文档库 最新最全的文档下载
当前位置:文档库 › Panel Data模型EViews操作过程(2013)

Panel Data模型EViews操作过程(2013)

Panel Data模型EViews操作过程(2013)
Panel Data模型EViews操作过程(2013)

Panel Data模型的EViews操作过程

两种模式:

Ⅰ. 关于Panel工作文件;

Ⅱ. 关于Pool对象。

数据的预处理

1.在EXCEL文件中,将每个变量各年的原始数据按照年份顺序排成一列,称之为堆积数据(见表“汇总0”)。

2.输入截面单元的标识(表示地区的符号,前面加_;如:_HB、_NMG等)。

3.将数据表按照时间分类(即排序,见表“汇总”)。

Ⅰ. 关于Panel工作文件的操作过程

案例1:我国农村居民消费函数(2000-2010年,27个省市数据,工作文件:NXF)

一、输入数据

1、创建Panel工作文件

选择File / New / Workfile,在出现的创建工作文件对话框中:

(1)在文件结构类型中,选择“平衡面板(Balanced Panel)”;

(2)输入起始、终止期,截面单元个数。

2.更改截面标识(可以省略)

序列crossid 中是以数字1、2、…标记截面标识,为了便于区分,可以重新定义一个字符串序列。

(1)点击object / New object ,选择series Alpha 并输入序列名(设为dq ); (2)双击dq 序列,在打开的序列窗口中粘贴截面标识的字符串序列;

(3)双击工作文件窗口中的Range ,在弹出的对话框中,将截面标识的的ID 序列改成新的标识序列:

dq

3.输入数据

键入命令:DATA Y X ,然后用复制+粘贴方式从Excel 文件中将各个变量的堆积数据(注意:数据事先要按照截面单元堆积,本例中是按照“地区”)复制到工作文件之中;此时工作文件中各个变量都是堆积数据。

工作文件中将生成分别表示截面标识和时期标识的两个序列:

Crossid — 截面标识 dateid — 时期标识

二、模型估计过程

1.估计混合模型

直接在命令窗口键入命令:LS Y C X

2.估计变截距模型

在方程窗口中点击Estimate按钮,在弹出的方程描述框中选择Panel Options选项卡,此时可以在截面和时期列表中选择None、Fixed、Random,用来选择单因素(或双因素)固定效应、随机效应变截距模型;同时可以选择GMM、GLS、SUR等估计方法。

个体固定效应个体-时期

固定效应

个体-时期随机效应个体固定效应时期随机效应

模型估计结果中只显示解释变量的参数估计值,截距项的估计结果要在View\Fixed/Random Effects中显示。

三、P anel Data模型的检验过程

1.检验是单因素或双因素或混合模型

(1)估计固定效应双因素模型;

(2)在方程窗口中选择View\Fixed/Random Effects Testing/Redundant Fixed Effect,

检验固定效应“冗余”假设是否成立。

2.检验是随机效应或固定效应。 (1)估计(双因素)随机效应模型; (2)在方程窗口中选择:

View\Fixed/Random Effects Testing/Correlate Random Effects ,进行Hausman 检验。

所以模型是双因素模型——同时存在着个体效应和时间效应;其中个体随机效应,时期固定效应。估计结果为:

同时存在个体效应和时间效应

Ⅱ. 关于Pool对象的操作过程

案例2(来源:格林《经济计量分析》,工作文件:10_1)

时期:1935-1954年;

截面单元:5家企业

GM:通用汽车公司、CH:克莱斯勒公司、GE:通用电器公司、WE:西屋公司US:美国钢铁公司

3个变量:

I :总投资

M :前一年企业的市场价值(反映企业的预期利润)

K :前一年末工厂存货和设备的价值(反映企业必要重置投资期望值)

内容:

一、建立包含Pool对象的工作文件

二、Pool对象中的数据处理

三、模型估计过程

四、模型检验过程

一、在工作文件中创建Pool对象

1、创建工作文件(年度数据)

2、创建Pool对象

点击Objects / New Object,选择Pool对象,在弹出的窗口中输入各个截面单元的识别标识(习惯上加上前缀“_”):

输入截面单元标识

二、Pool对象中的数据处理

1.输入数据

输入方式:键盘输入、文件导入、复制+粘贴(适用于堆积数据)

(1)双击Pool对象,点击View/Spreadsheet(stacked data),系统要求输入序列名列表:

输入序列名,并且加后缀?

