EViews教程 | 您所在的位置:网站首页 › evievws怎么使用 › EViews教程 |
面板数据模型
2024 | 4722 | 4 | 1
在EViews中,ls命令也可以用来估计面板数据模型。但是请注意,它仅能估计类似下面这样的静态面板数据模型:$$y_{it} = \alpha + \beta x_{it} + \mu_i + u_{it}$$$$(i=1,…,N; t=1,…,T)$$对类似下面这样加入了因变量滞后项的动态面板数据模型:$$y_{it} = \alpha + \gamma y_{i,t-1} + \beta x_{it} + \mu_i + u_{it}$$实施估计需要用到其他命令。 另一个需要注意的点是,我在这里讲的面板数据指的是传统的短面板数据,即大\(N\)小\(T\)(截面维度远大于时间维度)的面板数据。对小\(N\)大\(T\)的长面板数据,在EViews中用pool workfile和pool对象来分析会更方便一些。 导入面板数据在[数据导入]一讲你已看到如何把时间序列数据或截面数据从Excel文件导入EViews。对于面板数据,在Excel中应让其以堆叠方式存储,这样就能很方便地将其导入EViews了。堆叠方式是这样婶儿的: 在这个例子中,year是指示时间的变量,fcode是指示截面单位的变量(可以是数字也可以是字符串),其他变量根据这两个变量来确定对应的数值。对于面板数据,指示时间的变量和指示截面单位的变量是必不可少的。例子中,数据是先按fcode排序再按year排序的,但这无所谓,先按year排序再按fcode排序也行,不影响导入。 如果Excel中的面板数据是像上面的形式堆叠存储的,导入EViews时的验证过程就可以选finish直接跳过,EViews一般都能自动识别出当前的数据为面板数据。数据导入workfile后,你会在workfile窗口的Range部分看到类似下图的信息: Range后的乘号表明EViews已经知道当前的workfile存的是面板数据了。这个例子显示数据的时间维度是从1987年到1989年,截面单位有157个,每一个变量不考虑数据缺失的话应有471个观测值。 注意,workfile里有指示时间的变量和指示截面单位的变量,不代表EViews就会自动视其存的是面板数据。EViews安装目录下的Example Files\EV13 Manual Data\Chapter 03 – Workfile Basics\jtrain.wf1就是一个例子。此时,你可以通过pagestruct命令来告诉EViews:“Hey dude,我用的是面板数据”。pagestruct之后先跟上指示截面单位的变量,再用函数@date套上指示时间的变量就行了。以jtrain.wf1为例: pagestruct fcode @date(year)你也可以通过workfile窗口上的Proc按钮,选Structure/Resize Current Page,然后把Workfile structure type选为Dated Panel,再手动设置指示截面单位的变量和指示时间的变量。 固定效应和随机效应当workfile被正确地设为面板数据后,就可以估计相关的面板数据模型了。固定效应模型和随机效应模型是两个经典的包含个体异质性或时间异质性的面板数据模型。要估计静态的固定效应模型或随机效应模型,需要用到ls的可选参数cx或per。令cx等于f,模型会包含个体固定效应;令cx等于r,模型会包含个体随机效应;令per等于f,模型会包含时间固定效应;令per等于r,模型会包含时间随机效应。以jtrain.wf1为例: equation eq1.ls(cx=f) lscrap c d88 d89 grant grant_1 '估计个体固定效应模型报告的结果和之前使用ls命令的情形差别不大,我就不介绍了。 对短面板数据,我们还常会令ls命令的可选参数cov等于perwhite,这会让EViews使用稳健的标准误,截面个体误差存在任意形式的异方差和自相关都不会影响统计推断。估计完模型后,和之前一样,仍可以使用Wald命令进行各种检验。 鼠标模式下,估计模型的对话框里会有Panel Options和Options(如下图红框所示),在里面进行相应的设置也能实现上述代码的功能。 固定效应vs随机效应如果随机效应模型的估计量是一致的,那么,固定效应模型的估计量也是一致的,但是,固定效应模型的估计量是一致的情况下,随机效应模型的估计量有可能不一致。从这个意义上讲,固定效应模型更安全。事实上,使用随机效应模型只是为了追求更有效(即方差更小)的估计量,但是,如果估计量的一致性不能保证,一切都是白努力。所以,在实际应用中,固定效应模型用得更多。 如果你想要尝试使用随机效应模型,一个必须做的检验是Hausman检验。这个检验的原假设是随机效应设定正确。在EViews中,你需要先估计随机效应模型,然后才能做这个检验。Hausman检验可以通过ranhaus命令实现,以下是一个示例: eq1.ls(cx=r,per=r) lscrap c grant eq1.ranhaus这个例子估计了一个同时含有个体随机效应和时间随机效应的模型,检验的主要结果如下所示: 其中,Cross-section random检验个体随机效应设定正确,Period random检验时间随机效应设定正确,Cross-section and period random检验两种随机效应设定都正确。三列数值依次是卡方统计量的值、对应卡方分布的自由度和检验的p值。只有在Hausman检验不拒绝原假设的情况下,使用随机效应模型可能才是合理的。 注意,在上面的代码中,我没有加cov=perwhite,如果有这个设置,EViews会显示下面红框中的话,意思是使用稳健的标准误不能保证Hausman检验仍是正确的。这是因为原始的Hausman检验假设模型误差没有自相关,在有自相关的情形下,使用稳健的标准误进行t检验、Wald检验是没有问题的,但是,进行Hausman检验有没有问题就不知道了。作为一个搞计量的,我的直觉是,有问题的可能性比较大。 实施Hausman检验的鼠标模式是在估计完模型后,在equation对象窗口左上选View,然后选Fixed/Random Effects Testing/Correlated Random Effects – Hausman Test。 命令复习 pagestruct:声明workfile为面板数据 ls(cx=f,per=f):估计静态固定效应模型 ls(cx=r,per=r):估计静态随机效应模型 .ranhaus:实施Hausman检验[注] ( . )命令表示命令可单独使用,也可跟在对象后使用;.命令表示命令只能跟在对象后使用。 练习 基于jtrain.wf1,重复上面的一系列操作。 季节性 离散因变量模型 读后有收获欢迎打赏站长吃支可爱多😂 点赞 扫一扫,点右上角⋯分享 whl 留言给 卯光宇留言正在等待审核 给站长留言 取消回复 |
CopyRight 2018-2019 实验室设备网 版权所有 |