面板数据模型及金融相关案例分析

案例2 储蓄 案例4 利用VAR模型对我国货币政策的有效性进行检验 案例5 面板数据及其应用 案例1 货币供应量模型的建立与分析 案例3 银行革新措施的效果分析 案例6 中国税收增长分析 案例1 货币供应量模型建立与分析 体现货币总量的指标有M0 M1 M2 M3等M0 现金 M1 M0 活期存款 反映了社会的直接购买能力 是狭义货币供应量 M2 M1 定期存款 非支票性储蓄存款 反映了现实的购买力 也反映了潜在的购买力 广义货币供应量 M3 M2 私有机构和公司的大额定期存款 L M3 各种有价证券 影响货币供应量的变动因素取 居民消费物价指数 1978 100 CPI 全国城乡人民币储蓄存款余额 cky单位 亿元 国内信贷 Gsd 亿元 国内生产总值 gdp 亿元 选取1990 2003年 数据文件al5 wf1 一 模型的选择 下面仅考察广义货币供量M2与gdp gsd ckycpi的关系 分别用这四个变量与M2的散点图 如下 前者三个均为线性关系 而最后一个不是 故初步选取模型如下 M2t 0 1gdpt 2gsdt 3ckyt 4cpi2t tGsd系数为负 与理论不符 而且T检验也没通过 进一步检验可知gsd和cky存在严重多重共线性 从下图可知gsd的VIF值达到500多 故去掉cky再计算 下面的模型基本上合理 GDP每增加一个亿会使M2增加1 347亿 这是乘数的作用 对于国内信贷也有同样的解释 也可以用广义差分进一步修改 见下页 广义差分模型 命令方式 Lsm2 0 106 m2 1 cgsd 0 106 gsd 1 gdp 0 106 gdp 1 cpi 2 0 106 cpi 1 2结果没有多大改善 也可用AR I 来处理 异方差检验 改革开放以来 随着经济的发展中国城乡居民的收入快速增长 同时城乡居民的储蓄存款也迅速增长 经济学界的一种观点认为 20世纪90年代以后由于经济体制 住房 医疗 养老等社会保障体制的变化 使居民的储蓄行为发生了明显改变 为了考察改革开放以来中国居民的储蓄存款与收入的关系是否已发生变化 以城乡居民人民币储蓄存款年底余额代表居民储蓄 Y 以国民总收入GNI代表城乡居民收入 分析居民收入对储蓄存款影响的数量关系 案例2 储蓄 数据如下 下表为1978 2003年中国的国民总收入GNI和城乡居民人民币储蓄存款年底余额Y及增加额YY的数据 单位 亿元 数据来源 中国统计年鉴2004 表中 城乡居民人民币储蓄存款年增加额 为年鉴数值 与用年底余额计算的数值有差异 数据文件al1 wf1 为了研究1978 2003年期间城乡居民储蓄存款随收入的变化规律是否有变化 考证城乡居民储蓄存款 国民总收入随时间的变化情况 如下图所示 从图中尚无法得到居民的储蓄行为发生明显改变的详尽信息 若取居民储蓄的增量 YY 并作时序图 见下页 从居民储蓄增量图可以看出 城乡居民的储蓄行为表现出了明显的阶段特征 在1996年和2000年有两个明显的转折点 再从城乡居民储蓄存款增量与国民总收入之间关系的散布图看 也呈现出了相同的阶段性特征 为了分析居民储蓄行为在1996年前后和2000年前后三个阶段的数量关系 引入虚拟变量D1和D2 D1和D2的选择 是以1996 2000年两个转折点作为依据 并设定了如下以加法和乘法两种方式同时引入虚拟变量的的模型 计算结果如下 思考 1 根据下面结果如何进行分析 这表明三个时期居民储蓄增加额的回归方程在统计意义上确实是不相同的 1996年以前收入每增加1亿元 居民储蓄存款的增加额为0 14568亿元 在1996 2000年 则为 0 197523亿元 2001年后为0 337256亿元 已发生了很大变化 上述模型与城乡居民储蓄存款与国民总收入之间的散布图是吻合的 与当时中国的实际经济运行状况也是相符的 需要指出的是 在上述建模过程中 主要是从教学的目的出发运用虚拟变量法则 没有考虑通货膨胀因素 