短学期Eviews讲义.doc

一、一些前期知识1.数据的类型时间序列、截面数据、面板数据2.数据前期处理数据一般要经过价格调整，如GDP、工业增加值、农业增加值、进出口以及资本存量。以当年价格计算的GDP叫名义GDP，以某一年不变价格计算的GDP叫实际GDP。GDP缩减指数=名义GDP/实际GDP（也叫平减指数，表现的是国内生产总值中隐含的价格因素，从生产的角度看，由于GDP是国民经济各个行业增加值的加总，因此缩减指数包含的价格是国民经济各个产业部门的综合价格；从使用角度看，它从产品形态上反映了GDP用于最终消费、资本形成和净出口的货物及服务总量，因此缩减指数包含的价格为相应的消费价格指数、固定资产投资价格指数和进出口价格指数等的加权平均价格指数。）。在统计年鉴中有两种GDP指数（不是GDP平减指数），一种是以上一年为基期（100），另一种是以某一年为基期（100），它们可以相互换算（这两种GDP指数实际上相当于以不变价格计算的GDP的环比发展速度和定基发展速度）。如1982年的指数（下表第二列）1978年指数1979年指数1980年指数1981年指数（100100100）等号右边1979、1980、1981三年的指数是第三列中数据，1978年指数是100。1982年的实际GDP1978年的GDP1982年指数（以1978100）100，则GDP1982年缩减指数1982年的名义GDP1982年的实际GDP，要求某年实际GDP，只需该年名义GDP该年GDP缩减指数即可。（注意：若想以1990基期计算其他年份GDP，需要以1990年为100，算出各年GDP指数，然后以1990年名义GDP乘以各年GDP指数）。进出口，若是以美元表示，则需每年进出口额乘以该年汇率再除以GDP缩减指数来调整。对于生产函数中的资本，要用资本存量，统计年鉴中只有固定资产投资，需将其换算为资本存量，方法见数量经济技术经济研究2008 年第 10 期单豪杰对中国资本存量K的再估算：19522006年或经济研究2003年第7期张军等对中国资本存量K的再估计。对收入和支出，可用居民消费价格指数来进行调整。年份1978年=100上年=100名义GDP实际GDP缩减指数1978100111.66993645.2173645.21711979107.6107.57294062.5793922.2541.0357771980116.0081168107.84144545.6244228.7481.0749341981122.0905494105.24314891.5614450.4661.0991121982133.1481326109.05695323.3514853.5391.0967981983147.5986719110.8535962.6525380.2931.1082391984169.9982776115.1767208.0526196.8071.1631881985192.8905731113.46629016.0377031.2811.2822751986209.9543997108.846410275.187653.2941.3425831987234.2739716111.583312058.628539.7961.412051988260.701443111.280615042.829503.1351.5829331989271.2942724104.063216992.329889.2661.7182591990281.7093272103.83918667.8210268.921.817896数据来源（中国统计年鉴2009）3.经济模型建立后的检验经济意义检验（符号、大小及系数之间的关系）；统计检验（拟合优度、显著性检验）；计量经济学检验（序列相关、异方差、多重共线性、随机解释变量）；预测检验。4.模型的形式水平形式：半对数形式：或双对数形式：采用对数的原因：可以消除异方差、系数为弹性、相当于进行了一次差分、中国经济数据多为指数形式，取对数后变为直线形式。二、Eviews的一些基本操作1.工作文件的建立与保存（1）工作文件的建立进入Eviews软件以后，点击FileNewWorkfile，出现如图一界面。其中：Workfile structure type中可选择无结构、时间序列、面板数据三种类型，而在Date specification的Frequency则可选择时间序列的频率，即是年度、季度还是月份或是周资料。