

.71

黑

龙江4912.8

3824

.44

5425.8

4192

.36

6100.5

4462

.08

6678.9

5015

.19

7470.7

5567

.53

8272.5

6178

.01

上海11718.

8868

.19

12883.

9336

.10

13249.

1046

4.00

14867.

1104

0.34

16682.

1263

1.03

18645.

1377

3.41

江苏6800.2

5323

.18

7375.1

5532

.74

8177.6

6042

.60

9262.4

6708

.58

10481.

7332

.26

12318.

8621

.82

浙江9279.1

7020

.22

10464.

7952

.39

11715.

8713

.08

13179.

9712

.89

14546.

1063

6.14

16293.

1225

3.74

安徽5293.5

4232

.98

5668.8

4517

.65

6032.4

4736

.52

6778.0

5064

.34

7511.4

5711

.33

8470.6

6367

.67

福建7432.2

5638

.74

8313.0

6015

.11

9189.3

6631

.68

9999.5

7356

.26

11175.

8161

.15

12321.

8794

.41

江西5103.5

3623

.56

5506.0

3894

.51

6335.6

4549

.32

6901.4

4914

.55

7559.6

5337

.84

8619.6

6109

.39

山东6489.9

5022

.00

7101.0

5252

.41

7614.3

5596

.32

8399.9

6069

.35

9437.8

6673

.75

10744.

7457

.31

河南4766.2

3830

.71

5267.4

4110

.17

6245.4

4504

.68

6926.1

4941

.60

7704.9

5294

.19

8667.9

6038

.02

湖北5524.5

4644

.50

5855.9

4804

.79

6788.5

5608

.92

7321.9

5963

.25

8022.7

6398

.52

8785.9

6736

.56

湖南6218.7

5218

.79

6780.5

5546

.22

6958.5

5574

.72

7674.2

6082

.62

8617.4

6884

.61

9523.9

7504

.99

广东9761.5

8016

.91

10415.

8099

.63

11137.

8988

.48

12380.

9636

.27

13627.

1069

4.79

14769.

1180

9.87

广西5834.4

4852

.31

6665.7

5224

.73

7315.3

5413

.44

7785.0

5763

.50

8689.9

6445

.73

9286.7

7032

.80

海南5358.3

4082

.56

5838.8

4367

.85

6822.7

5459

.64

7259.2

5502

.43

7735.7

5802

.40

8123.9

5928

.79

重庆6275.9

5569

.84

6721.0

5873

.69

7238.0

6360

.24

8093.6

7118

.06

9220.9

7973

.05

10243.

