eviews面板数据实例分析(包会).doc

1、1.已知 19962002 年中国东北、华北、华东 15 个省级地区的居民家庭人均消 费（ ，不变价格）和人均收入（ ，不变价格）居民，利用数据（1）建立cpip 面板数据（panel data）工作文件；（2）定义序列名并输入数据；（3）估计选 择面板模型；（4）面板单位根检验。 年人均消费（consume ）和人均收入（income）数据以及消费者价格指数（p）分别见 表 9.1，9.2 和 9.3。 表 9.1 19962002 年中国东北、华北、华东 15 个省级地区的居民家庭人均消费（元）数据 人均消费 1996 1997 1998 1999 2000 2001 2002 CONSU

2、MEAH 3607.43 3693.55 3777.41 3901.81 4232.98 4517.65 4736.52 CONSUMEBJ 5729.52 6531.81 6970.83 7498.48 8493.49 8922.72 10284.6 CONSUMEFJ 4248.47 4935.95 5181.45 5266.69 5638.74 6015.11 6631.68 CONSUMEHB 3424.35 4003.71 3834.43 4026.3 4348.47 4479.75 5069.28 CONSUMEHLJ 3110.92 3213.42 3303.15 3481.74

3、 3824.44 4192.36 4462.08 CONSUMEJL 3037.32 3408.03 3449.74 3661.68 4020.87 4337.22 4973.88 CONSUMEJS 4057.5 4533.57 4889.43 5010.91 5323.18 5532.74 6042.6 CONSUMEJX 2942.11 3199.61 3266.81 3482.33 3623.56 3894.51 4549.32 CONSUMELN 3493.02 3719.91 3890.74 3989.93 4356.06 4654.42 5342.64 CONSUMENMG 27

4、67.84 3032.3 3105.74 3468.99 3927.75 4195.62 4859.88 CONSUMESD 3770.99 4040.63 4143.96 4515.05 5022 5252.41 5596.32 CONSUMESH 6763.12 6819.94 6866.41 8247.69 8868.19 9336.1 10464 CONSUMESX 3035.59 3228.71 3267.7 3492.98 3941.87 4123.01 4710.96 CONSUMETJ 4679.61 5204.15 5471.01 5851.53 6121.04 6987.2

5、2 7191.96 CONSUMEZJ 5764.27 6170.14 6217.93 6521.54 7020.22 7952.39 8713.08 表 9.2 19962002 年中国东北、华北、华东 15 个省级地区的居民家庭人均收入（元）数据 人均收入 1996 1997 1998 1999 2000 2001 2002 INCOMEAH 4512.77 4599.27 4770.47 5064.6 5293.55 5668.8 6032.4 INCOMEBJ 7332.01 7813.16 8471.98 9182.76 10349.69 11577.78 12463.92 INCO

6、MEFJ 5172.93 6143.64 6485.63 6859.81 7432.26 8313.08 9189.36 INCOMEHB 4442.81 4958.67 5084.64 5365.03 5661.16 5984.82 6679.68 INCOMEHLJ 3768.31 4090.72 4268.5 4595.14 4912.88 5425.87 6100.56 INCOMEJL 3805.53 4190.58 4206.64 4480.01 4810 5340.46 6260.16 INCOMEJS 5185.79 5765.2 6017.85 6538.2 6800.23

7、7375.1 8177.64 INCOMEJX 3780.2 4071.32 4251.42 4720.58 5103.58 5506.02 6335.64 INCOMELN 4207.23 4518.1 4617.24 4898.61 5357.79 5797.01 6524.52 INCOMENMG 3431.81 3944.67 4353.02 4770.53 5129.05 5535.89 6051 INCOMESD 4890.28 5190.79 5380.08 5808.96 6489.97 7101.08 7614.36 INCOMESH 8178.48 8438.89 8773

8、.1 10931.64 11718.01 12883.46 13249.8 INCOMESX 3702.69 3989.92 4098.73 4342.61 4724.11 5391.05 6234.36 INCOMETJ 5967.71 6608.39 7110.54 7649.83 8140.5 8958.7 9337.56 INCOMEZJ 6955.79 7358.72 7836.76 8427.95 9279.16 10464.67 11715.6 表 9.3 19962002 年中国东北、华北、华东 15 个省级地区的消费者物价指数 （1）建立面板数据工作文件 首先建立工作文件。打

9、开工作文件后，过程如下： 建立面板数据库。 物价指数 1996 1997 1998 1999 2000 2001 2002 PAH 109.9 101.3 100 97.8 100.7 100.5 99 PBJ 111.6 105.3 102.4 100.6 103.5 103.1 98.2 PFJ 105.9 101.7 99.7 99.1 102.1 98.7 99.5 PHB 107.1 103.5 98.4 98.1 99.7 100.5 99 PHLJ 107.1 104.4 100.4 96.8 98.3 100.8 99.3 PJL 107.2 103.7 99.2 98 98.