而在实证分析中 储蓄函数还应当考虑通货膨胀因素 2 其它形式的模型呢 如乘法和加法 案例3 银行革新措施的效果分析 Y是某一银行提出某项革新措施直到革新技术被采用的间隔月数 X是银行总资产 D1是定性 虚拟 变量 表示 1是股份制银行 0是农村信用社 数据如下表 研究采取某项银行革新措施的速度Y与银行的规模X和银行类型的关系 数据文件al6 wf1 要求建立虚拟变量模型 三种形式都要考虑找到比较好的模型 并分析系数的含义 从加法模型知 银行类型对采纳革新技术平均所需时间的差异表现为D1的系数 它的值为8 055 表明信用社采取革新技术平均比股份制银行少8个月多 从乘法模型可知 银行总资产与采纳革新技术所需时间成反比 资产规模越大 则采纳革新技术措施间隔时间就越长 同时也表明 股份制银行总资产系数为 0 082285 而农村信用社为 0 119044 这说明农村信用社总资产对采纳革新技术所需时间的影响要比股份制银行大 负向影响大 混合模型效果不好 案例4 利用VAR模型对我国货币政策的有效性进行检验 1 数据来源 取我国狭义货币供应量M1 商品零售物价指数CPI 1994年1季度为100 以及代表产出水平的国内生产总值GDP的季度数据 时间为1994年第一季度到2004年第二季度 文件aL3 wf1 2 建模 在选择滞后项时 应用信息准则 根据金融理论 货币效应时滞在一年左右 所以我们选择最大4阶 根据AIC信息准则 我们应选择滞后项为4 根据SC信息准则 我们应选择滞后项为2或3 考虑到3阶后AIC值下降较缓 以及结合模型的R2和DeterminantResidualCovariance的值 最后选择滞后项为3 或者由Eviews5 1可得到 在VAR模型估计结果窗口中点view再选取lagstructure laglengthCriteria 在五个评价指标中有4个认为滞后期应为3 见系统自动标出的结果 即 号处 本例选择结果如下 设置滞后期 必须配对出现 例如 1258则每个方程所包含的变量的滞后期均为 yt 1 yt 2 yt 5 yt 6 yt 7yt 8 是否需要常数项 不需要去掉c 变量下面第1和2括号值分别标准差和T统计量 在同一变量不同的滞后项 有的是显著的 有的是不显著的 有的符号是相反的 验证了我们所说的VAR模型是缺乏理论依据的 首先 对于物价CPI 上一季度的货币供应量对其的影响是显著的 并且系数为正 与理论相符 说明货币供应量的增加将使物价水平上升 而上第二个季度M1的对CPI的影响是负的 而且更显著 正负交叉影响表现出M1和CPI相互关系的特征 其次 对于货币供应量来说 上一季度的GDP对其影响不显著 说明货币供应量不受上期的产出但受物价水平的影响显著 但上第2季度的GDP对M1产生显著负影响 再次 对于GDP 上期的货币供应量对其是显著正影响 这从一个侧面验证了前几年我国实施的稳健的货币政策效果是有效的 而上期物价水平则对产出是不显著负影响 注 为了保证序列的平稳性 也可先对所有的数据进行处理再建立VAR模型 如取它们的自然对数 用genr功能 Lgdp log gdp Lcpi log cpi Lm1 log m1 然后分别对Lgdp Lcpi Lm1三变量建立VAR模型 或者直接用log gdp log cpi log m1 建立VAR模型 2 预测 这是Eviews3 1的弹出形式 点这里就可求出拟合值 Eviews5 1形式为 点makemodel后得到 点Solve得到如下对话框 基本选择有5项 在模拟种类中有2项 第1为确定性 第2为随机性 在动态方法中有动态求解等项 在静态条件下 滞后期是用实际值 而在动态情况下 滞后期用拟合值 在Solutionscenarios output 输出结果保存的序列名 求解得到的序列名是采用原序列加上后缀的方式命名 例如如果选择baseline 则cpah的预测值放在Cpah 0 