Start是开始时间，end是结束时间。改变已经建立好的时间，原有时间范围为1983:11999:12，改为1982:11999:12，可在命令窗口输入expand 1982:1 1999:12 敲回车即可。若改为1984:11999:12，则可在命令窗口输入range 1984:1 1999:12敲回车即可（年月之间用:隔开）。以后在命令窗口输入命令直接写为输入命令。图一（2）工作文件的保存点击FileSave as，选择保存路径和文件名即可。2.数据（1）建立序列序列名不能用Eviews默认的一些字符。在Eviews中字母大小不加区分的使用。建立序列可采用这样几种方法：ObjectNew object，在出现界面中左侧选择Series，并在右侧中对序列命名。或输入命令data 序列名敲回车即可。建立序列后可在主界面中双击序列名打开序列，可把Excel数据粘贴复制到其中。由已知序列生成新序列可输入命令series 新序列名=已有序列的各种表达式 敲回车即可。表达式中可用四则运算，以及幂，另外还可以使用这样一些符号：d( )表示对括号中的序列取1次差分，d(x,2)表示对序列x取二次差分。log( )表示对括号中的序列取以自然数为底的对数。dlog( )则表示对括号中的序列先取对数再一次差分。x(-1)表示对序列x进行滞后一期。exp(x)表示ex（e是自然数）。如series z=log(x)+y(-1)表示生成一个新序列z，其值为相应时期的x的对数加上相应时期y的滞后一期值。（2）建立组几个序列并列在一起，称为组。可输入命令group 组名各序列名 敲回车即可，各序列之间用空格隔开。(3)显示组或序列输入命令show 组名或序列名敲回车即可。3.画图在打开的序列或组窗口中，点击ViewGraph(图的形式)；或在主窗口中QuickGraph（图的形式），在出现的对话框中输入要画图的序列名或组名。或输入命令scat x y 或输入line x y敲回车，表示对x和y画出其点图和线图。4.基本回归方程（1）建立方程可点击ObjectNew object Equation,或QuickEstimation Equation,或输入命令equation敲回车，在出现的界面中输入要建立的回归方程。输入的方程有两种形式：y c x1 x2 x3或y=c(1)+c(2)*x1+c(3)*x2+c(4)*x3均可，输入方程后选择样本时间。也可输入命令ls y c x1 x2 x3敲回车，这是用OLS建立方程。（2）结果窗口见图二。结果主要有三块，第一块，包括使用的估计方法：Least Squares最小平方法，样本时间19782000；观测值有23个。第二块是表格，第一行依次为变量、系数、标准差、t值和p值。系数即为回归方程中各变量前的系数，c表示常数项，p值小于0.05表示在0.05的显著性水平上拒绝原假设（原假设为系数为0），可见，gdpp前系数通过了检验，即其前系数显著不为0，而常数项则没有通过。第三块内容为方程的一些统计量。左面依次为R平方，调整后的R平方，回归标准差（），残差平方和，对数似然函数值，Durbin-Watson统计量，右面为因变量均值和标准差，AIC准则，Schwarz准则，F统计量及显著性水平。图二（3）预测方程对象的工具栏中点击Forecast按钮，或选择ProcsForecast，在出现的界面中全选默认，点确定，预测值保存在consf变量中。三、常见问题使用最小平方法时的基本假定：解释变量是非随机的，相互不相关的；随机干扰项零均值、同方差、零协方差；解释变量与随机干扰项不相关；随机干扰项服从零均值，同方差的正态分布，且不存在自相关。随机变量：在一定条件下由于偶然因素影响，其可能取各种不同的值，具有不确定性和随机性，但取值在某个范围的概率是一定的，这种变量叫随机变量。1.异方差随机干扰项不是同方差的，多见于截面数据。（1）检验方法：White检验。原假设是同方差。在结果窗口的工具栏中点击ViewResidual TestsWhite Heteroskedasticity(no cross terms)，或ViewResidual TestsWhite Heteroskedasticity(cross terms)，见图三。