EViews统计分析与应用(李嫣怡)全套PPT教学内容.ppt

Eviews 统计分析 从入门到精通 无约束的参数估计值 对数似然值最大的协整关系式 Eviews 统计分析 从入门到精通 3. VEC模型 VEC模型的估计结果与VAR模型的估计结果形式和大部分 内容（如检验统计量等）一致，本书仅列出VEC与VAR估计结 果的不同之处 Eviews 统计分析 从入门到精通 第十二章 面板数据模型与混合横截面模型的估计 ? 面板数据模型简介 ? 面板数据模型的估计 ? 混合横截面模型 ? 面板数据单位根检验 Eviews 统计分析 从入门到精通 一、面板数据模型简介 面板数据 （ panel data ）也称时间序列截面数据（ time series and cross section data）或混合数据（pool data）。面板数据是同时在时 间和截面空间上取得的二维数据。面板数据模型能够同时反映变量在截 面和时间二维空间上的变化规律和特征，具有纯时间序列数据和纯截面 数据所不可比拟的诸多优点 。 Eviews 统计分析 从入门到精通 二、面板数据模型的估计 1、变截距模型 根据对截面个体影响形式的不同设定，变截距模型分为固定效应变截距 模型和随机效应变截距模型。 （1）固定效应变截距模型 固定效应模型假设模型中不随时间变化的非观测效应与误差项相关，固 定效应模型的表达式如公式12-2所示。 k i=1 其中，i = 1, 2, …, N表示个体成员，t = 1, 2, …, T代表时间跨度。 12 ? 2 = α + ∑ βi xit + ui + vit yit Eviews 统计分析 从入门到精通 模型中不随时间变化的非观测效应与误差项相关。均值截距项在不 同的截面成员时间是相同的，代表截面个体成员截距项，表示个体成员 的截距对整体截距的偏离。 对于固定效应模型，通常的处理方法是准差分处理后使用OLS估计 方法或使用最小二乘虚拟变量法（LSDV）进行估计；如果其误差项不 满足满足相互独立和同方差假定，则需要使用GLS进行估计。 Eviews 统计分析 从入门到精通 （2）随机效应变截距模型 随机效应模型假设模型中不随时间变化的非观测效应与误差项相关， 即随机效应模型的表达式如公式12-3所示。 k 其中，i = 1, 2, …, N表示个体i=1 成员，t = 1, 2, …, T代表时间跨度。 对于随机效应模型，虽然我们假定模型中不随时间变化的非观测效 应与随机误差项不相关，但是由于的存在，同一个体不同时间的扰动项 一般存在相关性问题。所以，对于随机效应模型，一般使用GLS进行估 计。 12 ? 3 + δ it + ∑ βi xit = α i yit Eviews 统计分析 从入门到精通 （3）模型形式设定检验——Hausman检验 Hausman检验用于确定选择固定效应模型还是随机效应模型。其原 假设为：内部估计量（最小二乘虚拟变量法（LSDV））和GLS得出的 估计量均是一致的，但是内部估计量不是有效的。 因此在原假设下，内部估计量与GLS估计量之间的绝对值差距应该 不大，而且应该随样本的增加而缩小，并渐进趋近于0。而在备择假设 下，这一点不成立。Hausman利用这个统计特点建立了如公式12-4所 示的检验统计量： Hausman检验统计量渐进服从于自由度为K的卡方分布。 )12 ? 4 W = (β? ? β? )′Σ ?1 (β? ? β? w GLS β w GLS Eviews 统计分析 从入门到精通 案例12.1 Eviews 统计分析 从入门到精通 估计步骤： 1. 建立POOL对象 2. 估计随机效应模型 3. 进行Hausman检验， 确定模型形式 . 如果拒绝原假设，估 计固定效应模型 4 Eviews 统计分析 从入门到精通 2、变系数模型 变系数模型应用于不同个体的结构参数不同的情况，变系数 模型的形式如公式12-5所示。 k i=1 其中，i = 1, 2, …, N表示个体成员，t = 1, 2, …, T代表时间 跨度，变系数模型假定系数，…和截距在各截面个体成员之 间均不相同。与变截距模型一样，变系数模型也分为固定效 应和随机效应两种形式。 12 ? 5 + δ it + ∑ βit xit = α i yit Eviews 统计分析 从入门到精通 案例12.2 Eviews 统计分析 从入门到精通 设置要点 （1）在Depandent Variable输入框 中输入待模型的被解释变量 （2）在 Regressors and AR terms 选项组下的Cross-section specifics输入框中输入解释变量 名称。 （3）选择估计形式。 Evie