在备份序列名 以免在用不同模型进行预测时 冲掉了上一次的预测值 例如如果选择了scenarios1 则预测值放在Cpah 1中 注意 上述两对话框都不能选择Actual 实际值 否则计算不出预测值 此时必须勾上下面的选择才有效 在工作文件窗口中cpi和cpi 0分别为原始数据及拟合值 其它同理 可以用Genr命令求出每个变量的残差 Baseline为预测值 拟合值 3 脉冲响应脉冲响应函数是度量来自于每个方程的随机误差项的一个标准差新息冲击时被解释变量的响应程度和持续时间 通过测量脉冲响应 我们能够清楚地看到随机误差项的一个标准差新息在某一时期的冲击对未来各期被解释变量的传导作用 在方程的输出窗口中点view impulseResponse得到 这是Eviews3 1弹出结果 在弹出对话框中 左边 从上到下 一是变量所在方程随机扰动项的一个标准差的变动的变量 也即方程内生变量名 二是欲要计算脉冲响应的变量名 三是输入VAR模型出现的变量顺序 变量的顺序会对结果产生影响 四是计算的期数 右边 上面部分是选择结果的显示方式 表 每个脉冲响应函数图 合成图 来自于同一变量冲击的脉冲响应函数图合并显示 中间部分是选择计算脉冲响应或还方差分解 下面部分是关于计算脉冲响应函数标准差的方法 一是不计算 二是渐近解析法 三是蒙特卡洛法 这是Eviews5 1结果 在弹出对话框中本例选择结果如下 基本上和3 1是类似的 注意 虽然乔利期基 cholesky 分解被广泛应用 但是方程的顺序将会强烈地影响脉冲响应 因为如果新信息是相关的话 它们将包含一个不与某特定变量相联系的共同成分 通常将共同成分的效应归属于VAR系统中第一个出现的变量 依照方程顺序 即Cpi m1 gdp的方程对应的 1t 2t 3t的共同成分都归到 1t 因此方程的顺序 即变量顺序 会影响脉冲响应的结果 但如果两个变量之间的相关性不大时 结果与排序无关 积累反应 一般不选取 M1对M1的一个标准差冲击 一开始反应敏感 在第一期达到最高值 随后迅速下降到最低点 然后缓慢上升保持不变在10期内都是正的 M1对gdp的一个标准差冲击的反应比较弱 几乎在所0左右波 说明货币流通量对经济的冲击较弱 M1对Cpi的一个标准差冲击的反应敏感 在第一期达到最低值 然后趋于平稳 同时表明M1对CPI的传导作用始终为负 GDP对Cpi GDP m1的一个标准差冲击的反应的脉冲响应函数图 分析略 根据上面的脉冲响应函数图 可以详细分析各个变量对另一些变量冲击的持续效应和持续时间 Cpi分别对cpi GDP m1的一个标准差冲击的反应的脉冲响应函数图 自己作分析 对于单个脉冲响应图 Eviews给出一个 2S E的置信区间 这是选择顺序为m1 gdp cpi 其结果和前面的结果有一定的差异 见右图 广义脉冲响应 广义脉冲响应函数 GeneralizedImpulse 是Pesaran和shin在1998年提出的 Pesaran和Shin证明 1 广义脉冲响应是唯一的 即消除了变量的顺序会影响脉冲响应结果的问题 并且考虑了观测到的不同形式冲击和它们之间的相关性 2 Pesaran和Shin还进一步证明了正交分解的脉冲响应是广义脉冲分解的特殊形式 当协方差矩阵是对角阵时 二者是一致的 3 它可应用于非线性多变量模型中 因为它不考虑冲击的范围 符号和历史 因此 利用广义脉冲响应函数得到的结果更具稳定性和说服力 广义脉冲响应的计算如下 选择此项 则右边就不会存在变量顺序选择问题 广义脉冲响应 4 方差分解 通过方差分解可以了解到各个变量的冲击能解释某个变量的份额以及各个变量有没有预测作用 因为方差S E的变动代表着该变量的变动规律 在模型的输出窗口中选取View varancedecomposition到方差分解 注意方差也与变量的顺序有关 这图是显示M1的方差分解 显示cpi的冲击从弱到强 长期来看能解释m1的40 48 而gdp能解释约6 左右 