前者表示检验的辅助回归方程中无解释变量的交叉项，后者表示有交叉项，观察Obs*R-squared的P值，若小于0.05，则拒绝原假设，即存在异方差。（2）处理方法：加权最小二乘法。把前面简单回归当中得到的残差保存下来，可输入命令series e=resid 敲回车，输入命令equation或ObjectNew object Equation，或QuickEstimation Equation，在出现的界面中输入cons c gdpp，点击Options,然后选中Weighted LS/TSLS，在Weight:后的空白处输入1/abs(e)，点确定，即可得到加权最小二乘法估计的方程，再对其残差进行异方差检验，已不存在异方差。此处采用的是OLS估计的残差绝对值的倒数做为权数，abs()表示对括号中的变量值取绝对值。图三2.序列相关即随机干扰项存在自相关。（1）检验方法：DW检验。在回归结果中可得到DW值，根据DW值的大小与其上下限之间的关系，可判断是否存在一阶自相关。缺点：只能检验是否存在一阶自相关，解释变量非随机，回归模型中不能含有滞后应变量作为解释变量，回归模型含有截距项。LM检验。原假设为没有自相关，在回归结果窗口中点击ViewResidual TestsSerial Correlation LM Test，见图三。在出现的对话框中要输入自相关的阶数，可从1开始输，观察Obs*R-squared的p值，若小于0.05，则拒绝原假设，即存在1阶或多阶自相关。（2）处理方法：广义差分法。假定回归方程为,可用OLS对方程进行估计，在估计结果中等到DW值，可以求出，也可以这样：用OLS对方程进行估计，得到残差resid，令其残差等于e，用OLS对进行估计，得到的系数即为，注意此时没有截距项。再用OLS估计方程，得到的解释变量前的系数即为原始方程中的，得到的常数项除以，即为原始方程的。科克伦奥克特迭代法。输入命令equation敲回车，在出现的界面中输入Y c X ar(1) ar(2)，点确定即可。3.多重共线性解释变量之间高度相关。（1）检验方法：可查看变量间的相关系数矩阵。点击主窗口工具栏上QuickGroup StatisticsCorrelations，在出现的窗口中输入各解释变量，用空格隔开。也可观察OLS估计结果，若、F通过，但t检验通不过，或解释变量前系数的符号不对，大小不对，则怀疑存在多重共线性。存在完全或高度共线性时，会出现提示：“nearly singular matrix”。若方差膨胀因子远大于10，则也存在多重共线性。用OLS估计后，在主窗口中输入命令scalar vifcar=1/(1-eqcar.R2)敲回车。该命令是定义一个标量，名称为vifcar，其值等于1-用某个自变量(car)作为被解释变量，其余自变量作为解释变量建立的回归方程的的倒数，eqcar.R2表示引用方程eqcar的。也可用某一解释变量作为被解释变量和其他解释变量作回归，若其的值大于0.5以上，则认为存在多重共线性。（2）处理方法：差分法、岭回归法和逐步回归法。逐步回归法的第一步是找出最简单的回归形式。用被解释变量分别与某一个解释变量作回归，选择最大的为最简单回归形式；第二步把其他解释变量依次导入上述初始方程，找出最佳模型。岭回归法见相关文献SPSS做岭回归。4.随机解释变量问题主要体现在用滞后被解释变量作为模型的解释变量，另外有时是模型右边的变量存在测量误差，方程右边有解释变量（联立方程）。处理方法：工具变量法。工具变量的条件：与替代的随机解释变量高度相关；与随机干扰项不相关、与其他解释变量不相关。原始方程为：,工具变量为Z，则第一阶段是用OLS估计方程，得到和的值，据此估计的估计值；第二阶段，用OLS估计方程在Eviews中的实现，输入命令equation敲回车，在出现界面下方的Method中选择TSLSL，则在出现窗口上方空白窗口中输入Y C X，在下方空白窗口中输入工具变量Z点确定即可。5.非线性模型柯布道格拉斯生产函数，取对数线性化是乘性误差，即，两边取对数，可得，可用前面所讲的OLS估计即可。若用非线性最小二乘法则是加性误差，即，在Eviews中的实现：输入equation敲回车，在出现的窗口中输入，这两种估计的结果不一样。且两种情况下K和L都存在共线性，解决办法：先估计对数线性化方程，然后对其进行的约束检验，Eviews中的操作步骤：在命令窗口中输入ls log(Y) c log(K) log(L)，敲回车，在结果窗口中点Coefficient TestsWald-Coefficient Restrictions，在出现的窗口空白框中输入c(2)+c(3)=1点确定即可。