10、6 101.3 99.5 PJS 109.3 101.7 99.4 98.7 100.1 100.8 99.2 PJX 108.4 102 101 98.6 100.3 99.5 100.1 PLN 107.9 103.1 99.3 98.6 99.9 100 98.9 PNMG 107.6 104.5 99.3 99.8 101.3 100.6 100.2 PSD 109.6 102.8 99.4 99.3 100.2 101.8 99.3 PSH 109.2 102.8 100 101.5 102.5 100 100.5 PSX 107.9 103.1 98.6 99.6 103.9 99

11、.8 98.4 PTJ 109 103.1 99.5 98.9 99.6 101.2 99.6 PZJ 107.9 102.8 99.7 98.8 101 99.8 99.1 在窗口中输入 15 个不同省级地区的标识。 （2）定义序列名并输入数据 产生 3*15 个尚未输入数据的变量名。这样可以通过键盘输入或黏贴的方法数据 数据。 （3）估计、选择面板模型 打开一个 pool 窗口，先输入变量后缀（所要使用的变量） 。点击 Estimate，打 开估计窗口。 A.混合模型的估计方法 左边的 Common 表示相同系数，即表示不同个体有相同的斜率。 得到如下输出结果： 相应的表达式是： 129.

12、6307it itCPIP (2.0) (79.7) 20.98,4258rRSE 上式表示 15 个省级地区的城镇人均指出平均占收入的 76%。 B.个体固定效应回归模型的估计方法 将截距项选择区选 Fixed effects（固定效应） 得到如下输出结果： 相应的表达式为： 121551.60736.5798.6it itCPIPDD (6.3) (55) 0,270386rRSE 其中虚拟变量 的定义是：1215,.D, 1,2.50i ii如 果 属 于 第 个 个 体其 他 15 个省级地区的城镇人均指出平均占收入 70%。从上面的结果可以看出北京市 居民的自发性消费明显高于其他地区

13、。 接下来用 F 统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。 ： 。模型中不同个体的截距相同（真实模型为混合回归模型） 。0Hi ：模型中不同个体的截距项 不同（真实模型为个体固定效应回归模型） 。1 i F 统计量定义为： ()/(1)()()/(1/ru ruSENTkNkSENTk 其中 表示约束模型，即混合估计模型的残差平方和， 表示非约束模型，即r u 个体固定效应回归模型的残差平方和。非约束模型比约束模型多了 个被估参数。1 所以本例中： 0.5(48257386)/(158(4,89).0/FF 所以推翻原假设，建立个体固定效应回归模型更合理。 C.时点固定效应

14、回归模型的估计方法 将时间选择为固定效应。 得到如下输出结果： 相应的表达式为： 1272.60785.93493it itCPIDD (76.6) 08,40283RSE 其中虚拟变量 的定义是：127,.D0,t如 果 属 于 第 t个 截 面 ， t=196,.其 他 D.个体随机效应回归模型估计 截距项选择 Random effects（个体随机效应） 得到如下部分输出结果： 相应的表达式是： 1215345.207.637.0.6.it itCPIPDD (68.5) 98,27946RSE 其中虚拟变量 的定义是：1215,.D,0i如 果 属 于 第 i个 个 体 ,i=12,.

15、5其 他 接下来利用 Hausman 统计量检验应该建立个体随机效应回归模型还是个体固 定效应回归模型。 ：个体效应与回归变量（ ）无关（个体随机效应回归模型）0HitIP ：个体效应与回归变量（ ）相关（个体固定效应回归模型）1 it 分析过程如下： 得到如下检验结果： 由检验输出结果的上半部分可以看出，Hausman 统计量的值是 14.79，相对应 的概率是 0.0001，即拒接原假设，应该建立个体固定效应模型。 检验结果的下半部分是 Hausman 检验中间结果比较。个体固定效应模型对参 数的估计值为 0.697561，随机效应模型对参数的估计值为 0.724569。两个参数 的估计量

16、的分布方差的差为 0.000049。 综上分析，19962002 年中国东北、华北、华东 15 个省级地区的居民家庭 人均消费和人金收入问题应该建立个体固定效应回归模型。人均消费平均占人 均收入的 70%。随地区不同，自发消费（截距项）存在显著性差异。 （4）面板单位根检验 以 cp 序列为例。 首先在工作文件窗口中打开 cp 变量的 15 个数据组。 单位根检验过程如下： 得到如下检验结果： 从上面的检验结果可以看出来，6 种检验方法的结论都认为 15 个 cp 序列存在 单位根。 选择 IPS 检验方法进行单位根检验。检验结果如下： 从上面的结果可以看出，cp 面板存在单位根，同时每个个体