(2)输入数据:

输入Pool变量名,点击OK后,出现数据窗口:

输入数据的步骤为:

● 事先将Excel 中的数据整理成堆积数据,每个变量一列数据; ● 根据Excel 表中数据的排列形式,转换EViews 中数据的排列方式 ——按截面单元 / 时期顺序堆积数据(这比Panel 的要求灵活); ● 利用复制+粘贴的方式,将Excel 表中的数据复制到Pool 对象中。 2.生成序列

点击Pool 工具栏的Poolgenr 按钮,或者选择Proc\Generate Pool Series ,在弹出的对话框中输入定义新序列的有关公式(例如,生成K t -1)

3.描述统计

在Pool窗口中选择View/Descriptive Statistics…,并在对话框中输入变量名,

将会输出每个变量的有关描述统计量。

说明:

堆积数据(Stacked data): 计算每个变量(关于所有截面单元,所有时期)的描述统计量。

去掉均值的堆积数据(Stacked-means removed): 计算除去截面平均值之后的描述统计量。

截面变量(Cross-section specific): 计算每个变量关于截面的描述统计量。

时期变量(Time period specific): 计算每个变量关于时期的描述统计量。

关于变量截面数据(所有时期)

三、 模型估计过程

1.点击Pool 工具栏的Estimate 按钮,将弹出模型估计对话框:

2.可以估计的模型形式:

说明:随机效应变系数模型对样本容量有要求。

输入被解释变量

可选项:None 、Fixed 、Random 用于确定效应的具体形式: ● 无效应、单因素、双因素 ● 固定效应、随机效应

3.估计方法的选择

当模型个体(或时期)方程的随机误差项之间同方差、且不存在同期相关时,系统默认的估计方法是OLS ;否则,需要采用GLS 估计或SUR 估计(似乎不相关估计)。

四、模型检验过程——类型识别检验

1.检验是单因素或双因素或混合模型(异质性检验)

(1)估计双因素固定效应模型;

(2)在方程窗口中选择View\Fixed/Random Effects Testing/Redundant Fixed Effect ,检验是否存在“冗余”效应。

2.随机效应模型与固定效应模型

1.建立随机效应模型(双因素或单因素,本例是随机个体效应) 2.进行Hausman 检验

H 0:模型是随机效应模型;由于p > 0.05,所以接受H 0,认为模型是随机效应模型。

3.固定效应变截矩模型与变系数模型

将固定效应变截矩模型与变系数模型进行比较,检验约束假设是否成立。具体步骤: (1)估计变截矩模型和变系数模型,得到约束回归残差平方和RSSE 和无约束回归残差平方和USSE ;

(2)利用F 统计量检验假设:

N H βββ===...:210

))1(,)1((~)]

1(/(]

)1/[()(-------=

k T N k N F k T N USSE k N USSE RSSE F

(3)若F >F α,则拒绝原假设,模型是变系数模型;F

4.异方差与同期相关检验

当模型个体(或时期)方程的随机误差项之间异方差、或者存在同期相关时,需要采用GLS估计或SUR估计(似乎不相关估计)。

在估计的模型窗口,选择View \ Residuals \ covariance Matrix,或者correlation Matrix,可以检验是否存在异方差和相关性。

实验一 Eviews的基本使用、线性回归模型的估计和检验

实验一 Eviews 的基本使用、线性回归模型的估计和检验 实验目的与要求:熟悉Eviews 软件基本使用功能、掌握线性回归模型的参数估计及其检验。 实验内容:建立一个工作文件、数据的输入、数据的保存、生成新序列、 作序列图和相关图。线性回归模型的参数估计及其检验。 实验步骤:(具体步骤同学们可按照课堂讲解的程序进行也可按下面的指导操作,无论怎么操作,只要得到正确的结果即可) 一、模型的构建 表 2002年中国各地区城市居民人均年消费支出和可支配收入 作城市居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)的散点图,如图 从散点图可以看出居民家庭平均每人每年消费支出 (Y)和城市居民人均年可支配 收入(X)大体呈现为线性关系, 4000 6000 8000 10000 12000 4000 6000 8000 10000 12000 14000 X Y