观察F-statistic和Chi-square的Probability值，若均大于0.05，则可认为，此时可变为，即，这是一元回归模型，不存在多重共线性，用OLS估计即可(此时用乘性或用加性误差，结果近似，可选用拟合优度较大的那种形式)。6.其他检验残差正态性检验。在回归结果窗口中点击ViewResidual TestsHistogram-Nomality Test，观察Jarque-Bera下的Probability值，若小于0.05则拒绝残差服从正态分布的假设(这个检验做的不多)。模型误设检验（Ramsey Reset）。在回归结果窗口中点击ViewStability TestsRamsey Reset Test，出现的窗口中填1或2，表示检验的无约束回归方程中加入被解释变量的二次式或三次式。若F统计量的P值小于0.05，则拒绝原假设，即存在遗漏相关变量的设定偏误。模型稳定性检验（递归残差检验Cusum和递归残差平方和检验Cusumsq）。在回归结果窗口中点击ViewStability TestsRecursive Estimates(OLS only)，在出现的窗口中分别选择CUSUM Test和CUSUM of Square Test，在出现的图形中，若蓝色线处于两条红色线之间，则表示稳定，若超出，则表示不稳定。四、序列平稳性检验1.平稳性检验前面介绍的回归方程是建立在时间序列是平稳的基础上的，若时间序列不平稳，则容易出现伪回归。（1）平稳的概念若一个时间序列，与无关，与无关，与无关，只与间隔期数有关，则该时间序列是平稳的。其中，若，则称其为白噪声。（2）检验方法单位根检验。原假设:。相应的辅助回归方程有如下三种形式： (1) (2) (3)若拒绝，则不存在单位根，平稳。注意：选择是否带有常数项或趋势项，根据原序列的图形观察来决定，即水平数值时画原序列，一次差分时画一次差分序列。选择哪种形式很重要，因为检验显著性水平的t统计量在原假设下的渐进分布依赖于关于这些项的定义。（一般可以先选带有常数项和趋势项，再选仅有常数项，最后选既无常数项又无趋势项，若三种选择其P值均大于0.05，则认为存在单位根，即不平稳；若其中有一个选择其P值小于0.05，则认为没有单位根，序列是平稳的。）滞后项数的确定可根据AIC来，要选用使得AIC最小的滞后项数。Eviews的实现方法：在序列窗口中，点击ViewUnit Root Test出现图四界面，在Test type 下可选Augmented Dickey-Fuller（ADF检验）（目前大部分人使用的是这种检验方法）、Dickey-Fuller GLS（ERS）（DF检验）、Phillips Perron（PP检验）（有人采用PP检验，认为这种检验方法相对比较稳定。）、Kwiatkowski-Phillips-Schmidt-Shin（KPSS检验）、Elliott-Rothenberg-Stock Point-optimal（ERS检验）和Ng and Perron（NP检验）。Test for unit root in下有三个选项，分别表示序列原水平、一次差分和二次差分。Include in test equation下有三个选项，分别表示在检验方程中是否含有常数项、趋势及常数项、无常数无趋势。Lag length下选中Automatic selection，则按下面给出的准则自动选择滞后期。下拉框中的准则有Akaike Info Criterion（AIC准则）、Schwarz Info Criterion（SC准则）、Hannan-Quinn Criterion(HQ准则)、Modified Akaike(调整AIC)、Modified Schwarz（调整SC）及Modified Hannan-Quinn(调整HQ)，一般选择AIC准则。要注意我们选用PP检验和NP检验、ERS检验、KPSS检验时，此下拉菜单里的内容不再一样。图四我们一般先对序列进行原水平进行检验，若不平稳，则对序列一次差分后检验，若还不平稳，则对序列二次差分后检验，一般二次差分后都平稳了。五、协整1.基本概念变量数列都不是平稳的，但它们的某种线性组合可能是稳定的，认为变量数列存在协整关系，即长期均衡关系或协同增长关系。