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” workfile create”文本框的“workfile structure type”选择“balanced panel”, ”panel specification”的”start date”和”end date”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”new object”文本框的”type of object”选择”pool ”，”name for object ”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

键，在跳出如下：若上海输入_sh，北京输入_bj,…。个体输入完成后，点击该界面的

的”series list ”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“workfile save”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:\my documents\a.wf1。

若要保存到自己选择的路径下面，则在保存时选择“save as”,

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”make group”后在跳出的”series list”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”gragh options ”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”group unit root test”里的”test for root in”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”1st difference ”、二阶差分”2nd

difference ”。”include in test equation”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”include in test equation”选择”individual intercept and trend”。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（test type）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：

y i t =α+x i βt +μ i =1,2, i t

, N ; t =1,2, , T

变截距模型：y it 变系数模型：y it

=αi +x it β+μit i =1,2, , N ; t =1,2, , T

=αi +x it βi +μit i =1,2, , N ; t =1,2, , T

判断一个面板数据究竟属于哪种模型，用F 统计统计量：

F 1=

(S 2-S 1) /⎡⎣(N -1)K ⎤⎦S 1/NT -N (K +1) F ⎡⎣(N -1)K , N (T -K -1) ⎤⎦

F 2=

(S 3-S 1) /⎡⎣(N -1)(K +1) ⎤⎦S 1/NT -N (K +1) F ⎡⎣(N -1)(K +1), N (T -K -1) ⎤⎦

来检验以下两个假设：

H 1:β1=β2==βN ，H 2:α1=α2==αN , β1=β2==βN 。

其中，S 1、S 2、S 3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，α为常数项，β为系数向量。若计算得到的统计量

F 2的值小于给定显著性水平下的相应临界值，则接受假设H 2，用混合模型拟合样本。

反之，则需用F 1检验假设H 1，如果计算得到的F 1值小于给定显著性水平下的相应临界值，则认为接受假设H 1，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S 1、S 2、S 3。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“series list”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“pool estimation”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

F 1=

(S 2-S 1) /⎡⎣(N -1)K ⎤⎦S 1/NT -N (K +1) F ⎡⎣(N -1)K , N (T -K -1) ⎤⎦

F 2=

(S 3-S 1) /⎡⎣(N -1)(K +1) ⎤⎦S 1/NT -N (K +1) F ⎡⎣(N -1)(K +1), N (T -K -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：

①Coefficient 为系数，比如AH 的系数为0.760053，截距项为477.4820-315.8649

②t-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。

Adjust R-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-Watson stat：检验残差序列的自相关性。其值在0-4之间。

_01

_02

_03

_04

_05

_06

_07

_08

_09

_10

_11

_12

_13

_14

_15

_16

_17

_18

_19

_20

_21

_22

_23

_24

_25

_26

_27

_28

_29

_30

_31

_32

_33

_34

w? trade? ex? im? pr? mo? rc? tech? dex? dim? log(ex?) log(im?) log(pr?) log(mo?) rc? log(tech?)