CPI对M1的冲击是明显的 同时表明CPI对M1变动的预测作用约41 3 这图是显示cpi的方差分解 显示gdp的冲击从长期来看能解释cpi的4 左右 而m1也是能解释4 左右 两者相差不大 这图是GDP的方差分解 显示cpi的冲击基本上能解释gdp的22 左右 而M1冲击从弱到强 平均能解释25 左右 案例5 面板数据 Paneldata 及其应用 面板数据是同时具有时间和截面性质的数据 是近20年来计量经济学最重要的发展领域之一 下面从实例来介绍面板数据应用 一 面板数据模型的类型在很多经典的计量经济学模型中所利用的数据不是只利用了时间序列数据就是只利用了截面数据 而实际上 仅利用了时间序列数据或者截面数据对很多经济问题进行分析是远远不够的 我们经常碰到在同一时间包含不同截面的数据信息 例如各个国家的 或者省份 若干系列的年度GDP数据 或者是一段时间不同地区的失业数据 这类数据既有时间序列特性又包含一定的横截面特点 因此以前的计量经济学方法就需要调整 单方程面板数据的一般形式为 Yit i iXit it i 1 2 N t 1 2 T 其中N表示面板数据中含有N个个体 T表示时间序列的最大长度 如果固定t不变 则Yit i 1 2 N 是横截面上的N个随机变量 如果固定i不变 则Yit t 1 2 T 是纵向面上的一个时间序列 个体 k为解释变量个数 常用的模型有如下三种 1 i j i j 2 i j i j 3 i j i j Yit i Xit i it i 1 2 N t 1 2 T 1 i j i j 2 i j i j 3 i j i j对于 1 在横截面上无个体差异 没有结构的变化 例如可认为所有省份是完全一样的 则普通的最小二乘法估计给出了 一致有效估计 此时把相当于把多个时期的截面数据放在一起作为样本数据 方程 2 为变截距模型 在横截面上的个体影响不同 个体的影响表现为模型中被遗漏或者难以观测的其它影响变量 一般分为固定影响 进一步分为个体固定和时间固定 和随机影响两种模型 方程 3 变系数模型 除了存在个体影响使在横截面上表现不同外 个体影响还会使解释变量的系数发生变化 表现为随个体不同 或者时间不同 或者随机影响不同 而 j不同 用面板数据建立模型通常有三种 混合模型 固定效应模型和随机效应模型 固定效应模型又分为三种 个体固定效应模型 时间固定效应模型和个体时间固定效应模型 一 混合模型如果从时间上看 不同时间之间不存在显著性差异 从截面上看 不同截面之间也不存在显著性差异 那么就可以直接把面板数据混合在一起用普通最小二乘法 OLS 估计参数 如果一个面板数据定义为 Yit Xit it i 1 2 N t 1 2 T 则称为混合模型 其特点是无论对任何个体和截面 回归系数 和 都相同 二 固定效应模型 固定效应模型又分为三种 个体固定效应模型 时间固定效应模型和个体时间固定效应模型 1 个体固定效应模型 如果面板数据模型定义为 Yit i Xit it i 1 2 N t 1 2 T 其中 i为随机变量 是随不同的个体是不同的 表示对于i个体有i个不同截距项 并且其变化与Xit有关系 Yit为被解释变量 Xit为解释变量向量 为回归系数向量 对于不同个体回归系数相同 则称为个体固定效应模型 个体固定效应模型也可表示为如下形式 Yit 0 1Xit 1Zi it以本例为例 考察不同省份和不同时间的消费与收入之间的关系 设Y和X分别表示消费和收入 Z为遗漏或者难以观测的其它影响变量 此变量体现了省市之间 个体 的差异 但又不随时间变化而变化 例如第i个省的消费特征 消费习惯和消费文化等因素是不同的 然而假定这些因素又不随时间变化而发生变化 这样可以用个体固定效应模型描述 其线性模型为 Yit 0 1Xit 1Zi iti 1 N 表示N个省市 个体 t 1 2 T t表示时间 Zi仅与个体有关 与时间无关 Zi的取值为二元变量 为了区别不同的个体 