【正文】 的Proc/Make Group)，再來(lái)試試。情況二：如果如果基于單位根檢驗(yàn)的結(jié)果發(fā)現(xiàn)變量之間是非同階單整的，即面板數(shù)據(jù)中有些序列平穩(wěn)而有些序列不平穩(wěn)，此時(shí)不能進(jìn)行協(xié)整檢驗(yàn)與直接對(duì)原序列進(jìn)行回歸。但此時(shí)也不要著急，我們可以在保持變量經(jīng)濟(jì)意義的前提下，對(duì)我們前面提出的模型進(jìn)行修正，以消除數(shù)據(jù)不平穩(wěn)對(duì)回歸造成的不利影響。如差分某些序列，將基于時(shí)間頻度的絕對(duì)數(shù)據(jù)變成時(shí)間頻度下的變動(dòng)數(shù)據(jù)或增長(zhǎng)率數(shù)據(jù)。此時(shí)的研究轉(zhuǎn)向新的模型，但要保證模型具有經(jīng)濟(jì)意義。因此一般不要對(duì)原序列進(jìn)行二階差分，因?yàn)閷?duì)變動(dòng)數(shù)據(jù)或增長(zhǎng)率數(shù)據(jù)再進(jìn)行差分，我們不好對(duì)其冠以經(jīng)濟(jì)解釋。難道你稱其為變動(dòng)率的變動(dòng)率？步驟三：面板模型的選擇與回歸面板數(shù)據(jù)模型的選擇通常有三種形式：一種是混合估計(jì)模型（Pooled Regression Model）。如果從時(shí)間上看，不同個(gè)體之間不存在顯著性差異；從截面上看，不同截面之間也不存在顯著性差異，那么就可以直接把面板數(shù)據(jù)混合在一起用普通最小二乘法（OLS）估計(jì)參數(shù)。一種是固定效應(yīng)模型（Fixed Effects Regression Model）。如果對(duì)于不同的截面或不同的時(shí)間序列，模型的截距不同，則可以采用在模型中添加虛擬變量的方法估計(jì)回歸參數(shù)。一種是隨機(jī)效應(yīng)模型（Random Effects Regression Model）。如果固定效應(yīng)模型中的截距項(xiàng)包括了截面隨機(jī)誤差項(xiàng)和時(shí)間隨機(jī)誤差項(xiàng)的平均效應(yīng)，并且這兩個(gè)隨機(jī)誤差項(xiàng)都服從正態(tài)分布，則固定效應(yīng)模型就變成了隨機(jī)效應(yīng)模型。 在面板數(shù)據(jù)模型形式的選擇方法上，我們經(jīng)常采用F檢驗(yàn)決定選用混合模型還是固定效應(yīng)模型，然后用Hausman檢驗(yàn)確定應(yīng)該建立隨機(jī)效應(yīng)模型還是固定效應(yīng)模型。 檢驗(yàn)完畢后，我們也就知道該選用哪種模型了，然后我們就開(kāi)始回歸： 在回歸的時(shí)候，權(quán)數(shù)可以選擇按截面加權(quán)（crosssection weights）的方式，對(duì)于橫截面?zhèn)€數(shù)大于時(shí)序個(gè)數(shù)的情況更應(yīng)如此，表示允許不同的截面存在異方差現(xiàn)象。估計(jì)方法采用PCSE（Panel Corrected Standard Errors，面板校正標(biāo)準(zhǔn)誤）方法。Beck和Katz(1995)引入的PCSE估計(jì)方法是面板數(shù)據(jù)模型估計(jì)方法的一個(gè)創(chuàng)新，可以有效的處理復(fù)雜的面板誤差結(jié)構(gòu)，如同步相關(guān)，異方差，序列相關(guān)等，在樣本量不夠大時(shí)尤為有用。 面板數(shù)據(jù)的計(jì)量方法1. 什么是面板數(shù)據(jù)？ 面板數(shù)據(jù)（panel data）也稱時(shí)間序列截面數(shù)據(jù)（time series and cross section data）或混合數(shù)據(jù)（pool data）。面板數(shù)據(jù)是截面數(shù)據(jù)與時(shí)間序列綜合起來(lái)的一種數(shù)據(jù)資源，是同時(shí)在時(shí)間和截面空間上取得的二維數(shù)據(jù)。 如：城市名：北京、上海、重慶、天津的GDP分別為18（單位億元）。這就是截面數(shù)據(jù)，在一個(gè)時(shí)間點(diǎn)處切開(kāi)，看各個(gè)城市的不同就是截面數(shù)據(jù)。如：2000、2002002002004各年的北京市GDP分別為112（單位億元）。這就是時(shí)間序列，選一個(gè)城市，看各個(gè)樣本時(shí)間點(diǎn)的不同就是時(shí)間序列。如：2000、2002002002004各年中國(guó)所有直轄市的GDP分別為：北京市分別為112；上海市分別為1113；天津市分別為9；重慶市分別為11（單位億元）。這就是面板數(shù)據(jù)。