8623

.29

四川5894.2

4855

.78

6360.4

5176

.17

6610.8

5413

.08

7041.8

5759

.21

7709.8

6371

.14

8385.9

6891

.27

贵州5122.2

4278

.28

5451.9

4273

.90

5944.0

4598

.28

6569.2

4948

.98

7322.0

5494

.45

8151.1

6159

.29

云南6324.6

5185

.31

6797.7

5252

.60

7240.5

5827

.92

7643.5

6023

.56

8870.8

6837

.01

9265.9

6996

.90

西藏7426.3

5554

.42

7869.1

5994

.39

8079.1

6952

.44

8765.4

8045

.34

9106.0

8338

.21

9431.1

8617

.11

陕西5124.2

4276

.67

5483.7

4637

.74

6330.8

5378

.04

6806.3

5666

.54

7492.4

6233

.07

8272.0

6656

.46

甘肃4916.2

4126

.47

5382.9

4420

.31

6151.4

5064

.24

6657.2

5298

.91

7376.7

5937

.30

8086.8

6529

.20

青海5169.9

4185

.73

5853.7

4698

.59

6170.5

5042

.52

6745.3

5400

.24

7319.6

5758

.95

8057.8

6245

.26

宁夏4912.4

4200

.50

5544.1

4595

.40

6067.4

5104

.92

6530.4

5330

.34

7217.8

5821

.38

8093.6

6404

.31

新疆5644.8

4422

.93

6395.0

4931

.40

6899.6

5636

.40

7173.5

5540

.61

7503.4

5773

.62

7990.1

6207

.52

首先建立工作文件，打开工作文件后，过程如下：

建立面板数据库，并命名为XY。

输入不同省市（包括全国）的标识，如下：

点击sheet键，定义变量X和Y。

点击Edit+/-后，在数据窗口键入数据即可。

对模型进行估计，建立个体固定效应回归模型，过程如下：

得到如下输出结果：

eviews面板数据实例分析

1、已知1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费(cp,不变价格)与人均收入(ip,不变价格)居民,利用数据(1)建立面板数据(panel data)工作文件;(2)定义序列名并输入数据;(3)估计选择面板模型;(4)面板单位根检验。年人均消费(consume)与人均收入(income)数据以及消费者价格指数(p)分别见表9、1,9、2与9、3。表9、1 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费(元)数据人均消费1996 1997 1998 1999 2000 2001 2002 CONSUMEAH 3607、43 3693、55 3777、41 3901、81 4232、98 4517、65 4736、52 CONSUMEBJ 5729、52 6531、81 6970、83 7498、48 8493、49 8922、72 10284、6 CONSUMEFJ 4248、47 4935、95 5181、45 5266、69 5638、74 6015、11 6631、68 CONSUMEHB 3424、35 4003、71 3834、43 4026、3 4348、47 4479、75 5069、28 CONSUMEHLJ 3110、92 3213、42 3303、15 3481、74 3824、44 4192、36 4462、08 CONSUMEJL 3037、32 3408、03 3449、74 3661、68 4020、87 4337、22 4973、88 CONSUMEJS 4057、5 4533、57 4889、43 5010、91 5323、18 5532、74 6042、6 CONSUMEJX 2942、11 3199、61 3266、81 3482、33 3623、56 3894、51 4549、32 CONSUMELN 3493、02 3719、91 3890、74 3989、93 4356、06 4654、42 5342、64 CONSUMENMG 2767、84 3032、3 3105、74 3468、99 3927、75 4195、62 4859、88 CONSUMESD 3770、99 4040、63 4143、96 4515、05 5022 5252、41 5596、32 CONSUMESH 6763、12 6819、94 6866、41 8247、69 8868、19 9336、1 10464 CONSUMESX 3035、59 3228、71 3267、7 3492、98 3941、87 4123、01 4710、96 CONSUMETJ 4679、61 5204、15 5471、01 5851、53 6121、04 6987、22 7191、96 CONSUMEZJ 5764、27 6170、14 6217、93 6521、54 7020、22 7952、39 8713、08 表9、2 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均收入(元)数据人均收入1996 1997 1998 1999 2000 2001 2002 INCOMEAH 4512、77 4599、27 4770、47 5064、6 5293、55 5668、8 6032、4 INCOMEBJ 7332、01 7813、16 8471、98 9182、76 10349、69 11577、78 12463、92 INCOMEFJ 5172、93 6143、64 6485、63 6859、81 7432、26 8313、08 9189、36 INCOMEHB 4442、81 4958、67 5084、64 5365、03 5661、16 5984、82 6679、68 INCOMEHLJ 3768、31 4090、72 4268、5 4595、14 4912、88 5425、87 6100、56 INCOMEJL 3805、53 4190、58 4206、64 4480、01 4810 5340、46 6260、16 INCOMEJS 5185、79 5765、2 6017、85 6538、2 6800、23 7375、1 8177、64 INCOMEJX 3780、2 4071、32 4251、42 4720、58 5103、58 5506、02 6335、64 INCOMELN 4207、23 4518、1 4617、24 4898、61 5357、79 5797、01 6524、52 INCOMENMG 3431、81 3944、67 4353、02 4770、53 5129、05 5535、89 6051 INCOMESD 4890、28 5190、79 5380、08 5808、96 6489、97 7101、08 7614、36 INCOMESH 8178、48 8438、89 8773、1 10931、64 11718、01 12883、46 13249、8 INCOMESX 3702、69 3989、92 4098、73 4342、61 4724、11 5391、05 6234、36 INCOMETJ 5967、71 6608、39 7110、54 7649、83 8140、5 8958、7 9337、56 INCOMEZJ 6955、79 7358、72 7836、76 8427、95 9279、16 10464、67 11715、6 表9、3 1996—2002年中国东北、华北、华东15个省级地区的消费者物价指数物价指数1996 1997 1998 1999 2000 2001 2002 PAH 109、9 101、3 100 97、8 100、7 100、5 99