需引入N 1个Zi 引入N个会出现多重共线性问题 Yit 0 1Xit 1Z1 2Z2 N 1ZN 1 it上式就是一个线性形式的个体固定效应模型 其个体差异的不同体现在截距不同上 第i个个体的截距项为 i 0 i 如果有k个解释变量 则个体固定效应模型为 Yit 0 1X1 it kXk it 1Z1 2Z2 N 1ZN 1 it可以很容易地把上述模型写成如下矩阵形式 Yit i Xit it 2 时间固定效应模型 如果面板数据模型定义为 Yit i Xit it其中 i为随机变量 是随不同的时间是不同的截面 表示对于T时间截面有T个不同截距项 并且其变化与Xit有关系 Yit为被解释变量 Xit为解释变量 为回归系数 对于不同时间回归系数相同 假设遗漏或者难以观测的影响变量随时间变化而发生变化 但在省市之间 个体截面 不发生变化 如消费税 存款利率的变化等因素的影响 则引入时间二元变量D来体现 即时间固定效应模型也可表示为 Yit 0 1X1 it kXk it 2D2t TDTt it 其中 i 0 i其中Di只能有T 1个 否则就会出现多重共线性 3 个体时间固定效应模型 模型形式为 Yit i i Xit it i 1 2 N t 1 2 T 其中 i为随机变量 是随不同的个体是不同的 表示对于i个体有i个不同截距项 其中 i为随机变量 是随不同的时间是不同的 表示对于T时间截面有T个不同截距项 即如果模型要体现遗漏或者难以观测的两种类型变量 一类是随个体不同而变化 但又不随时间变化而变化 另一类是不随个体不同而发生变化 但随时间变化而变化 则需要建立个体时间固定效应模型 Yit 0 1X1 it kXk it 1Z1 2Z2 N 1ZN 1 2D2t TDTt it 三 随机效应模型 如果面板数据模型为 Yit i Xit it i 1 2 N t 1 2 T 其中Yit为被解释变量 Xit为解释变量向量 为回归系数向量 i为随机变量 并且其分布与Xit无关 即模型的随机干扰项与解释变量无关 随机效应模型是指 随机干扰项是真正的随机干扰项和未观测效应 个体效应或者时间效应 的组成部分 故可以这样来理解 固定效应模型是截距项的差异体现在截面上 i上 而随机效应模型的截距项差异是体现在随机干扰项上 即随机干扰项含有个体效应 分个体和时间差异两种 如果随机干扰项包含的是不同个体效应 则这种模型称为个体随机效应模型 如果随机干扰项包含的是不同时间效应 则这种模型称为时间随机效应模型 另外还要注意 一方面固定效应模型会耗费很大的自由度 所以对于截面数目很大的面板数据 随机效应模型似乎更合适 但另一方面 固定效应模型有一个独特的优势 无须做个体效应与其他解释变量不相关的假设 而在随机效应模型 这个假设是必须的 在模型的设定中如果遗漏了重要的变量 就会导致参数估计的非一致性 因此在选择模型之前最好作模型类型的检验 看是固定效应模型还是随机效应模型 二 工作文件的建立和数据输入处理 考察不同省份和不同时间的消费与收入之间的关系 利用1996 2002年中国东北 华北和华东等15个省的居民家庭人均消费 cp 不变价格 和人均收入 ip 不变价格 数据来建立面板数据模型 年人均消费 consume 人均收入 income 和消费者价格指数 p 分别见下表 其中省标识为 ah 安徽 bj 北京 fj 福建 hb 河北 hlj 黑龙江 jl 吉林 js 江苏 jx 江西 ln 辽宁 nmg 内蒙古 sd 山东 sh 上海 sx 山西 tj 天津 zj 浙江 数据文件为al4 wf1 数据文件为al4 wf1 1996 2002年中国东北 华北 华东15个省级地区的居民家庭固定价格的人均消费 CP 和人均收入 IP 数据是7年的 每一年都有15个数据 共105组观测值 15个省级地区的人均消费序列15个省级地区的人均收入序列 个体 变量的定义和数据的输入 输入截面的层数 本例为 