利用面板數(shù)據(jù)建立模型的好處是：（1）由于觀測(cè)值的增多，可以增加估計(jì)量的抽樣精度。（2）對(duì)于固定效應(yīng)模型能得到參數(shù)的一致估計(jì)量，甚至有效估計(jì)量。（3）面板數(shù)據(jù)建模比單截面數(shù)據(jù)建模可以獲得更多的動(dòng)態(tài)信息。例如19902000 年30 個(gè)省份的農(nóng)業(yè)總產(chǎn)值數(shù)據(jù)。固定在某一年份上，它是由30 個(gè)農(nóng)業(yè)總產(chǎn)值數(shù)字組成的截面數(shù)據(jù)；固定在某一省份上，它是由11 年農(nóng)業(yè)總產(chǎn)值數(shù)據(jù)組成的一個(gè)時(shí)間序列。面板數(shù)據(jù)由30 個(gè)個(gè)體組成。共有330 個(gè)觀測(cè)值。 面板數(shù)據(jù)模型的選擇通常有三種形式：混合估計(jì)模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型。這三類模型的差異主要表現(xiàn)在系數(shù)、截距以及隨機(jī)誤差的假設(shè)不同。 第一種是混合估計(jì)模型（Pooled Regression Model）。如果從時(shí)間上看，不同個(gè)體之間不存在顯著性差異；從截面上看，不同截面之間也不存在顯著性差異，那么就可以直接把面板數(shù)據(jù)混合在一起用普通最小二乘法（OLS）估計(jì)參數(shù)。此時(shí)，對(duì)所有橫截面數(shù)據(jù)而言，截距應(yīng)是相同的。 第二種是固定效應(yīng)模型（Fixed Effects Regression Model）。在面板數(shù)據(jù)散點(diǎn)圖中，如果對(duì)于不同的截面或不同的時(shí)間序列，模型的截距是不同的，則可以采用在模型中加虛擬變量的方法估計(jì)回歸參數(shù)，稱此種模型為固定效應(yīng)模型（fixed effects regression model）。此時(shí)，相對(duì)于混合效應(yīng)模型而言，個(gè)體間存在差異可以體現(xiàn)在截距的差異也可以體現(xiàn)為系數(shù)的差異。固定效應(yīng)模型分為3種類型，即個(gè)體固定效應(yīng)模型（entity fixed effects regression model）、時(shí)刻固定效應(yīng)模型（time fixed effects regression model）和時(shí)刻個(gè)體固定效應(yīng)模型（time and entity fixed effects regression model）。 （1）個(gè)體固定效應(yīng)模型。 個(gè)體固定效應(yīng)模型就是對(duì)于不同的個(gè)體有不同截距的模型。如果對(duì)于不同的時(shí)間序列（個(gè)體）截距是不同的，但是對(duì)于不同的橫截面，模型的截距沒(méi)有顯著性變化，那么就應(yīng)該建立個(gè)體固定效應(yīng)模型。注意：個(gè)體固定效應(yīng)模型的EViwes輸出結(jié)果中沒(méi)有公共截距項(xiàng)。 （2）時(shí)刻固定效應(yīng)模型。 時(shí)刻固定效應(yīng)模型就是對(duì)于不同的截面（時(shí)刻點(diǎn)）有不同截距的模型。如果確知對(duì)于不同的截面，模型的截距顯著不同，但是對(duì)于不同的時(shí)間序列（個(gè)體）截距是相同的，那么應(yīng)該建立時(shí)刻固定效應(yīng)模型，相對(duì)于混合估計(jì)模型來(lái)說(shuō)，是否有必要建立時(shí)刻固定效應(yīng)模型可以通過(guò)F檢驗(yàn)來(lái)完成。 H0：對(duì)于不同橫截面模型截距項(xiàng)相同（建立混合估計(jì)模型）。 H1：對(duì)于不同橫截面模型的截距項(xiàng)不同（建立時(shí)刻固定效應(yīng)模型）。 （3）時(shí)刻個(gè)體固定效應(yīng)模型。 時(shí)刻個(gè)體固定效應(yīng)模型就是對(duì)于不同的截面（時(shí)刻點(diǎn)）、不同的時(shí)間序列（個(gè)體）都有不同截距的模型。如果確知對(duì)于不同的截面、不同的時(shí)間序列（個(gè)體）模型的截距都顯著地不相同，那么應(yīng)該建立時(shí)刻個(gè)體效應(yīng)模型。相對(duì)于混合估計(jì)模型來(lái)說(shuō)，是否有必要建立時(shí)刻個(gè)體固定效應(yīng)模型可以通過(guò)F檢驗(yàn)來(lái)完成。 H0：對(duì)于不同橫截面，不同序列，模型截距項(xiàng)都相同（建立混合估計(jì)模型）。 