基于EViews 6面板数据计量分析1.pdfVIP

基于 EViews 6 的面板数据计量分析  对于面板数据，EViews 6 提供的估计方法有如下三种， 最小二乘估计——LS - Least Squares (and AR) 二阶段最小二乘估计——TSLS - Two-Stage Least Squares (and AR) 动态面板数据模型的广义矩估计——GMM / DPD - Generalized Method of Moments /Dynamic Panel Data 第1节 “LS - Least Squares (LS and AR) ”估计 如果选择最小二乘方法估计面板数据模型，在“Equation Estimation ”窗口中，须依次 设置“Specification ”、“Panel Options ”和“Options ”页面。 1.1 “Specification”页面 在“Specification ”页面中，完成模型设定和估计样本时间范围的选择。 1 在“Equation specification ”编辑区，指定模型的被解释变量、截距项和解释变量； 2 在“Sample ” 编辑区，指定估计样本时间的范围。 1.2 “Panel Options ”页面 设置模型中不可观测的双（单）因素效应，即面板数据回归模型的选择。点击“Panel Options ” 该页面包含三方面内容。 1 效应设置 在“Effects specification ”选择区，设定面板数据模型的个体效应和时间效应，可选择 的选项有 “None ”、“Fixed ”和 “Random ”，分别表示“无效应”、“固定效应”和“随 机效应”。如果选择了 “Fixed ”或“Random ”，EViews在输出结果中自动添加一个共同 常数，即截距项，以保证效应之和为零。否则，截距项必要时，须在 “Specification”页面 的“Equation specification ”编辑区设定模型截距项。 2 GLS加权 设置“GLS Weights ”可以在下拉框中选择如下选项 之一。其选择标准为： 面板数据不存在异方差和自相关性时，选择“No weights ”； 面板数据在个体间存在异方差时，选择“Cross-section weights ”； 面板数据的个体间存在同期相关性和异方差时，选择“Cross-section SUR ”； 对于给定的个体，存在时间上的异方差时，选择“Period weights ”。 对于给定的个体残差，存在时间上的序列相关性和异方差时，选择 “Period SUR ”； 当选择了GLS加权（后四项），EViews采用FGLS估计模型。特别，选择了两种SUR选 项的FGLS估计也称为Parks估计。 3 系数协方差估计方法 通过选择“Coef covariance method ”选项，确定计算系数标准差的各种稳健估计方法。 可选择的选项有 其选择标准为： 对于不存在（个体间的和时间上的）异方差和时间上的序列相关性时，选择 “Ordinary ”； 模型残差存在个体间的异方差和同期相关性时，可选择“White cross-section ”； 这时也可选择 “Cross-section SUR”选项，最常见的选择是White 的截面加权法 （White cross-section ） 对于模型残差，只存在时间上的异方差时，选择“White Period ”选项 模型残差存在个体间的异方差时，可选择 “White[Diagonal] ” 模型残差存在个体间的异方差和同期相关性时，可选择“Cross-section SUR”选项； 对于模型残差，只存在个体间的异方差时，选择“Cross-section weights ” 选项； 对于指定的个体，观测数据存在时间上的异方差和序列相关性时，选择“Period SUR”选项； 对于模型残差，只存在时间上的异方差时，选择“Period weights ”选项。