EViews面板数据模型估计教程

EViews 6.0 beta在面板数据模型估计中的应用来自免费的minixi 1、进入工作目录cd d:\nklx3，在指定的路径下工作是一个良好的习惯 2、建立面板数据工作文件workfile （1）最好不要选择EViews默认的blanaced panel 类型 Moren_panel （2）按照要求建立简单的满足时期周期和长度要求的时期型工作文件

3、建立pool对象（1）新建对象（2）选择新建对象类型并命名（3）为新建pool对象设置截面单元的表示名称，在此提示下（Cross Section Identifiers: (Enter identifiers below this line )输入截面单元名称。，建议采用汉语拼音，例如29个省市区的汉语拼音，建议在拼音名前加一个下划线“_”，如图

关闭建立的pool对象，它就出现在当前工作文件中。 4、在pool对象中建立面板数据序列双击pool对象，打开pool对象窗口，在菜单view的下拉项中选择spreedsheet （展开表）在打开的序列列表窗口中输入你要建立的序列名称，如果是面板数据序列必须在序列名后添加“?”。例如，输入GDP?，在GDP后的?的作用是各个截面单元的占位符，生成了29个省市区的GDP的序列名，即GDP后接截面单元名，再在接时期，就表示出面板数据的3维数据结构（1变量2截面单元3时期）了。

请看工作文件窗口中的序列名。展开表（类似excel）中等待你输入、贴入数据。（1）打开编辑（edit）窗口

（2）贴入数据（3）关闭pool窗口，赶快存盘见好就收6、在pool窗口对各个序列进行单位根检验选择单位根检验设置单位根检验

Eviews面板大数据之固定效应模型

Eviews 面板数据之固定效应模型在面板数据线性回归模型中，如果对于不同的截面或不同的时间序列，只是模型的截距项是不同的，而模型的斜率系数是相同的，则称此模型为固定效应模型。固定效应模型分为三类： 1.个体固定效应模型个体固定效应模型是对于不同的纵剖面时间序列（个体）只有截距项不同的模型： 2 K it i k kit it k y x u λβ==++∑ (1) 从时间和个体上看，面板数据回归模型的解释变量对被解释变量的边际影响均是相同的，而且除模型的解释变量之外，影响被解释变量的其他所有（未包括在回归模型或不可观测的）确定性变量的效应只是随个体变化而不随时间变化时。检验：采用无约束模型和有约束模型的回归残差平方和之比构造F 统计量，以检验设定个体固定效应模型的合理性。F 模型的零假设： 01231:0N H λλλλ-===???== ()1 (1,(1)1)(1) RRSS URSS N F F N N T K URSS NT N K --= ---+--+ RRSS 是有约束模型（即混合数据回归模型）的残差平方和，URSS 是无约束模型ANCOVA 估计的残差平方和或者LSDV 估计的残差平方和。实践：一、数据：已知1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（cp ，不变价格）和人均收入（ip ，不变价格）居民，利用数据（1）建立面板数据（panel data ）工作文件；（2）定义序列名并输入数据；（3）估计选择面板模型；（4）面板单位根检验。年人均消费（consume ）和人均收入（income ）数据以及消费者价格指数（p ）分别见表1，2和3。表1 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（元）数据