H1：不同橫截面，不同序列，模型截距項(xiàng)各不相同（建立時(shí)刻個(gè)體固定效應(yīng)模型）。第三種是隨機(jī)效應(yīng)模型。 在固定效應(yīng)模型中采用虛擬變量的原因是解釋被解釋變量的信息不夠完整。也可以通過(guò)對(duì)誤差項(xiàng)的分解來(lái)描述這種信息的缺失。yit = a + b1 xit + eit其中誤差項(xiàng)在時(shí)間上和截面上都是相關(guān)的，用3個(gè)分量表示如下。 eit = ui + vt + wit 其中ui ~N(0, su2)表示截面隨機(jī)誤差分量；vt ~N(0, sv2)表示時(shí)間隨機(jī)誤差分量；wit ~N(0, sw2)表示混和隨機(jī)誤差分量。同時(shí)還假定ui，vt，wit之間互不相關(guān)，各自分別不存在截面自相關(guān)、時(shí)間自相關(guān)和混和自相關(guān)。上述模型稱為隨機(jī)效應(yīng)模型。與固定效應(yīng)模型不同，隨機(jī)效應(yīng)模型中。隨機(jī)誤差項(xiàng)和截距項(xiàng)都是隨機(jī)變量。 隨機(jī)效應(yīng)模型和固定效應(yīng)模型比較，相當(dāng)于把固定效應(yīng)模型中的截距項(xiàng)看成兩個(gè)隨機(jī)變量。一個(gè)是截面隨機(jī)誤差項(xiàng)（ui），一個(gè)是時(shí)間隨機(jī)誤差項(xiàng)（vt）。如果這兩個(gè)隨機(jī)誤差項(xiàng)都服從正態(tài)分布，對(duì)模型估計(jì)時(shí)就能夠節(jié)省自由度，因?yàn)榇藯l件下只需要估計(jì)兩個(gè)隨機(jī)誤差項(xiàng)的均值和方差。 假定固定效應(yīng)模型中的截距項(xiàng)包括了截面隨機(jī)誤差項(xiàng)和時(shí)間隨機(jī)誤差項(xiàng)的平均效應(yīng)，而且對(duì)均值的離差分別是ui和vt，固定效應(yīng)模型就變成了隨機(jī)效應(yīng)模型。 注意：隨機(jī)效應(yīng)模型EViwes輸出結(jié)果中含有公共截距項(xiàng)。 一般常用的具體檢驗(yàn)方法是:通過(guò)構(gòu)造F統(tǒng)計(jì)量判斷是否所有固定影響為零，對(duì)固定效應(yīng)模型和混合模型進(jìn)行篩選。通過(guò)ols估計(jì)的殘差構(gòu)造LM統(tǒng)計(jì)量，即BP拉格朗日乘數(shù)檢驗(yàn)進(jìn)行隨即模型和混合模型檢驗(yàn)以及通過(guò)hausman檢驗(yàn)進(jìn)行固定效應(yīng)模型和隨機(jī)模型的篩選。 由于面板數(shù)據(jù)帶有時(shí)間序列和橫截面數(shù)據(jù)的雙重性。而在處理時(shí)間序列模型時(shí)，必須首先對(duì)時(shí)間序列進(jìn)行單位根檢驗(yàn)，否則很可能出現(xiàn)“偽回歸”，因此必須對(duì)其進(jìn)行平穩(wěn)性檢驗(yàn)。Eviews軟件對(duì)面板數(shù)據(jù)的單位根檢驗(yàn)包括五種，即LLC檢驗(yàn)、IPS檢驗(yàn)、FishADF, FishPP檢驗(yàn)和Hadri檢驗(yàn)。其中Hadri檢驗(yàn)的原假設(shè)為面板數(shù)據(jù)不存在單位根，而其它四種檢驗(yàn)的原假設(shè)為含有單位根。（詳細(xì)的應(yīng)用例子可參見(jiàn)：蔡莉，《我國(guó)貨幣政策有效性的區(qū)域差異分析:20032009》，復(fù)旦大學(xué)2009屆碩士論文，第3639頁(yè)。） 隨機(jī)效應(yīng)模型和固定效應(yīng)模型哪一個(gè)更好些？實(shí)際是各有優(yōu)缺點(diǎn)。隨機(jī)效應(yīng)模型的好處是節(jié)省自由度。對(duì)于從時(shí)間序列和截面兩方面上看都存在較大變化的數(shù)據(jù)，隨機(jī)效應(yīng)模型能明確地描述出誤差來(lái)源的特征。固定效應(yīng)模型的好處是很容易分析任意截面數(shù)據(jù)所對(duì)應(yīng)的因變量與全部截面數(shù)據(jù)對(duì)應(yīng)的因變量均值的差異程度。此外，固定效應(yīng)模型不要求誤差項(xiàng)中的個(gè)體效應(yīng)分量與模型中的解釋變量不相關(guān)。當(dāng)然，這一假定不成立時(shí)，可能會(huì)引起模型參數(shù)估計(jì)的不一致性。用EViwes可以估計(jì)固定效應(yīng)模型（包括個(gè)體固定效應(yīng)模型、時(shí)刻固定效應(yīng)模型和時(shí)刻個(gè)體固定效應(yīng)模型3種）、隨機(jī)效應(yīng)模型、帶有AR(1)參數(shù)的模型、截面不同回歸系數(shù)也不