所以建立的计量经济模型为如下线性模型: 12i i i Y X u ββ=++ 二、估计参数 利用EViews 作简单线性回归分析的步骤如下: 1、建立工作文件 首先,双击EViews 图标,进入EViews 主页。在菜单一次点击File\New\Workfile ,出现对话框“Workfile Range ”。在“Workfile frequency ”中选择数据频率: Annual (年度) Weekly ( 周数据 ) Quartrly (季度) Daily (5 day week ) ( 每周5天日数据 ) Semi Annual (半年) Daily (7 day week ) ( 每周7天日数据 ) Monthly (月度) Undated or irreqular (未注明日期或不规则的) 在本例中是截面数据,选择“Undated or irreqular ”。并在“Start date ”中输入开始时间或顺序号,如“1”在“end date ”中输入最后时间或顺序号,如“31”点击“ok ”出现“Workfile UNTITLED ”工作框。其中已有变量:“c ”—截距项 “resid ”—剩余项。 在“Objects ”菜单中点击“New Objects”,在“New Objects”对话框中选“Group”,并在“Name for Objects”上定义文件名,点击“OK ”出现数据编辑窗口。 若要将工作文件存盘,点击窗口上方“Save ”,在“SaveAs ”对话框中给定路径和文件名,再点击“ok ”,文件即被保存。 2、输入数据 在数据编辑窗口中,首先按上行键“↑”,这时对应的“obs”字样的空格会自动上跳,在对应列的第二个“obs”有边框的空格键入变量名,如“Y ”,再按下行键“↓”,对因变量名下的列出现“NA ”字样,即可依顺序输入响应的数据。其他变量的数据也可用类似方法输入。 也可以在EViews 命令框直接键入“data X Y ”(一元时) 或 “data Y 1X 2X … ”(多元时),回车出现“Group”窗口数据编辑框,在对应的Y 、X 下输入数据。 若要对数据存盘,点击 “fire/Save As”,出现“Save As ”对话框,在“Drives ”点所要存的盘,在“Directories ”点存入的路径(文件名),在“Fire Name ”对所存文件命名,或点已存的文件名,再点“ok ”。 若要读取已存盘数据,点击“fire/Open”,在对话框的“Drives”点所存的磁盘名,在“Directories”点文件路径,在“Fire Name”点文件名,点击“ok”即可。

使用eviews做线性回归分析

使用eviews做线性回归分析 关键字: linear regression Glossary: ls(least squares)最小二乘法 R-sequared样本决定系数(R2):值为0-1,越接近1表示拟合越好,>0.8认为可以接受,但是R2随因变量的增多而增大,解决这个问题使用来调整 Adjust R-seqaured() S.E of regression回归标准误差 Log likelihood对数似然比:残差越小,L值越大,越大说明模型越正确Durbin-Watson stat:DW统计量,0-4之间 Mean dependent var因变量的均值 S.D. dependent var因变量的标准差 Akaike info criterion赤池信息量(AIC)(越小说明模型越精确) Schwarz ctiterion:施瓦兹信息量(SC)(越小说明模型越精确) Prob(F-statistic)相伴概率 fitted(拟合值) 线性回归的基本假设: 1.自变量之间不相关 2.随机误差相互独立,且服从期望为0,标准差为σ的正态分布 3.样本个数多于参数个数 建模方法: ls y c x1 x2 x3 ... x1 x2 x3的选择先做各序列之间的简单相关系数计算,选择同因变量相关系数大而自变量相关系数小的一些变量。模型的实际业务含义也有指导意义,比如 m1同gdp肯定是相关的。 模型的建立是简单的,复杂的是模型的检验、评价和之后的调整、择优。 模型检验: 1)方程显著性检验(F检验):模型拟合样本的效果,即选择的所有自变量对因变量的解释力度 F大于临界值则说明拒绝0假设。 Eviews给出了拒绝0假设(所有系统为0的假设)犯错误(第一类错误或α错误)的概率(收尾概率或相伴概率)p值,若p小于置信度(如0.05)则可以拒绝0假设,即认为方程显著性明显。 2)回归系数显著性检验(t检验):检验每一个自变量的合理性 |t|大于临界值表示可拒绝系数为0的假设,即系数合理。t分布的自由度为 n-p-1,n为样本数,p为系数位置