EViews6.0在面板数据模型估计中的操作

EViews 6.0在面板数据模型估计中的实验操作 1、进入工作目录cd d:\nklx3，在指定的路径下工作是一个良好的习惯 2、建立面板数据工作文件workfile （1）最好不要选择EViews默认的blanaced panel 类型 Moren_panel （2）按照要求建立简单的满足时期周期和长度要求的时期型工作文件

3、建立pool对象（1）新建对象（2）选择新建对象类型并命名（3）为新建pool对象设置截面单元的表示名称，在此提示下（Cross Section Identifiers: (Enter identifiers below this line )输入截面单元名称。建议采用汉语拼音，例如29个省市区的汉语拼音，建议在拼音名前加一个下划线“_”，如图

请看工作文件窗口中的序列名。展开表（类似excel）中等待你输入、贴入数据。（1）打开编辑（edit）窗口

（2）贴入数据（3）关闭pool窗口，赶快存盘见好就收6、在pool窗口对各个序列进行单位根检验选择单位根检验设置单位根检验

eviews面板数据模型详解

1.已知1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（cp，不变价格）和人均收入（ip，不变价格）居民，利用数据（1）建立面板数据（panel data）工作文件；（2）定义序列名并输入数据；（3）估计选择面板模型；（4）面板单位根检验。年人均消费（consume）和人均收入（income）数据以及消费者价格指数（p）分别见表9.1，9.2和9.3。表9.1 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（元）数据人均消费1996 1997 1998 1999 2000 2001 2002 CONSUMEAH 3607.43 3693.55 3777.41 3901.81 4232.98 4517.65 4736.52 CONSUMEBJ 5729.52 6531.81 6970.83 7498.48 8493.49 8922.72 10284.6 CONSUMEFJ 4248.47 4935.95 5181.45 5266.69 5638.74 6015.11 6631.68 CONSUMEHB 3424.35 4003.71 3834.43 4026.3 4348.47 4479.75 5069.28 CONSUMEHLJ 3110.92 3213.42 3303.15 3481.74 3824.44 4192.36 4462.08 CONSUMEJL 3037.32 3408.03 3449.74 3661.68 4020.87 4337.22 4973.88 CONSUMEJS 4057.5 4533.57 4889.43 5010.91 5323.18 5532.74 6042.6 CONSUMEJX 2942.11 3199.61 3266.81 3482.33 3623.56 3894.51 4549.32 CONSUMELN 3493.02 3719.91 3890.74 3989.93 4356.06 4654.42 5342.64 CONSUMENMG 2767.84 3032.3 3105.74 3468.99 3927.75 4195.62 4859.88 CONSUMESD 3770.99 4040.63 4143.96 4515.05 5022 5252.41 5596.32 CONSUMESH 6763.12 6819.94 6866.41 8247.69 8868.19 9336.1 10464 CONSUMESX 3035.59 3228.71 3267.7 3492.98 3941.87 4123.01 4710.96 CONSUMETJ 4679.61 5204.15 5471.01 5851.53 6121.04 6987.22 7191.96 CONSUMEZJ 5764.27 6170.14 6217.93 6521.54 7020.22 7952.39 8713.08 表9.2 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均收入（元）数据人均收入1996 1997 1998 1999 2000 2001 2002 INCOMEAH 4512.77 4599.27 4770.47 5064.6 5293.55 5668.8 6032.4 INCOMEBJ 7332.01 7813.16 8471.98 9182.76 10349.69 11577.78 12463.92 INCOMEFJ 5172.93 6143.64 6485.63 6859.81 7432.26 8313.08 9189.36 INCOMEHB 4442.81 4958.67 5084.64 5365.03 5661.16 5984.82 6679.68 INCOMEHLJ 3768.31 4090.72 4268.5 4595.14 4912.88 5425.87 6100.56 INCOMEJL 3805.53 4190.58 4206.64 4480.01 4810 5340.46 6260.16 INCOMEJS 5185.79 5765.2 6017.85 6538.2 6800.23 7375.1 8177.64 INCOMEJX 3780.2 4071.32 4251.42 4720.58 5103.58 5506.02 6335.64 INCOMELN 4207.23 4518.1 4617.24 4898.61 5357.79 5797.01 6524.52 INCOMENMG 3431.81 3944.67 4353.02 4770.53 5129.05 5535.89 6051 INCOMESD 4890.28 5190.79 5380.08 5808.96 6489.97 7101.08 7614.36 INCOMESH 8178.48 8438.89 8773.1 10931.64 11718.01 12883.46 13249.8 INCOMESX 3702.69 3989.92 4098.73 4342.61 4724.11 5391.05 6234.36 INCOMETJ 5967.71 6608.39 7110.54 7649.83 8140.5 8958.7 9337.56 INCOMEZJ 6955.79 7358.72 7836.76 8427.95 9279.16 10464.67 11715.6 表9.3 1996—2002年中国东北、华北、华东15个省级地区的消费者物价指数物价指数1996 1997 1998 1999 2000 2001 2002 PAH 109.9 101.3 100 97.8 100.7 100.5 99

