面板数据模型课件

1、面板数据模型,1,PPT学习交流,2,PPT学习交流,3,PPT学习交流,4,PPT学习交流,图6 图7,5,PPT学习交流,File：panel02c,用原变量建模还是用对数变量建模?,6,PPT学习交流,图8,图9,7,PPT学习交流,(1)建立年度频率文件,面板数据EVIEWS输入,8,PPT学习交流,（2）建立合成数据库（pool）对象 在打开工作文件窗口的基础上，点击主功能菜单中的Objects键，选New Object功能，从而打开New Object（新对象）选择窗,9,PPT学习交流,在Type of Object选择区选择Pool（混合数据库），在Name of Object

2、选择区命名CS（初始显示为Untitled），点击OK，从而打开Pool对象说明窗口。在窗口中输入15个地区标识AH（安徽）、BJ（北京）、ZJ（浙江）。,10,PPT学习交流,（3）定义序列名并输入数据 在新建立的Pool（混合数据）窗口的工具栏中点击Sheet键，从而打开Series List（列出序列名）窗口，定义时间序列变量CP?和IP?，如下图。点击OK键，从而打开Pool（混合数据库）窗口，输入数据，输入完成后的情形见图。,图11.3.3 序列列表对话框,11,PPT学习交流,图 序列的堆栈形式数据表,12,PPT学习交流,13,PPT学习交流,14,PPT学习交流,15,PPT学

3、习交流,16,PPT学习交流,17,PPT学习交流,18,PPT学习交流,19,PPT学习交流,从结果看，北京、上海、浙江是自发消费（消费函数截距）最大的3个地区。,20,PPT学习交流,21,PPT学习交流,22,PPT学习交流,23,PPT学习交流,24,PPT学习交流,25,PPT学习交流,26,PPT学习交流,27,PPT学习交流,28,PPT学习交流,3. 面板数据模型估计方法,混合最小二乘（Pooled OLS）估计 （适用于混合模型） 平均数（between）OLS估计 （适用于混合模型和个体随机效应模型） 离差变换（within）OLS估计 （适用于个体固定效应回归模型） 一阶

4、差分（first difference）OLS估计 （适用于个体固定效应模型） 可行GLS（feasible GLS）估计 （适用于随机效应模型）,29,PPT学习交流,30,PPT学习交流,31,PPT学习交流,32,PPT学习交流,方差分析,33,PPT学习交流,34,PPT学习交流,35,PPT学习交流,36,PPT学习交流,37,PPT学习交流,38,PPT学习交流,39,PPT学习交流,40,PPT学习交流,41,PPT学习交流,混合模型与个体固定效应模型比较，应该建立个体固定效应模型。,42,PPT学习交流,4面板数据模型检验与设定方法,4.4 Hausman检验,原假设与备择假设

5、是 H0: 个体效应与回归变量无关（个体随机效应回归模型） H1: 个体效应与回归变量相关（个体固定效应回归模型）,43,PPT学习交流,个体随机效应模型与个体固定效应模型比较，应该建立个体固定效应模型。,44,PPT学习交流,6面板数据的单位根检验,45,PPT学习交流,46,PPT学习交流,47,PPT学习交流,LLC检验是左单端检验，因为LLC = 4.28 -1.65，所以存在单位根。,6面板数据的单位根检验,48,PPT学习交流,6.3 IPS（Im-Pesaran-Shin）检验（1997, 2002） （适用于不同根（common root）情形）,IPS检验是左单端检验，因为I

6、PS= 5.15 -1.65，所以存在单位根。,6面板数据的单位根检验,49,PPT学习交流,6.4 MW（Maddala-Wu）检验（1997），又称Fisher-ADF检验。（适用于不同根情形） IPS检验和LL检验的缺陷是只适用于平衡面板数据，为解决此问题，Maddala-Wu（1997）提出了组合pi值检验。其中pi表示ADF检验的显著性水平。,6面板数据的单位根检验,50,PPT学习交流,51,PPT学习交流,7面板数据模型的协整检验,52,PPT学习交流,1.Pedroni检验包括4个统计量，7个检验方法,其中5个检验拒绝原假设（无协整关系）,53,PPT学习交流,7面板数据模型的协整检验,54,PPT学习交流,面板数据输入第二类方法,建立面板数据类文件,55,PPT学习交流,56,P