2.检验要求两变量是要求同阶单整，多变量时则无需要求同阶单整。所谓单整是指序列经过一次差分后稳定，是一阶单整，记为I(1)；经过两次差分后稳定，是二阶单整，记为I（2）；显然I（0）是平稳的。对中国数据而言，存量数据，如不变价的资产、储蓄，是二阶单整；流量数据，如不变价的消费、收入，是一阶单整；变化率，如利率、收益率，是0阶单整，即平稳的。多变量时要注意：被解释变量的单整阶数不得超过自变量中最高的单整阶数。一般认为两个同阶单整的序列合在一起，其单整阶数可降低，如I(2)+I(2)可变为I(1)或I(0)，但I(2)+I(1)还是I(2)，协整检验时，要求被解释变量的单整阶数要等于所有自变量组合在一起的可能阶数。若不等，则需用ARDL边界检验来做，它可以对既有平稳序列又有非平稳序列做协整分析(但最高不得超过1阶单整)。3.检验方法两变量：用EG两步法。用OLS估计两变量的回归方程，得到残差，对残差序列进行平稳性检验（注意：此时在图四所示窗口要选Level和None），若平稳，则两变量协整。注意：对残差进行平稳性检验的ADF临界值比正常的平稳性检验ADF检验临界值小，见Mackinnon（1997）。多变量：对于多变量的协整检验过程，基本与双变量情形相同，即需检验变量是否具有同阶单整性（不一定需要所有变量都是同阶单整，只要满足上面2检验要求即可），以及是否存在稳定的线性组合。在检验是否存在稳定的线性组合时，需通过设置一个变量为被解释变量，其他变量为解释变量，进行OLS估计并检验残差序列是否平稳。如果不平稳，则需更换被解释变量，进行同样的OLS估计及相应的残差项检验。当所有的变量都被作为被解释变量检验之后，仍不能得到平稳的残差项序列，则认为这些变量间不存在协整关系。上述方法不常用，对多变量间协整关系的检验，比较常用的是JohansenJuselius检验，即JJ检验。J一J检验：需要所有的变量都是同阶单整的，若不是同阶单整，则可以用ARDL边界检验（此法需用另外的软件Microfit4）。步骤：把所有变量做为一个group打开(被解释变量放在第一列)，组窗口中点ViewCointegration Test，出现图五窗口，左边有六个选项，前五个是指有五个模型，第六个是把五个模型的结果综合显示。前五个模型分别是：第1个模型是指序列没有确定性趋势且协整方程无截距；第2个模型是指序列没确定性趋势且协整方程有截距；第3个模型是指序列有线性趋势但协整方程只有截距；第4个模型是指序列和协整方程都有线性趋势；第5个模型是指序列有二次趋势且协整方程有线性趋势。1、5两个模型可不考虑：第1个模型一般不符合实际，第5个模型的研究仍不全面。所以，模型的选择仅在2、3、4三个模型中进行。具体到Eviews中，先做模型2，看协整向量为0时的统计量（迹和最大特征值都可以），打星号了吗？没打星号，就是这个模型；有星号，则看模型3。依此类推，检验完模型4后再检验模型2，此时看协整向量为1时的统计量，步骤仍同上，直到遇到第一个没打星号的模型。注意，右边的Lag intervals下填滞后阶数，滞后1阶填1 1，滞后2阶填1 2。滞后阶数的确定是个大问题，一般默认，否则，需要建立VAR模型，确定VAR模型的滞后期后，此时选择VAR模型滞后期数减1。图五 建立VAR(向量自回归)步骤：点击QuickEstimate VAR，出现图六窗口，在Endogenous Variable下的窗口中输入所有变量，Lag intervals for Endogenous下填滞后阶数，先默认。在结果窗口中点击ViewLag StructureLag Length Criteria，弹出图七所示对话框，里面填上滞后期(如填3)，点确定后出现的结果如图八所示，选出现*号最多的滞后阶数，即3(此时的)。然后再按照前述的步骤建立VAR 。(注意，实际操作中，经常会发现若在图七中填4，则会出现滞后阶数为4时出现*号最多。怎么办？从经济意义和自由度考虑，一般选1或2足够了。)VAR模型平稳性检验：点击Views-Lag Structure-AR Roots Graph，看*号是否都在圆内，若是，则表明VAR模型是平稳的。VAR模型预测：在VAR模型估计结果的窗口中点击Proc-Make Model，可以得到模型，点击Solve，在出现的对话框中(图九)进行选择就可以得到对应的预测值。