17、都存在单位根。 2.收集中国 20002005 年各地区城镇居民人均可支配收入 X 和消费指出 Y 统 计数据如表 9.4。数据是 6 年的，每一年都有 32 组数据，共 192 组观测值。 人均可支配收入和消费支出数据（单位：元） 2000 2001 2002 2003 2004 2005 地 区 可支 配收 入 消费 支出 可支 配收 入 消费 支出 可支 配收 入 消费 支出 可支 配收 入 消费 支出 可支 配收 入 消费 支出 可支 配收 入 消费 支出 X Y X Y X Y X Y X Y X Y 全 国 6279.9 8 4998 .00 6859.5 8 5309 .01 7

18、702.8 0 6029 .88 8472.2 0 6510 .94 9421.6 1 7182 .10 10493. 03 7942 .88 北 京 10349. 69 8493 .49 11577. 78 8922 .72 12463. 92 1028 4.60 13882. 62 1112 3.84 15637. 84 1220 0.40 17652. 95 1324 4.20 天 津 8140.5 0 6121 .04 8958.7 0 6987 .22 9337.5 6 7191 .96 10312. 91 7867 .53 11467. 16 8802 .44 12638. 55

19、9653 .26 河 北 5661.1 6 4348 .47 5984.8 2 4479 .75 6679.6 8 5069 .28 7239.0 6 5439 .77 7951.3 1 5819 .18 9107.0 9 6699 .67 山 西 4724.1 1 3941 .87 5391.0 5 4123 .01 6234.3 6 4710 .96 7005.0 3 5105 .38 7902.8 6 5654 .15 8913.9 1 6342 .63 内 蒙 古 5129.0 5 3927 .75 5535.8 9 4195 .62 6051.0 0 4859 .88 7012.9

20、0 5419 .14 8122.9 9 6219 .26 9136.7 9 6928 .60 辽 宁 5357.7 9 4356 .06 5797.0 1 4654 .42 6524.5 2 5342 .64 7240.5 8 6077 .92 8007.5 6 6543 .28 9107.5 5 7369 .27 吉 林 4810.0 0 4020 .87 5340.4 6 4337 .22 6260.1 6 4973 .88 7005.1 7 5492 .10 7840.6 1 6068 .99 8690.6 2 6794 .71 黑 龙 江 4912.8 8 3824 .44 5425.

21、8 7 4192 .36 6100.5 6 4462 .08 6678.9 0 5015 .19 7470.7 1 5567 .53 8272.5 1 6178 .01 上 海 11718. 01 8868 .19 12883. 46 9336 .10 13249. 80 1046 4.00 14867. 49 1104 0.34 16682. 82 1263 1.03 18645. 03 1377 3.41 江 苏 6800.2 3 5323 .18 7375.1 0 5532 .74 8177.6 4 6042 .60 9262.4 6 6708 .58 10481. 93 7332 .2

22、6 12318. 57 8621 .82 浙 江 9279.1 6 7020 .22 10464. 67 7952 .39 11715. 60 8713 .08 13179. 53 9712 .89 14546. 38 1063 6.14 16293. 77 1225 3.74 安 徽 5293.5 5 4232 .98 5668.8 0 4517 .65 6032.4 0 4736 .52 6778.0 3 5064 .34 7511.4 3 5711 .33 8470.6 8 6367 .67 福 建 7432.2 6 5638 .74 8313.0 8 6015 .11 9189.3 6

23、 6631 .68 9999.5 4 7356 .26 11175. 37 8161 .15 12321. 31 8794 .41 江 西 5103.5 8 3623 .56 5506.0 2 3894 .51 6335.6 4 4549 .32 6901.4 2 4914 .55 7559.6 4 5337 .84 8619.6 6 6109 .39 山 东 6489.9 7 5022 .00 7101.0 8 5252 .41 7614.3 6 5596 .32 8399.9 1 6069 .35 9437.8 0 6673 .75 10744. 79 7457 .31 河 南 4766.

