eviews面板數(shù)據(jù)操作

1、Eviews6.0面板數(shù)據(jù)操作數(shù)據(jù)輸入1、創(chuàng)建工作文檔。如下圖操作，在” workfile create ”文本框的“ workfile structure type ” 選擇“ balaneed panel ”，” panel specification ”的” start date ”和” end date ”輸入數(shù)據(jù)的起止期間，” wf ”輸入工作文檔的名稱，點擊” OK即跳出新建的工作文檔 a界面。2、 創(chuàng)建新對象。操作如下圖。在”new object ”文本框的” type of object ”選擇” pool ”，” name for object”輸入新對象的名稱。創(chuàng)建成功后的

2、界面如下面第3張圖所示3、輸入數(shù)據(jù)。雙擊” workfile ”界面的丨丄二，跳出” pool ”界面，輸入個體。一般輸入方式為如下：若上海輸入 _sh，北京輸入_bj,。個體輸入完成后，點擊 該界面的 竺二鍵，在跳出的” series list ”輸入變量名稱，注意變量后要加問號。 格式如下：y? x?。點擊” 0K后，跳出數(shù)據(jù)輸入界面，如下面第 4張圖所示。在 這個界面上點擊土一鍵，即可以輸入或者從 EXCEL處復制數(shù)據(jù)。在輸入數(shù)據(jù)后，記得保存數(shù)據(jù)。保存操作如下：在跳出的“ workfile save”文本框選擇“ ok”即可，則自動保存到我的文檔。然后在“ workfile ”界面如下會

3、顯示保存路徑： d:my documentsa.wf1 。 若要保存到自己選擇的路徑下面，則在保存時選擇“ save as” , 在跳出的文本框里選擇自己要保存的路徑以及命名文件名稱。4、單位根檢驗。一般回歸前要檢驗面板數(shù)據(jù)是否存在單位根，以檢驗數(shù)據(jù)的平穩(wěn) 性，避免偽回歸，或虛假回歸，確保估計的有效性。單位根檢驗時要分變量檢驗。 （補充：網(wǎng)上對面板數(shù)據(jù)的單位根檢驗和協(xié)整檢驗存在不同意見，一般認為時間 區(qū)間較小的面板數(shù)據(jù)無需進行這兩個檢驗。 ）（1）生成數(shù)據(jù)組。如下圖操作。點擊”makegroup ”后在跳出的” series list ”里輸入要單位根檢驗的變量，完成后就會跳出如下圖 3 所示

4、的組數(shù)據(jù)。（ 2）生成時序圖。如下圖操作。在” gragh options ”界面的” specifi ”下選擇 生成的時序圖的形狀，一般都默認設(shè)置，生成的時序圖如下圖 3 所示。觀察時序 圖的趨勢，以確定單位根檢驗的檢驗模式。（3）單位根檢驗。單位根檢驗時，在”group unit root test ”里的” test forroot in ”按檢驗結(jié)果一步步檢驗，如果原值” level ”的檢驗結(jié)果符合要求，即 不存在單位根，則單位根檢驗就不需要檢驗下去了，如果不符合要求，則需繼續(xù) 檢驗一階差分” 1st difference ”、二階差分” 2nd difference ”?！?inc

5、lude in test equation ”是檢驗模式的選擇，根據(jù)上面時序圖的形狀來選擇。從上面的時 序圖可以看出，原值的檢驗模式應該選擇含有截距項和趨勢的檢驗模式， 即” include in test equation ”選擇” individual intercept and trend”。檢驗結(jié)果如下圖 3 所示。從檢驗結(jié)果可以看出，檢驗結(jié)果除了 levin 檢驗方法外其他方法的結(jié)果都不符合要求（Prob.xx小于置信度（如0.05）,則認為拒絕單位根的原假設(shè)，通過檢驗）。所以繼續(xù)檢驗一階差分和二階差分，直到檢驗結(jié)果達到要 求。如果變量原值序列通過單位根檢驗，則稱變量為0階單整；如果

6、變量一階差分后的序列通過單位根檢驗，則稱變量為一階單整，以此推之。注意：單位根檢驗的方法（test type ）較多，可以使用 LLC、IPS、Breintung、 ADF-Fisher和PP-Fisher這5種方法進行面板單位根檢驗。一般，為了方便起見, 只采用相同根單位根檢驗 LLC和不同根單位根檢驗Fisher-ADF這兩種檢驗方法， 如果它們都拒絕存在單位根的原假設(shè)，則可以認為此序列是平穩(wěn)的，反之就是非 平穩(wěn)的。5、協(xié)整檢驗。協(xié)整檢驗檢驗的是模型的變量之間是否存在長期穩(wěn)定的關(guān)系，其前 提是解釋變量和被解釋變量在單位根檢驗時為同階單整。操作如下圖所示。6、回歸估計面板數(shù)據(jù)模型根據(jù)常數(shù)項和

