eviews面板數(shù)據(jù)模型估計(jì)-wenkub
2023-05-21 13:41:26 本頁(yè)面
【正文】 個(gè)截面成員估計(jì)不同的系數(shù) ，并使用截面成員識(shí)別名后跟一般序列名 ， 中間用 “ ＿ ” 連接進(jìn)行標(biāo)簽 。 EViwes估計(jì)方法： 在主窗口中雙擊已建立的 Pool數(shù)據(jù)庫(kù) ， 在Pool窗口的工具欄中點(diǎn)擊 Estimate鍵 ， 打開(kāi) Pooled Estimation（ 混合估計(jì) ） 窗口 ， 其選項(xiàng)如下圖 。 在結(jié)果輸出窗口中點(diǎn)擊 View選 Residuals/Table, Graphs, Covariance Matrix, Correlation Matrix功能可以分別得到按個(gè)體計(jì)算的殘差序列表，殘差序列圖，殘差序列的方差協(xié)方差矩陣，殘差序列的相關(guān)系數(shù)矩陣。把 c從 Common coefficients窗口中刪除，其余選項(xiàng)同上。如果觀察得數(shù)據(jù)是對(duì)個(gè)體固定，則應(yīng)選擇個(gè)體固定效用模型。 假設(shè) 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）。需要指出的是：當(dāng)模型中含有 k個(gè)解釋變量時(shí)， F統(tǒng)計(jì)量的分母自由度是 NTN k。其中， T為年數(shù)，不管我們的數(shù)據(jù)是 unbalance還是balance看 observations就行了，也即 Total pool (balanced) observations:的值，但是如果是balance我們也可以計(jì)算，也即是每一年的企業(yè)數(shù)的總和?？词欠裢ㄟ^(guò)檢驗(yàn)。模型中不同個(gè)體的截距相同（真實(shí)模型為混合回歸模型）。 ? 所以本例中： ? 所以推翻原假設(shè)，建立個(gè)體固定效應(yīng)回歸模型更合理。 個(gè)體隨機(jī)影響變截距模型 運(yùn)行結(jié)果得 ? 相應(yīng)的表達(dá)式是： ? 其中虛擬變量 的定義是： 1521 0 53 6 4 5 DDDIPPC itit ?????? ??2 9 5 9 9 5 2, ?? SSER1 2 1 5, , ...,D D D1,0,iD????如 果 屬 于 第 i 個(gè) 個(gè) 體 ,i=1,2,...,15其 他 固定效應(yīng)模型和隨機(jī)效應(yīng)模型的設(shè)定檢驗(yàn) hausman檢驗(yàn) ? 眾所周知，在回歸模型 ? 滿足基本假設(shè)時(shí)，回歸系數(shù)的 ols估計(jì)量是 BLUE估計(jì)，但是，當(dāng)模型不滿足 “ 正交性假設(shè) ” 時(shí)， 的 OLS估計(jì)量不再是無(wú)偏的。 ???????Kkittik i tkit wvuxy21 ??ittiit wvu ????0)|( ?itit XE ?GLS??? 檢驗(yàn)假設(shè) ? 顯然，在拒絕零假設(shè)時(shí)，模型設(shè)定為固定應(yīng)模型是可行的；否則，如果不能拒絕零假設(shè)時(shí)，模型應(yīng)設(shè)定為隨機(jī)效應(yīng)模型。個(gè)體固定效應(yīng)模型對(duì)參數(shù)的估計(jì)值為 ，隨機(jī)效應(yīng)模型對(duì)參數(shù)的估計(jì)值為 。隨地區(qū)不同，自發(fā)消費(fèi)（截距項(xiàng)）存在顯著性差異。 ? 綜上分析， 1996—2021年中國(guó)東北、華北、華東 15個(gè)省級(jí)地區(qū)的居民家庭人均消費(fèi)和人金收入問(wèn)題應(yīng)該建立個(gè)體固定效應(yīng)回歸模型。 ?
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1