Eviews面板数据之固定效应模型.doc

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：
(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：

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（，不变价格）和人均收入（，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
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

二、1.输入操作：
步骤：（1）File——New——Workfile

步骤：（2）Start date——End date——OK

步骤：（3）Object——New Object

步骤：（4）Type of object——Pool

步骤：（5）输入所有序列名称

步骤：（6）定义各变量点击sheet—输入consume？income？p?

步骤：（7）将表1、2、3中的数据复制到Eviews中

2.估计操作：
步骤：（1）点击poolmodel——Estimate

对话框说明

Dependent variable:被解释变量；Common：系数相同部分
Cross-section specific:截面系数不同部分
步骤：（2）将截距项选择区选Fixed effects（固定效应）
Cross-section：Fixed

得到如下输出结果：

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。
：。模型中不同个体的截距相同（真实模型为混合回归模型）。
：模型中不同个体的截距项不同（真实模型为个体固定效应回归模型）。
对模型进行检验：

所以推翻原假设，建立个体固定效应回归模型更合理。
RRSS求法请参见Eview面板数据之混合回归模型
相应的表达式为：

(6.64) (49.55)
其中虚拟变量的定义是：

15个省级地区的城镇人均指出平均占收入68.62%。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。

2.时点固定效应模型
时点固定效应模型就是对于不同的截面（时点）有不同截距的模型。如果确知对于不同的截面，模型的截距显著不同，但是对于不同的时间序列（个体）截距是相同的，那么应该建立时点固定效应模型：
(2)
时点固定效应模型与个体固定效应模型的操作区别在于步骤（2），将时间项选择区选 Period：Fixed（时间固定效应）

得到如下结果：

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。
：。模型中不同个体的截距相同（真实模型为混合回归模型）。
：模型中不同个体的截距项不同（真实模型为时间固定效应回归模型）。
对模型进行检验：

所以推翻原假设，可以建立时点固定效应回归模型
RRSS求法请参见Eview面板数据之混合回归模型
相应的表达式为：

(76.0)
其中虚拟变量的定义是：

3.时点个体固定效应模型
时点个体固定效应模型就是对于不同的截面（时点）、不同的时间序列（个体）都有不同截距模型。如果确知对于不同的截面、不同的时间序列（个体）模型的截距都显著地不相同，那么应该建立时点个体固定效应模型：
(3)
时点固定效应模型与个体固定效应模型的操作区别在于步骤（2），将截距项选择区域：Cross-section：fixed（个体固定效应），时间项选择区选 Period：Fixed（时间固定效应）

得到结果如下：
Dependent Variable: CONSUME?

Method: Pooled Least Squares

Date: 07/21/14 Time: 15:44

Sample: 1996 2002

Included observations: 7

Cross-sections included: 15

Total pool (balanced) observations: 105

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
806.6751
221.2143
3.646578
0.0005
INCOME?
0.653338
0.034541
18.91504
0.0000
Fixed Effects (Cross)

AH--C
-94.50854

BJ--C
698.0132

FJ--C
-18.86465

HB--C
-200.3997

HLJ--C
-246.3712

JL--C
-54.16421

JS--C
-31.26919

JX--C
-392.9844

LN--C
47.39508

NMG--C
-284.2660

SD--C
-150.8912

SH--C
465.4906

SX--C
-152.6560

TJ--C
103.9569

ZJ--C
311.5193

Fixed Effects (Period)

1996--C
-59.12373

1997--C
17.95469

1998--C
-31.45564

1999--C
-57.24042

2000--C
36.24382

2001--C
-29.26415

2002--C
122.8854

Effects Specification

Cross-section fixed (dummy variables)

Period fixed (dummy variables)

R-squared
0.993278
    Mean dependent var
4981.017
Adjusted R-squared
0.991577
    S.D. dependent var
1700.985
S.E. of regression
156.1067
    Akaike info criterion
13.12288
Sum squared resid
2022652.
    Schwarz criterion
13.67895
Log likelihood
-666.9514
    Hannan-Quinn criter.
13.34821
F-statistic
584.0406
    Durbin-Watson stat
1.455623
Prob(F-statistic)
0.000000

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。
：
对模型进行检验：

所以推翻原假设，可以建立个体时点固定效应回归模型

12