Eviews6.0面板数据操作

Eviews6.0面板数据操作一、数据输入1、创建工作文档。如下图操作，在 ”workfilecreate”文本框的“workfilestructuretype”选择“balancedpanel”,”panelspecification”的”startdate”和”enddate”输入数据的起止期间，”wf”输入工作文档的名称，点击 ”OK”即跳出新建的工作文档 a界面。2、创建新对象。操作如下图。在 ”newobject”文本框的”typeofobject”选择”pool”，”nameforobject”输入新对象的名称。创建成功后的界面如下面第 3张图所示。-3、输入数据。双击 ”workfile”界面的 ，跳出”pool”界面，输入个体。一般输入方式为如下：若上海输入 _sh，北京输入_bj,⋯。个体输入完成后，点击该界面的 键，在跳出的”serieslist”输入变量名称，注意变量后要加问号。格式如下： y?x?。点击”OK”后，跳出数据输入界面，如下面第4张图所示。在这个界面上点击 键，即可以输入或者从 EXCEL处复制数据。在输入数据后，记得保存数据。保存操作如下：在跳出的“workfilesave”文本框选择“ ok”即可，则自动保存到我的文档。然后在“workfile”界面如下会显示保存路径： d:\mydocuments\a.wf1。若要保存到自己选择的路径下面，则在保存时选择“ saveas”,在跳出的文本框里选择自己要保存的路径以及命名文件名称。4、单位根检验。一般回归前要检验面板数据是否存在单位根，以检验数据的平稳性，避免伪回归，或虚假回归，确保估计的有效性。单位根检验时要分变量检验。 （补充：网上对面板数据的单位根检验和协整检验存在不同意见， 一般认为时间区间较小的面板数据无需进行这两个检验。）（1）生成数据组。如下图操作。点击 ”makegroup”后在跳出的”serieslist”里输入要单位根检验的变量，完成后就会跳出如下图 3所示的组数据。（2）生成时序图。如下图操作。在 ”graghoptions”界面的”specifi”下选择生成的时序图的形状，一般都默认设置，生成的时序图如下图3所示。观察时序图的趋势，以确定单位根检验的检验模式。（3）单位根检验。单位根检验时，在”groupunitroottest”里的”testforrootin”按检验结果一步步检验，如果原值”level”的检验结果符合要求，即不存在单位根，则单位根检验就不需要检验下去了，如果不符合要求，则需继续检验一阶差分 ”1stdifference”、二阶差分 ”2nddifference”。”includeintestequation”是检验模式的选择，根据上面时序图的形状来选择。从上面的时序图可以看出， 原值的检验模式应该选择含有截距项和趋势的检验模式， 即”includeintestequation”选择”individualinterceptandtrend”。检验结果如下图 3所示。从检验结果可以看出，检验结果除了 levin检验方法外其他方法的结果都不符合要求 （Prob.xx小于置信度(如0.05),则认为拒绝单位根的原假设，通过检验） 。所以继续检验一阶差分和二阶差分，直到检验结果达到要求。 如果变量原值序列通过单位根检验， 则称变量为 0阶单整；如果变量一阶差分后的序列通过单位根检验，则称变量为一阶单整，以此推之。注意：单位根检验的方法（ testtype）较多，可以使用 LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher这5种方法进行面板单位根检验。一般，为了方便起见，只采用相同根单位根检验LLC和不同根单位根检验Fisher-ADF这两种检验方法，如果它们都拒绝存在单位根的原假设，则可以认为此序列是平稳的，反之就是非平稳的。5、协整检验。协整检验检验的是模型的变量之间是否存在长期稳定的关系，其前提是解释变量和被解释变量在单位根检验时为同阶单整。操作如下图所示。6、回归估计面板数据模型根据常数项和系数向量是否为常数， 分为3种类型：混合回归模型（都为常数）、变截距模型（系数项为常数）和变系数模型（皆非常数） 。混合模型： yit xit it i 1,2, ,N;t 1,2, ,T变截距模型：yixititit变系数模型：yixitititi

i1,2,,N;t1,2,,Ti1,2,,N;t1,2,,T判断一个面板数据究竟属于哪种模型，用F统计统计量：F1(S2S1)/N1KFN1K,N(TK1)S1/NTN(K1)F2(S3S1)/N1(K1)S1/NTN(K1)FN1(K1),N(TK1)来检验以下两个假设：H1:12N，H2:12N,12N。其中，S1、S2、S3分别为变系数模型、变截距模型和混合模型的残差平方和，K为解释变量的个数，N为截面个体数量，为常数项，为系数向量。若计算得到的统计量F2的值小于给定显著性水平下的相应临界值，则接受假设H2，用混合模型拟合样本。反之，则需用F1检验假设H1，如果计算得到的 F1值小于给定显著性水平下的相应临界值，则认为接受假设 H1，用变截距模型拟合，否则用变系数模型拟合。具体操作：1）、分别对面板数据进行 3种类型模型的回归，得到 S1、S2、S3。此外，一般来说，用样本数据推断总体效应， 应用随机效应回归模型； 直接对样本数据进行分析， 采用固定效应回归模型。首先回到面板数据表，如果是在如下这个界面时，点击 按钮，在跳出的“ serieslist”文本框里输入模型变量，如下图。也可以通过重新打开工作文件，如下图操作。选择自己当初保存的路径和文件名，点击打开。打开后，跳出工作文件双击 ，然后分别进行变系数、变截距和混合模型的回归估计：点击 ，进行变系数回归（变系数）变截距回归混合模型估计前面同2）操作，在“poolestimation”输入如下2）、确定模型形式把模型估计取得的s1、s2、s3数值代入前述公式（第13页），如下(S2S1)/N1KF1NTN(KFN1K,N(TK1)S1/1)(S3S1)/N1(K1)F2S1/NTN(KFN1(K1),N(TK1)1)计算得到F1、F2值，检验假设H1、H2，从而确定采用何种模型形式（变系数、变截距、混合效应）。3）、回归分析若检验结果表明应采用变系数模型，回到以下界面进行估计点击 ，进行变系数回归上图列示了回归结果，其中：Coefficient为系数，比如AH的系数为0.760053，截距项为477.4820-315.8649②t-Statistic为t值，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。Prob为系数的概率，若其小于置信度(如0.05)则表明|t|大于临界值，即认为系数合理。从结果可以看出，本例中系数合理。③R-squared为样本决定系数，表示总离差平方和中由回归方程可以解释部分的比例，比例越大说明回归方程可以解释的部分越多。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，所以可以通过增加自变量的个数来提高模型的R-squared。本例中R-squared0.995382，接近1，拟合度相当好。AdjustR-seqaured为修正的R-squared，与R-squared有相似意义。④F-statistic表示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。若Prob(F-statistic)小于置信度(如0.05)则说明F大于临界值，方程显著性明显。本例中Prob(F-statistic)为0.000000，模型方程显著。⑤Durbin-Watsonstat：检验残差序列的自相关性。其值在0-4之间。_01_02_03_0