如果不仅考虑省份的差异又考察每个省的若干行业间差异性 则输入2 即双层截面 选取面板数据类型 年和时间 工作文件名和页码 1 首先建立面板数据工作文件 定义序列名及输入数据 点object Newobject 然后选 ool 合并数据库 3个变量名的后缀分别为截面变量aH BJ ZJ 3 点sheet 输入时间序列变量 变量之间用空格隔开 pool的名称 2 然后输入变量名及数据 在打开的合并数据库窗口pool中输入15个省的标识 截面变量 aH BJ ZJ 用SHOW打开就可输入数据了 数据的不变价处理方法 在原来的Pool窗口中 原来关闭可重新打开并输入变量名ah zj 然后点生成新数据键poolgenr 得到下图 这样就可生成消除价格因素的消费序列CP 所有变量数据 对IP 也同样道理 见右图 代表了所有省份 例如对CP 取对数 log cp 取滞后期 cp 1 等等 三 模型的选择与检验 一般是用豪斯曼 Hausman 检验或者协方差分析检验 下面介绍协方差分析检验 协方差分析检验 设 Yit i iXit it i 1 2 N t 1 2 T 1 i j i j 2 i j i j 3 i j i j下面分别检验模型是否是三种形式的一种 主要检验两个假设 假设1 变量系数 斜率 在不同横截面样本点上和时间上都相同 但截距不相同 H1 Yit i iXit it i j i j假设2 变量系数和截距在不同横截面样本点上和时间上都相同 H2 Yit i iXit it i j i j检验过程如下 1 i j i j 2 i j i j 3 i j i j设S1 S2 S3分别是方程 1 2 3 的模型的残差平方和 计算如下两个F统计量并进行检验 上述统计量服从F N 1 K 1 N T K 1 分布 其中N为个体数 T为时间个数 K为解释变量个数 给出显著性水平 查F分布表 如果F2 F 则拒绝H2 则模型不是 2 就是 3 反之就接受H2 则模型为 1 检验结束 如果拒绝H2则需进一步检验是 2 模型或者是 3 即再计算 上述统计量服从F N 1 K N T K 1 分布 给出显著性水平 查F分布表 如果F1 F 则拒绝H1 则模型为 3 反之就接受H1 则模型为 2 检验结束 在具体检验时 对于H1 Yit i iXit it i j i j又分为个体不同导致 i不同 个体固定效应模型 时间不同导致 i不同 时间固定效应模型 以及两者均有的模型 个体时间固定效应模型 还有个体和时间随机效应导致的 i不同等多种情形 即计算S2有多种不同情形 而对于计算S3时也有不同的情形 如个体导致系数不同 时间导致系数不同等等 下面就本例进行检验 由Yit i iXit it i 1 2 N t 1 2 T 1 i j i j计算S1 第一步 先作混合效应模型计算S1 在cross section一栏选择None 不含截距项 Period也是None Weights是noWeights 非加权 见下图 则回归结果的Sumsquaredresid值就是S1 S1 4824973 不加常数项可去掉c 第二步 计算固定效应模型Yit i iXit it 2 i j i j 求出S2 在这里选取个体和时间固定效应 选择见下图 得S2 2045804 表示只要某时期任意截面单元数据存在缺失值 则将不利用该观测值进行计算 保证数据的平衡 故此项一般要打上勾 第二步 计算变系数效应模型Yit i iXit it 2 i j i j 求出S3 在这里选取个体变系数效应模型 选择见下图 得S3 1010842 检验 N为个体数 在本例为省级个数15 T为时间期数 本例为7 K为解释变量 不含被解释变量和常数项 本例为k 1 F N 1 K N T K 1 F0 05 14 75 1 84F1 F0 05 拒绝H1 故本例应建立模型 3 3 Yit i iXit it i j i j 取 0 05 查表得F