其中动态解(Dynamic solution)可以预测出序列的变化趋势，但对具体年份的预测效果不好；静态解(Static solution)对数据的拟合程度比较好。图六图七图八图九六、误差修正模型两变量：变量间存在协整关系，表明变量间存在长期均衡关系，但短期内是不均衡，所以，若两变量之间存在协整关系，如，我们实际观察到的是短期非均衡，即：，可变形为：，即，大括号中的表达式即为长期均衡方程里把Y和X都滞后一期移项所得的随机干扰项的滞后一期（，）。可得，其中，。这就是误差修正模型，就是误差修正项，一般情况下，所以，的修正作用如下：(1)若(t-1)时刻Y大于其长期均衡解,为正，则()为负，使得减少； (2)若(t-1)时刻Y小于其长期均衡解，为负，则() 为正，使得增大。上面的都是方程的等价变形，所以建立误差修正模型可以有如下三个等价方程：建立误差修正模型的方法：对前面已经经过协整检验的变量直接进行OLS估计，即ls ly c lx，导出残差，即series e=resid，再输入命令ls d(ly) c d(lx) e(-1)，e(-1)前的系数一般为负，其绝对值小于1大于0，反映了对短期波动偏离长期均衡时的修正。多变量的误差修正模型也可类似建立，ls d(ly) c d(lx) d(lz) e(-1)。(建立误差修正模型的前提：变量间存在协整关系)七、因果关系检验1.基本思想如果X是Y的原因，那么X的变化应当发生在Y的变化之前，说X是引起Y变化的原因，必须满足两个条件：一是X应该有助于Y，即在Y关于Y过去值（滞后值）的回归中，添加X的过去值（滞后值）作为解释变量，应当显著地增加回归方程的解释能力。二是Y不应该有助于X，因为若X有助于预测Y同时Y也有助于X，则很有可能存在一个或多个其它变量，既是引起X变化的原因，也是引起Y变化的原因。2.检验方法原假设：X不是Y的格兰杰原因。此时把Y对Y的滞后值及X的滞后值进行回归，即回归方程为（无约束条件回归方程），再将Y对Y的滞后值进行回归，方程为（有约束条件回归），再进行约束条件是否真实的检验。在Eviews中的操作如下，在主窗口中点击工具栏中QuickGroup StatisticsGranger Causality Test，在出现的对话框中输入要检验的两个序列名，用空格隔开，点确定，再在出现的对话框中输入滞后期数，点确定，结果见图十。观察最后两行的P值，均大于0.05，不能拒绝原假设，即CONSP和GDPP不存在因果关系。注意：滞后期的选择非常重要，滞后期选择的不同，结论也不相同。滞后期选择的方法是：使得无约束回归方程的AIC最小的滞后期数，且无约束回归方程不存在自相关。在Eviews中进行因果关系检验时不能直接得到AIC，需要自己求。方法是输入命令ls gdpp gdpp(-1) consp(-1)，得到滞后一期时检验consp是否是gdpp原因无约束方程的AIC，接着输入命令ls gdpp gdpp(-1) gdpp(-2) consp(-1) consp(-2)，得到滞后二期时其AIC，可一直持续下去。对检验gdpp是否是consp的原因要求得其AIC，可采取同样的方法。最后比较两组AIC，最终确定最佳滞后期数。图十Lag因果关系LMAICSCP结论1GDPPCONS0.00022717.3895917.488770.001拒绝CONSGDPP0.00006819.0734719.172660.007拒绝2GDPPCONS0.00937616.3795316.578490.03拒绝CONSGDPP0.00836117.8637918.062750.19不拒绝3GDPPCONS0.01016115.1355015.434220.00拒绝CONSGDPP0.19133817.1445717.443290.69不拒绝4GDPPCONS0.11050814.7026115.100270.00拒绝CONSGDPP0.02756216.4201616.817820.015拒绝5GDPPCONS0.46435914.7163715.211020.00拒绝CONSGDPP0.87434416.2996516.794300.00拒绝6GDPPCONS0.04058714.9916415.579790.07不拒绝CONSGDPP116.0508416.638990.03拒绝分析步骤总结如下：0不同不平稳不同有协整关系关系无协整是否相同有协整关系相同平稳平稳性检验OLS估计模型协整检验有无协整关系J-J协整检验被解释变量的单整阶数与所有被解释变量结合的可能阶数是否相同E-G两步法最高单整阶数是否超过1ARDL边界检验单整阶数对序列取对数、差分、改变模型的形式、增加或删减变量异方差、自相关、多重共线性检验误差修正模型因果关系检验八、面板数据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）和人均收入数据见表1和表2。