资源描述
单击此处编辑母版标题样式,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,第十章,Panel Data,模型,第一步 录入数据,第二步,分析数据的平稳性（单位根检验）,第三步 平稳性检验后分析路径选择,第四步,协整检验,第五步 回归模型,1,第一步 录入数据,一 请点,实例数据,二 请点,录入数据软件操作,2,实例数据,录入企业投资需求模型数据：,五家企业和三个变量的20个年度（1935-1954年）观测值的时间序列,（数据略）,5家企业： 3个变量：,GM：通用汽车公司 I ：总投资,CH：克莱斯勒公司 M ：前一年企业的市场价值,GE：通用电器公司 （反映企业的预期利润）,WE：西屋公司 K ：前一年末工厂存货和设备的价值,US：美国钢铁公司 （反映企业必要重置投资期望值）,3,录入 数据软件操作,（EVIEW6.0）,方式一,File/New/ Workfile,Workfile structure type,：,Dated-regular frequency,Start date,1935,End date,1954,OK,Objects/New Object ： Type of Object,pool,OK,Cross Section Identifiers:,_GM _CH _GE _WE _US,View/Spreadsheet View：,i? m? k?,方式二,（方式是否正确，有待考证）,File/New/ Workfile,Workfile structure type,：,Balanced Panel,Start date,1935,End date,1954,Number of cross,1,OK,Cross Section Identifiers:,_GM _CH _GE _WE _US,View/Spreadsheet View：,i? m? k?,4,第二步 分析数据的平稳性（单位根检验）,请点,说明,请点,软件操作,结果,点检验结果1,结果2,5,分析数据的平稳性（单位根检验）说明,注：所有序列者要检验,原：不稳定,（Hadri 除外， Hadri 中 原：稳定）,目的：,防止虚假回归或伪回归,方法,： 相同根下：LLC、Breintung 、 Hadri,不同根下：IPS、ADF-Fisher 和PP-Fisher5,模式：,三种检验模式：既有趋势又有截距、只有截距、以上都无（对面板序列绘制时序图做出模式选择）。,秩序,：水平（level）、一阶差分、二阶甚至高阶差分直至序列平稳为止。,备注：ADF检验是通过三个模型来完成，首先从含有截距和趋势项的模型开始，再检验只含截距项的模型，最后检验二者都不含的模型。并且认为，只有三个模型的检验结果都不能拒绝原假设时，我们才认为时间序列是非平稳的，而只要其中有一个模型的检验结果拒绝了零假设，就可认为时间序列是平稳的。,6,分析数据的平稳性软 件 操 作,在Pool对象，View/Unit Root Test，输入相应的Pool序列名,填写模式，先做序列图再选择,填写秩序,选择检验方法,填写序列名,右边所有栏目软件 自动填写无需更改,7,例10.4中I?的水平变量的所有方法的单位根检验结果:,各种方法的结果(除Breitung检验 外)都接受原假设， I?存在单位根，是非平稳的。,只有此处小于0.05,说明除此法外都认为非平稳,8,例10.4中I?的一阶差分变量的所有方法的单位根检验结果:,各种方法的结果都拒绝原假设，所以可以得出结论： I?是I(1)的。,所有P值均小于0.05，说明平稳,9,第三步 平稳性检验后分析路径选择,平稳性检验后若：,变量之间是非同阶单整,请点,思路一 序列变换,变量之间是同阶单整,请点,思路二 协整检验,10,思路一：,变量之间是非同阶单整,：序列变换,变量之间是非同阶单整的指即面板数据中有,些序列平稳而有些序列不平稳,，此时,不能进行协整检验与直接对原序列进行回归,。