24、2 6 3830 .71 5267.4 2 4110 .17 6245.4 0 4504 .68 6926.1 2 4941 .60 7704.9 0 5294 .19 8667.9 7 6038 .02 湖 北 5524.5 4 4644 .50 5855.9 8 4804 .79 6788.5 2 5608 .92 7321.9 8 5963 .25 8022.7 5 6398 .52 8785.9 4 6736 .56 湖 南 6218.7 3 5218 .79 6780.5 6 5546 .22 6958.5 6 5574 .72 7674.2 0 6082 .62 8617.4 8

25、6884 .61 9523.9 7 7504 .99 广 东 9761.5 7 8016 .91 10415. 19 8099 .63 11137. 20 8988 .48 12380. 43 9636 .27 13627. 65 1069 4.79 14769. 94 1180 9.87 广 西 5834.4 3 4852 .31 6665.7 3 5224 .73 7315.3 2 5413 .44 7785.0 4 5763 .50 8689.9 9 6445 .73 9286.7 0 7032 .80 海 南 5358.3 2 4082 .56 5838.8 4 4367 .85 68

26、22.7 2 5459 .64 7259.2 5 5502 .43 7735.7 8 5802 .40 8123.9 4 5928 .79 重 庆 6275.9 8 5569 .84 6721.0 9 5873 .69 7238.0 4 6360 .24 8093.6 7 7118 .06 9220.9 6 7973 .05 10243. 46 8623 .29 四 川 5894.2 7 4855 .78 6360.4 7 5176 .17 6610.8 0 5413 .08 7041.8 7 5759 .21 7709.8 7 6371 .14 8385.9 6 6891 .27 贵 州 5

27、122.2 1 4278 .28 5451.9 1 4273 .90 5944.0 8 4598 .28 6569.2 3 4948 .98 7322.0 5 5494 .45 8151.1 3 6159 .29 云 南 6324.6 4 5185 .31 6797.7 1 5252 .60 7240.5 6 5827 .92 7643.5 7 6023 .56 8870.8 8 6837 .01 9265.9 0 6996 .90 西 藏 7426.3 2 5554 .42 7869.1 6 5994 .39 8079.1 2 6952 .44 8765.4 5 8045 .34 9106.

28、0 7 8338 .21 9431.1 8 8617 .11 陕 西 5124.2 4 4276 .67 5483.7 3 4637 .74 6330.8 4 5378 .04 6806.3 5 5666 .54 7492.4 7 6233 .07 8272.0 2 6656 .46 甘 肃 4916.2 5 4126 .47 5382.9 1 4420 .31 6151.4 4 5064 .24 6657.2 4 5298 .91 7376.7 4 5937 .30 8086.8 2 6529 .20 青 海 5169.9 6 4185 .73 5853.7 2 4698 .59 6170.

29、5 2 5042 .52 6745.3 2 5400 .24 7319.6 7 5758 .95 8057.8 5 6245 .26 宁 夏 4912.4 0 4200 .50 5544.1 7 4595 .40 6067.4 4 5104 .92 6530.4 8 5330 .34 7217.8 7 5821 .38 8093.6 4 6404 .31 新 疆 5644.8 6 4422 .93 6395.0 4 4931 .40 6899.6 4 5636 .40 7173.5 4 5540 .61 7503.4 2 5773 .62 7990.1 5 6207 .52 首先建立工作文件，

30、打开工作文件后，过程如下： 建立面板数据库，并命名为 XY。 输入不同省市（包括全国）的标识，如下： 点击 sheet 键，定义变量 X 和 Y。 点击 Edit+/-后，在数据窗口键入数据即可。 对模型进行估计，建立个体固定效应回归模型，过程如下： 得到如下输出结果： 从估计结果可以看出，对于 32 个省市来说，虽然它们的城镇居民消费倾向相同， 但是其城镇居民的自发消费存在显著的差异，其中重庆的城镇居民自发消费最 高，其次为西藏、北京、广东；城镇居民自发消费最低的是江西，其次是河南、 山东。 注意几点： （1） 个体固定效应模型的 EViews 输出结果中也可以有公共截距项； （2） EVi

31、ews 输出结果中没有给出描述个体效应的截距项相应的标准差和 t 值。不认为 截距项是模型中的重要参数。 （3） 当对个体固定效应模型选择加权估计时，输出结果将给出加权估计和非加权估计两 种统计量评价结果。 （4） 输出结果的联立方程组形式可以通过点击 View 选 Representations 功能获得。 （5） 点击 View 选 Wald Coefficient Tests功能可以对模型的斜率进行 Wald 检验。 （6） 点击 View 选 Residuals/Table，Graphs，Covariance Matrix，Correlation Matrix 功能可以分别得到按个体计算的残差序列表，残差序列图，残差序列的方差协方差 矩阵，残差序列的相关系数矩阵。 （7） 点击 Proc 选 Make Model 功能，将会出现估计结果的联立方程形式，进一步点击 Solve 键，在随后出现的对话框中可以进行动态和静态预测。