数据是7年的，每一年都有15个数据，共105组观测值。表1 1999-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费数据（不变价格）地区人均消费1996199719981999200020012002CP-AH（安徽） 3282.466 3646.150 3777.410 3989.581 4203.555 4495.174 4784.364CP-BJ（北京） 5133.978 6203.048 6807.451 7453.757 8206.271 8654.433 10473.12CP-FJ（福建） 4011.775 4853.441 5197.041 5314.521 5522.762 6094.336 6665.005CP-HB（河北） 3197.339 3868.319 3896.778 4104.281 4361.555 4457.463 5120.485CP-HLJ（黑龙江） 2904.687 3077.989 3289.990 3596.839 3890.580 4159.087 4493.535CP-JL（吉林） 2833.321 3286.432 3477.560 3736.408 4077.961 4281.560 4998.874CP-JS（江苏） 3712.260 4457.788 4918.944 5076.910 5317.862 5488.829 6091.331CP-JX（江西） 2714.124 3136.873 3234.465 3531.775 3612.722 3914.080 4544.775CP-LN（辽宁） 3237.275 3608.060 3918.167 4046.582 4360.420 4654.420 5402.063CP-NMG（内蒙古） 2572.342 2901.722 3127.633 3475.942 3877.345 4170.596 4850.180CP-SD（山东） 3440.684 3930.574 4168.974 4546.878 5011.976 5159.538 5635.770CP-SH（上海） 6193.333 6634.183 6866.410 8125.803 8651.893 9336.100 10411.94CP-SX（山西） 2813.336 3131.629 3314.097 3507.008 3793.908 4131.273 4787.561CP-TJ（天津） 4293.220 5047.672 5498.503 5916.613 6145.622 6904.368 7220.843CP-ZJ（浙江） 5342.234 6002.082 6236.640 6600.749 6950.713 7968.327 8792.210资料来源：中国统计年鉴1997-2003表2 1999-2002年中国东北、华北、华东15个省级地区的居民家庭人均收入数据（不变价格）地区人均收入1996199719981999200020012002IP-AH（安徽） 4106.251 4540.247 4770.470 5178.528 5256.753 5640.597 6093.333IP-BJ（北京） 6569.901 7419.905 8273.418 9127.992 9999.700 11229.66 12692.38IP-FJ（福建） 4884.731 6040.944 6505.145 6922.109 7279.393 8422.573 9235.538IP-HB（河北） 4148.282 4790.986 5167.317 5468.940 5678.195 5955.045 6747.152IP-HLJ（黑龙江） 3518.497 