面板数据分析4[面板数据模型应用实例].ppt

第四部分—面板数据分析的应用实例 陈青养 面板数据分析步骤 一、散点图时序图分析 二、面板数据平稳性检验 三、面板数据协整检验 四、面板数据模型设定 五、最终回归模型建立 六、模型应用 实证题目 研究目的：研究中国东北、华北、华东三个地区15个省级地区的居民家庭人均消费和人均收入之间的关系。 数据选取：1996-2002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）和人均收入数据。数据是7年的，每一年都有15个数据，共105组观测值。 数据来源：人均消费数据（不变价格）和人均收入数据都来自1997-2003 《中国统计年鉴》 一、散点图时序图分析 散点图 用原变量建模还是用对数变量建模? 二、面板数据平稳性检验 必要性：避免伪回归现象。 检验方法：Levin-Lin-Chu检验法、Im-Pesaran-Shin检验法、Fisher-ADF检验法和Fisher-PP检验法。 检验结果：对变量LNCP、DLNCP、LNIP和DLNIP进行平稳性检验，结果显示LNCP和LNIP都是非平稳的，DLNCP和DLNIP都是平稳的，所以LNCP和LNIP都是一阶单整序列。 对变量LNCP、DLNCP进行平稳性检验，结果显示LNCP是非平稳的，DLNCP是平稳的，所以LNCP是一阶单整序列。 对变量LNIP和DLNIP进行平稳性检验，结果显示LNIP是非平稳的，DLNIP是平稳的，所以LNIP是一阶单整序列。 三、面板数据协整检验 采用Pedroni检验和Kao检验对LNCP和LNIP进行协整检验，结果显示二者存在协整关系。 四、面板数据模型设定 结合散点图，选择初始模型个体固定效应模型 利用F检验，检验固定效应的显著性 利用Hausman检验，检验随机效应的显著性 个体固定效应模型 个体(变截距)固定效应模型就是对于不同的个体有不同截距的模型。如果对于不同的时间序列（个体）截距是不同的，但是对于不同的横截面，模型的截距没有显著性变化，那么就应该建立个体固定效应模型。 假定：不同地区边际消费倾向相同，自发消费水平不相同。 模型估计结果 固定效应显著性检验 相对于混合估计模型来说，是否有必要建立个体固定效应模型可以通过F检验来完成。基于方差分析的思想。 H0：不同个体的截距项相同(真实模型为混合估计模型) H1：不同个体的截距项不同(真实模型为个体固定效应模型) F统计量定义为： 其中SSEr，SSEu分别表示约束模型(混合估计模型)和非约束模型(个体固定效应模型)的残差平方和。N表示个体个数，(N-1)表示约束条件个数， k为解释变量对应参数的个数。 已知SSEr=4824588，SSEu=2270386，个体数15 因为F=9.871.78，拒绝原假设。 Eviews中称作多余的固定效应检验，使用F和LR两个统计量。在固定效应模型估计窗口中的View键选Fix/Random Effects Testing, Redundant Fixed Effects-Likelihood Ratio功能。 因为P值小于0.05，拒绝原假设。 结论：混合模型与个体固定效应模型比较，应该建立个体固定效应模型。 随机效应显著性检验 Hausman检验 原假设与备择假设是: H0: 个体效应与回归变量无关（个体随机效应回归模型） H1: 个体效应与回归变量相关（个体固定效应回归模型） Eviews中可以实现Hausman检验。在固定效应模型估计窗口中的View键选Fix/Random Effects Testing, Correlated Random Effects-Hausman Test功能。 结论：个体随机效应模型与个体固定效应模型比较，应该建立个体固定效应模型。 五、最终回归模型建立 最终建立的模型为个体(变截距)固定效应模型。 六、模型应用 结构分析：利用回归系数的地区差异和时间差异，从而分析经济结构的变化。从结果看，北京、上海、浙江是自发消费（消费函数截距）最大的3个地区。 经济预测：利用回归模型预测未来。 模型应用 拟合的个体回归直线 拟合的个体回归直线 参考文献 白仲林.面板数据计量经济分析 高铁梅.计量经济分析方法与建模 张晓峒.面板数据模型理论与应用 邱东.国民经济统计前沿问题 汪涛等.Panel Data分析的理论和应用发展综述 * 图1 CP时间序列图 图2 CP个体截面图 图3 IP时间序列图 图4 IP个体截面图 图5 按时间截面散点图 图6 按个体截面散点图 图5 按时间截面散点图 7.8 8.0 8.2 8.4 8.6 8.8 9.0 9.2 9.4 8.0 8.2 8.4 8.6