7、系數(shù)向量是否為常數(shù)，分為3種類型：混合回歸模型（都為常數(shù)）、變截距模型（系數(shù)項為常數(shù)）和變系數(shù)模型（皆非常數(shù)） ?；旌夏Ｐ停?xr iti =1,2,川，N;t = 1,2,川,T變截距模型：% i + X+5i=1,2,川,N;t = 1,2,川,T變系數(shù)模型：% =3 + 人人+5i=1,2,IH,N;t = 1,2,IH,T判斷一個面板數(shù)據(jù)究竟屬于哪種模型，用F統(tǒng)計統(tǒng)計量：來檢驗以下兩個假設(shè)：H1：2 訂 I卜 ，H 2：廠：2 I卜：N , 12 二川=-N。其中，S1、S2、S3分別為變系數(shù)模型、變截距模型和混合模型的殘差平方 和，K為解釋變量的個數(shù)，N為截面?zhèn)€體數(shù)量，-為常數(shù)項，1

8、為系數(shù)向量。若計算得到的統(tǒng)計量F2的值小于給定顯著性水平下的相應臨界值，則接受假設(shè)H 2 , 用混合模型擬合樣本。反之，則需用F1檢驗假設(shè)H1，如果計算得到的F1值小于 給定顯著性水平下的相應臨界值， 則認為接受假設(shè)H1，用變截距模型擬合，否則 用變系數(shù)模型擬合。具體操作：1）、分別對面板數(shù)據(jù)進行3種類型模型的回歸，得到 S1、S2、S3。此外，一般 來說，用樣本數(shù)據(jù)推斷總體效應，應用隨機效應回歸模型；直接對樣本數(shù)據(jù)進行 分析，采用固定效應回歸模型。首先回到面板數(shù)據(jù)表，如果是在如下這個界面時，也d按鈕，在跳出的“ series list”文本框里輸入模型變量，如下圖也可以通過重新打幵工作文件，

9、如下圖操作。選擇自己當初保存的路徑和文件名，點擊打幵。打幵后，跳出工作文件雙擊ITH然后分別進行變系數(shù)、變截距和混合模型的回歸估計：點擊 rT,進行變系數(shù)回歸（變系數(shù)）變截距回歸 混合模型估計前面同2）操作，在“ pool estimation”輸入如下2）、確定模型形式 把模型估計取得的si、S2、S3數(shù)值代入前述公式（第13頁），如下 計算得到F1、F2值，檢驗假設(shè)Hi、H2,從而確定采用何種模型形式（變系數(shù)、變 截距、混合效應）。3）、回歸分析若檢驗結(jié)果表明應采用變系數(shù)模型，回到以下界面進行估計點擊： I進行變系數(shù)回歸上圖列示了回歸結(jié)果，其中： Coefficient 為系數(shù)，比女口 A

10、H的系數(shù)為0.760053，截距項為 477.4820-315.8649 t-Statistic 為t值，檢驗每一個自變量的合理性。|t|大于臨界值表示可 拒絕系數(shù)為0的假設(shè)，即系數(shù)合理。Prob為系數(shù)的概率，若其小于置信度（如 0.05）則表明|t|大于臨界值，即認為系數(shù)合理。從結(jié)果可以看出，本例中系數(shù) 合理。 R-squared為樣本決定系數(shù)，表示總離差平方和中由回歸方程可以解釋部分的比例，比例越大說明回歸方程可以解釋的部分越多。值為0-1，越接近1表示擬合越好，0.8認為可以接受，但是 R2隨因變量的增多而增大，所以可以通過增加自變量的個數(shù)來提高模型的R-squared。本例中R-squared0.995382，接近1，擬合度相當好。Adjust R-seqaured 為修正的 R-squared，與 R-squared 有相似意義。 F-statistic表示模型擬合樣本的效果，即選擇的所有自變量對因變量的解釋力度。F大于臨界值則說明拒絕0假設(shè)。若Prob（F-statistic） 小于置信度（如0.05）則說明F大于臨界值，方程顯著性明顯。本例中 Prob（F-statistic） 為0.000000 ， 模型方程顯著。 Durbin-Watson stat ：檢驗殘差序列的自相關(guān)性。其值在 0-4 之間 _01_02_03_04_05_06_07_08