N 1 K 1 N T K 1 F0 05 28 75 1 61故F F0 05 所拒绝H2 模型不是 2 就是 3 其实这些检验也要结合模型统计检验才合理 Hausman检验 JerryA Hausman教授 先后毕业于布朗大学和牛津大学 现为美国麻省理工学院经济学教授主要的研究领域为计量经济学和应用经济学 JerryA Hausman教授是世界上最杰出的计量经济学家之一 其最著名的成就之一 HausmanSpecificationTest 被称为世界上经济学学生使用最频繁的 DailyBread Hausman教授也是世界上首屈一指的通讯和电信产业经济学家 同时在消费者行为 公司行为 公共政策等应用经济学领域也发表了大量的论文 JerryA Hausman教授所获的各种学术奖项和荣誉难以计数 其中于1980年获得计量经济联盟授予的弗里茨奖章 FrischMedaloftheEconometricSociety 1985年获得著名的克拉克奖 JohnBatesClarkAwardoftheAmericanEconomicAssociation 该奖每两年颁发一次 授予那些在经济学各领域中做出了杰出贡献的40岁以下的青年经济学家 除此之外 JerryA Hausman教授还在许多国家政府 监管机构和许多大公司中担任经济顾问 在固定效应的输出窗口上选 Fixed rondomEffecttesting RedundantFixedEffects likelihoodRatio可以进行是固定效应还是混合效应的检验 但是模型必须是选取固定效应 最好是选个体时间固定效应 这样检验结果会给出很多 如下 此检验结果的原假设H0是混合模型 从下面Prob值可知 应该作个体固定效应模型或者时间个体固定效应模型 不适合做时间固定效应模型 但是如果取双对数后模型检验结果又不同 见下页 检验结果显示三种因定效应模型都可以做 另外还可以作变系数的形式检验 也是要在相应的模型形式窗口上作检验 作是固定效应还是随机效应模型的检验 此检验的原假设H0是随机效应模型 此检验必须在随机效应检验输出窗口上选 Fixed rondomEffecttesting CorelatedRondomEffects Hausmantest 但是模型必须是随机效应模型 最好是选个体时间随机效应 这样检验结果会给出很多 结果如下 否定原假设H0 即不能做时间个体随机效应模型 当然这里仅选了系数不变的模型 还要选择其形式的随机效应模型进行检验 面板数据模型设计窗口解释 此窗口是输入回归变量及AR项区 此时变量有相同截距项 如果在 ross Secti中再选取 ixed 个体固定效应 则输出中既有共同截距又有个体不同截距 如果在 eriod中再选取 ixed 时间固定效应 则输出中既有共同截距又有时间不同截距 也可同时设计个体和时间固定效应 随机效应等 此窗口是输入回归变量 如果单输入此项 则个体变量有不同系数 如果在 ross Secti中再选取 ixed 则输出中加上个体的不同截距 对在 eriod也一样道理 此窗口是输入回归变量 如果单输入此项 则时间变量有不同系数 如果在 ross Secti中再选取 ixed 则输出中既时间变量有不同系数也有个体不同截距 上述右边三个窗口对于选取随机效应模型 andom 也一样道理 四 模型结果分析1 只分析同时具有个体固定和时间固定效应的模型 变量有相同系数的 模型设计如下图 如安徽模型是 cpah 消费 682 1051 0 67118ipah 收入 68 68286 75 38544D1996 23 54194D1997 8 362182D1998 38 78596D1999 32 75756D2000 41 85951D2001 108 0936D2002 其中Di为第I年取1 其它取0的虚拟变量 由此可知 总体看 消费对收入边际函数为0 67118 所有15省市平均消费水平为682 