3918.314 4251.494 4747.045 4997.843 5382.808 6143.565IP-JL（吉林） 3549.935 4041.061 4240.565 4571.439 4878.296 5271.925 6291.618IP-JS（江苏） 4744.547 5668.830 6054.175 6624.316 6793.437 7316.567 8243.589IP-JX（江西） 3487.269 3991.490 4209.327 4787.606 5088.315 5533.688 6329.311IP-LN（辽宁） 3899.194 4382.250 4649.789 4968.164 5363.153 5797.010 6597.088IP-NMG（内蒙古） 3189.414 3774.804 4383.706 4780.090 5063.228 5502.873 6038.922IP-SD（山东） 4461.934 5049.407 5412.555 5849.909 6477.016 6975.521 7668.036IP-SH（上海） 7489.451 8209.037 8773.100 10770.09 11432.20 12883.46 13183.88IP-SX（山西） 3431.594 3869.952 4156.927 4360.050 4546.785 5401.854 6335.732IP-TJ（天津） 5474.963 6409.690 7146.271 7734.914 8173.193 8852.470 9375.060IP-ZJ（浙江） 6446.515 7158.288 7860.341 8530.314 9187.287 10485.64 11822.00资料来源：中国统计年鉴1997-2003（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2*15个尚未输入数据的变量名。这样可以通过键盘输入或粘贴的方法数据数据。从现有序列产生新序列的方法：如要对consume取自然对数，可在打开的pool窗口中点ProcGenerate Pool series，在出现的窗口enter equation下空白处输入lconsume?=log(consume?)点OK即可。（3）面板单位根检验单位根检验过程如下：在Pool对象的工具栏中，选择View/Unit Root Test，并输入相应的Pool序列名，可以实现ADF、PP等多种方法下的Pool序列的单位根检验。Levin, Lin & Chu t* 统计量、Breitung t统计量的原假设为存在普通的单位根过程，lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square统计量的原假设为存在有效的单位根过程， Hadri Z统计量的检验原假设为不存在普通的单位根过程。为了方便，有时只采用两种面板数据单位根检验方法，即相同根单位根检验LLC （Levin-Lin-Chu）检验和不同根单位根检验 Fisher-ADF 检验，如果在两种检验中均拒绝存在单位根的原假设则我们说此序列是平稳的，反之则不平稳。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。（4）面板协整检验在各变量同阶单整的前提下，可做协整检验。Kao(1999)、Kao and Chiang(2000)利用推广的DF和ADF检验提出了检验面板协整的方法,这种方法零假设是没有协整关系,并且利用静态面板回归的残差来构建统计量。Pedron(1999)在零假设是在动态多元面板回归中没有协整关系的条件下给出了七种基于残差的面板协整检验方法。和Kao的方法不同的是,Pedroni的检验方法允许异质面板的存在。Larsson et al(2001)发展了基于Johansen(1995)向量自回归的似然检验的面板协整检验方法，这种检验的方法是检验变量存在共同的协整的秩。在EViews中打开pool对象，选择Views/ Cointegration Test，则显示协整检验的对话框。在对话框的左上角可以输入要检验的变量的名称，同时通过对话框中左下角的下拉菜单可以在Pedroni (Engle-Granger based),