,对序列进行,差分或取对数,使之变成同阶序列,若变换序列后,均为平稳序列,可用,变换后的序列,直接进行,回归,若变换序列后均为同阶非平稳序列，则请点,思路二,11,思路二,变量之间是同阶单整：协整检验,请点,协整检验说明,请点,软件操作,结果判定,请点,1,2,3,协整检验,通过,：,请点,因果分析,.,请点,回归分析,协整检验,没通过,：,若均为2阶单整,，,则都取差分或都取对数生成新序列进行单位根,检验否是1阶单整（取差分或对数后都会变成1阶单整），如是,对新序列进行协整检验，如无法达成协整，分析终止。,若均为1阶单整，直接全取差分或全取对数，进行回归分析,12,协整检验,说 明,原：不存在协整,面板数据的协整检验方法可以分为两大类，一类是建立在Engle and Granger二步法检验基础上的面板协整检验，具体方法主要有Pedroni检验和Kao检验；另一类是建立在Johansen协整检验基础上的面板协整检验。,1Pedroni检验,2Kao检验,3Johansen面板协整检验,13,Pool序列的协整检验,在EViews中打开pool对象，选择Views/ Cointegration Test，则显示协整检验的对话框。,图10.6 面板数据的协整检验的对话框,协整检验操作,14,Pedroni检验,：,原假设：无协整关系,此栏目下P值均小于0.05,存在协整关系,此栏目下P值均两个小于0.05,存在协整关系,一个大于0.05，不支持协整,15,表10.8 Kao检验和Pedroni检验结果 (滞后阶数由SIC准则确定),检验方法,检验假设,统计量名,统计量值（P值）,Kao检验,H,0,：,= 1,ADF,-6.787326（0.0000）*,Pedroni检验,H,0,：,= 1,H,1,：,(,i,=,), 1,Panel v-Statistic,2.099652（0.044）*,Panel rho-Statistic,-3.415758（0.0012）*,Panel PP-Statistic,-5.991403（0.0000）*,Panel ADF-Statistic,-7.835311（0.0000）*,H,0,：,= 1,H,1,：,(,i,=,),1.87,，,所以拒绝,H,2,；,又由于,F,1,2.049,，,所以也拒绝,H,1,。,因此，例10.5的模型应采用变系数的形式,。,模型形式检验步骤：注要手工计算,28,模型一 变系数模型,根据以前所做的影响效应填写,POOL/ESTIMATE如右窗口,点确定结果请点,结果,由于自变量前系数可变，所以自变量填写在此处,29,手工记下 S1,手工记下,：,自由度为,N（ T-K-1 ）,30,模型二：,固定影响 (Fixed Effects) (,i,j,，,i,=,j,),说 明,软件给出的固定影响分为：,一 总体均值,二 个体对总体的偏离,由于自变量前系数不变，所以自变量填写在此处,POOL/ESTIMATE如右窗口,点确定结果请点,结果,31,记下S2,记下：自由度为N（T-1）-K,32,附注：包含时期个体恒量的固定影响变截距模型,33,34,模型三：,不变参数模型,（所有截面截距相同、系数相同）,由于自变量前系数不变，所以自变量填写在此处，截距也不变，在此填写C,小心,此处选：NONE,点确定结果请点,结果,35,所有的截面的系数相等，和将5个公司的数据接到一起，用OLS的估计结果相同。,记下S3,记下自由度为NT-（K+1）,36,（1）横截面的异方差与序列的自相关性是运用面板数据模型时可能遇到的最为常见的问题,此时运用OLS可能会产生结果失真,因此为了消除影响,对我国东、中、西部地区的分析将采用不相关回归方法( SeeminglyUnrelated Regression, SUR)来估计方程。而对于全国范围内的估计来说,由于横截面个数大于时序个数,所以采用截面加权估计法(Cross SectionWeights, CSW) 。,（2）一般而言，面板数据可用固定效应(fixed effect) 和随机效应(random effect) 估计方法,即如果选择固定效应模型,则利用虚拟变量最小二乘法(LSDV) 进行估计;如果选择随机效应模型,则利用可行的广义最小二乘法(FGLS) 进行估计(Greene ,2000) 。它可以极大限度地利用面板数据的优点,尽量减少估计误差。至于究竟是采用固定效应还是随机效应,则要看Hausman 检验的结果。,三 估计方法说明,37,
展开阅读全文