eviews面板数据模型详解(可编辑修改word版)

1.已知1996—2002 年中国东北、华北、华东15 个省级地区的居民家庭人均消费（cp ，不变价格）和人均收入（ip ，不变价格）居民，利用数据（1）建立面板数据（panel data）工作文件；（2）定义序列名并输入数据；（3）估计选择面板模型；（4）面板单位根检验。年人均消费（consume）和人均收入（income）数据以及消费者价格指数（p）分别见表9.1，9.2 和9.3。表9.1 1996—2002 年中国东北、华北、华东15 个省级地区的居民家庭人均消费（元）数据人均消费1996 1997 1998 1999 2000 2001 2002 CONSUMEAH 3607.43 3693.55 3777.41 3901.81 4232.98 4517.65 4736.52 CONSUMEBJ 5729.52 6531.81 6970.83 7498.48 8493.49 8922.72 10284.6 CONSUMEFJ 4248.47 4935.95 5181.45 5266.69 5638.74 6015.11 6631.68 CONSUMEHB 3424.35 4003.71 3834.43 4026.3 4348.47 4479.75 5069.28 CONSUMEHLJ 3110.92 3213.42 3303.15 3481.74 3824.44 4192.36 4462.08 CONSUMEJL 3037.32 3408.03 3449.74 3661.68 4020.87 4337.22 4973.88 CONSUMEJS 4057.5 4533.57 4889.43 5010.91 5323.18 5532.74 6042.6 CONSUMEJX 2942.11 3199.61 3266.81 3482.33 3623.56 3894.51 4549.32 CONSUMELN 3493.02 3719.91 3890.74 3989.93 4356.06 4654.42 5342.64 CONSUMENMG 2767.84 3032.3 3105.74 3468.99 3927.75 4195.62 4859.88 CONSUMESD 3770.99 4040.63 4143.96 4515.05 5022 5252.41 5596.32 CONSUMESH 6763.12 6819.94 6866.41 8247.69 8868.19 9336.1 10464 CONSUMESX 3035.59 3228.71 3267.7 3492.98 3941.87 4123.01 4710.96 CONSUMETJ 4679.61 5204.15 5471.01 5851.53 6121.04 6987.22 7191.96 CONSUMEZJ 5764.27 6170.14 6217.93 6521.54 7020.22 7952.39 8713.08 表9.2 1996—2002 年中国东北、华北、华东15 个省级地区的居民家庭人均收入（元）数据人均收入1996 1997 1998 1999 2000 2001 2002 INCOMEAH 4512.77 4599.27 4770.47 5064.6 5293.55 5668.8 6032.4 INCOMEBJ 7332.01 7813.16 8471.98 9182.76 10349.69 11577.78 12463.92 INCOMEFJ 5172.93 6143.64 6485.63 6859.81 7432.26 8313.08 9189.36 INCOMEHB 4442.81 4958.67 5084.64 5365.03 5661.16 5984.82 6679.68 INCOMEHLJ 3768.31 4090.72 4268.5 4595.14 4912.88 5425.87 6100.56 INCOMEJL 3805.53 4190.58 4206.64 4480.01 4810 5340.46 6260.16 INCOMEJS 5185.79 5765.2 6017.85 6538.2 6800.23 7375.1 8177.64 INCOMEJX 3780.2 4071.32 4251.42 4720.58 5103.58 5506.02 6335.64 INCOMELN 4207.23 4518.1 4617.24 4898.61 5357.79 5797.01 6524.52 INCOMENMG 3431.81 3944.67 4353.02 4770.53 5129.05 5535.89 6051 INCOMESD 4890.28 5190.79 5380.08 5808.96 6489.97 7101.08 7614.36 INCOMESH 8178.48 8438.89 8773.1 10931.64 11718.01 12883.46 13249.8 INCOMESX 3702.69 3989.92 4098.73 4342.61 4724.11 5391.05 6234.36 INCOMETJ 5967.71 6608.39 7110.54 7649.83 8140.5 8958.7 9337.56 INCOMEZJ 6955.79 7358.72 7836.76 8427.95 9279.16 10464.67 11715.6