回归分析实验1-Eviews基本操作及一元线性回归

第一部分EViews基本操作 第一章预备知识 一、什么是EViews EViews (Econometric Views)软件是QMS(Quantitative Micro Software)公司开发的、基于Windows平台下的应用软件,其前身是DOS操作系统下的TSP软件。EViews具有现代Windows软件可视化操作的优良性。可以使用鼠标对标准的Windows菜单和对话框进行操作。操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。EViews还拥有强大的命令功能和批处理语言功能。在EViews的命令行中输入、编辑和执行命令。在程序文件中建立和存储命令,以便在后续的研究项目中使用这些程序。 EViews是Econometrics Views的缩写,直译为计量经济学观察,通常称为计量经济学软件包,是专门从事数据分析、回归分析和预测的工具,在科学数据分析与评价、金融分析、经济预测、销售预测和成本分析等领域应用非常广泛。 应用领域 ■ 应用经济计量学■ 总体经济的研究和预测 ■ 销售预测■ 财务分析 ■ 成本分析和预测■ 蒙特卡罗模拟 ■ 经济模型的估计和仿真■ 利率与外汇预测 EViews引入了流行的对象概念,操作灵活简便,可采用多种操作方式进行各种计量分析和统计分析,数据管理简单方便。其主要功能有: (1)采用统一的方式管理数据,通过对象、视图和过程实现对数据的各种操作; (2)输入、扩展和修改时间序列数据或截面数据,依据已有序列按任意复杂的公式生成新的序列; (3)计算描述统计量:相关系数、协方差、自相关系数、互相关系数和直方图; (4)进行T 检验、方差分析、协整检验、Granger 因果检验; (5)执行普通最小二乘法、带有自回归校正的最小二乘法、两阶段最小二乘法和三阶段最小二乘法、非线性最小二乘法、广义矩估计法、ARCH 模型估计法等; (6)对选择模型进行Probit、Logit 和Gompit 估计; (7)对联立方程进行线性和非线性的估计; (8)估计和分析向量自回归系统; (9)多项式分布滞后模型的估计; (10)回归方程的预测; (11)模型的求解和模拟; (12)数据库管理; (13)与外部软件进行数据交换 EViews可用于回归分析与预测(regression and forecasting)、时间序列(Time Series)以及横截面数据(cross-sectional data )分析。与其他统计软件(如EXCEL、SAS、SPSS)相比,EViews 功能优势是回归分析与预测,其功能框架见表1.1.1。 本手册以EViews5.1版本为蓝本介绍该软件的使用。

Eviews之变系数回归模型

EVIEWS 之变系数回归模型 1 变系数回归模型 前面讨论的是变截距模型,并假定不同个体的解释变量的系数是相同的,然而在现实中变化的经济结构或者不同的经济背景等不可观测的反映个体差异的因素会导致经济结构的参数随着横截面个体的变化而变化,即解释变量对被解释变量的影响要随着截面的变化而变化。这时要考虑系数随着横截面个体的变化而变化的变系数模型。 1.变系数回归模型原理 变系数模型一般形式如下: ,1,2,,,1,2,,it i it i it y x u i N t T αβ=++==(1) 其中:it y 为因变量,it x 为1k ?维解释变量向量,N 为截面成员个数,T 为每个截面成员的观测时期总数。参数i α表示模型的常数项,i β为对应于解释变量的系数向量。随机误差项it u 相互独立,且满足零均值、等方差的假设。 在式子(1)中所表示的变系数模型中,常数项和系数向量都是随着截面个体变化而变化,因此将该模型改写为: it it i it y x u λ=+ (2) 其中:1(1)(1,)it it k x x ?+=,'(,)i i i λαβ= 模型的矩阵形式为: u X Y +?= (3) 其中:11N NT y Y y ?????=??????;121i i i iT T y y y y ???????=??????;????????????=N X X X X 00000021;1121112 22212i i ki i i ki i iT iT kiT T k x x x x x x x x x x ???????=??????,12(1)1N N k λλλ+????????=??????,11N NT u u u ?????=??????,121i i i iT T u u u u ???????=??????

相关文档
相关文档 最新文档