1051元 从横向 个体 比较看 北京最高达到617 2204 682 1051 其次是上海 最低为江西 从纵向 时间 看 最高年份为2002 最低为1996 每个方程的解释变量均有相同系数0 67118 而常数项的相同部分为682 1051 在此基础上反映出每个省不同常数项是由下的 省 C 决定 在相同常数682 1051基础上 反映出每年不同的常数项的 年 C 决定 也可在方程的输出窗口中点proc makemodel 如右图 可看出每个方程的结构 点此下拉菜单可以看出每个方程的结构 isperiod 年 表示那一年取1 其它取0的虚拟变量 即Di 对应于输出方程中的 年 C coef 2 表示每个方程相同的系数0 6711804 coef 1 表示每个方程相同的常数682 10508 coef 3 表示每个方程不同省份的常数项差异部分 如上海对应于输出方程中的ah c 在方程的输出窗口中点proc makemodel 在弹出的对话框中点右键 如下图 然后选择breaklink 就得到下图 再双击每个方程就得到相应的方程表达式 或点View中的sourcetext 也可以得全部方程表达式 2 同时具有个体固定和时间固定效应的模型 并且变量有不同系数的 模型设计如下图 输出结果如下 如安徽 cpah 2453 075 492 1158 0 212509ipah 535 1696D1996 246 2671D1997 162 4531D1998 43 35205D1999 126 3162D2000 236 2293D2001 624 6964D2002 如北京的方程为 注意 1 选择变系数模型时 加不加c都输出有共同常数项 2 作个体时间固定效应模型时 不可加AR项 3 作时间固定效应模型时 不可加AR项 例如 非线性模型并消除序列相关的模型如下 五 预测 在Model窗口中点Solve 模型求解 得到如下对话框 基本选择有5项 在模拟种类中有2项 第1为确定性 第2为随机性 在动态方法中有动态求解和静态等项 在Solutionscenarios output 输出结果保存的序列名 求解得到的序列名是采用原序列加上后缀的方式命名 例如如果选择baseline 则cpah的预测值放在Cpah 0 在备份序列名 以免在用不同模型进行预测时 冲掉了上一次的预测值 例如如果选择了scenarios1 则预测值放在Cpah 1中 注意 上述两对话框都不能选择Actual 实际值 否则计算不出预测值 Baseline为预测值 个体随机效应模型 先输入时间变量D1997 D2002 注意7个时间只能设计6个 个体随机效应模型设计为 变量系数相同 此结果与下面的选取是一样的 例如1996的常项数值为 142 6502 68 54517 211 1954 与上面模型的1996年常项数值一样 在模型输出窗口中可以进行是个体固定效应模型还是个体随机效应模型 可用hausman检验 5 1才有此检验 检验结果 故此例不适合做随机效应模型 在个体及时间随机效应以及相同系数模型的基础上的检验结果 六 单位根检验 在工作文件窗口中打开要检验的序列 选取所有序列cpah cpzj 然后在序列窗口中点views选择unitroottest得到下图 是否使用平衡数据 号表示自动选择最大滞后期 滞后期选择的方法 六种检验方法 其summary为综合六种检验方法 六种检验方法有四种检验方法均认为15个cp序列均存在单位根 先选定所有15个序列 有序列窗口中选取单位根检验 当然这个结果与上述选项 includeintestequation 有关 可以多次选取不同的选项 最后大多数检验都认同的就是最终检验结果 注意对于includeintestequation的不同选取 则有些检验方法检验结果不出现 用ADF法也表明存在单位根 原假设 无协整关系 此栏目下有两个P值均小于0 05 存在协整关系 有两