Eviews面板数据之随机效应模型

随机效应模型的估计原理说明与豪斯曼检验在面板数据的计量分析中，如果解释变量对被解释变量的效应不随个体和时间变化，并且解释被解释变量的信息不够完整，即解释变量中不包含一些影响被解释变量的不可观测的确定性因素，可以将模型设定为固定效应模型，采用反映个体特征或时间特征的虚拟变量（即知随个体变化或只随时间变化）或者分解模型的截距项来描述这些缺失的确定性信息。但是，固定效应模型也存在一定的不足。例如固定效应模型模型中包含许多虚拟变量时，减少了模型估计的自由度；实际应用中，固定效应模型的随机误差项难以满足模型的基本假设，易于导致参数的非有效估计。更为重要的是，它只考虑了不完整的确定性信息对被解释变量的效应，而未包含不可观测的随机信息的效应。为了弥补这一不足，Maddala(1971)将混合数据回归的随机误差项分解为截面随机误差分量、时间随机误差分量和个体时间随机误差分量三部分，讨论如下随机效应模型或双分量误差分解模型（1）： 12 K it k kit i t it k y x u v w ββ==++++∑ (1) 2~(0,)i u u N σ表示个体随机误差分量； 2~(0,)t v v N σ表示时间随机误差分量； 2~(0,)it w w N σ表示个体时间（或混合）随机误差分量。如果模型（1）中只存在截面随机误差分量i u 而不存在时间随机误差分量t v ，则称为个体随机效应模型，否则称为个体时间小于模型。或者称为但分了误差分解模型。下面来介绍这两种模型： 1.个体随机效应模型当利用面板数据研究拥有拥有充分多个体的总体经济特征时，若利用总体数据的固定效应模型就会损失巨大的自由度，使得个体截距项的估计不具有有效性。这时，可以在总体中随机抽取N 个样本，利用这N 个样本的个体随机效应模型： 12 K it k kit i it k y x u w ββ==+++∑ (2) 推断总体的经济规律。其中，个体随机误差项i u 是属于第i 个个体的随机干扰分量，并在整个时间范围（t=1,2,…,T ）保持不变，其反映了不随时间变化的不可观测随机信息的效应。检验：个体随机效应的原假设和备择假设分别是： 20:0u H σ= （混合估计模型）