【正文】 在新建立的 Pool（ 混合數(shù)據(jù) ） 窗口的工具欄中點(diǎn)擊 Sheet鍵 ， 從而打開 Series List（ 列出序列名 ） 窗口 ， 定義時(shí)間序列變量 CP?和 IP?，如圖 。 （ 1） 建立合成數(shù)據(jù)庫 （ pool） 對象 在打開工作文件窗口的基礎(chǔ)上 ， 點(diǎn)擊主功能菜單中的Objects鍵 ， 選 New Object功能 ， 從而打開 New Object（ 新對象） 選擇窗 （ 見圖 ） 。 首先計(jì)算變截距 、 變系數(shù)模型 ()的殘差平方和 S1。 主要檢驗(yàn)如下兩個(gè)假設(shè)： 如果接受假設(shè) H2， 則可以認(rèn)為樣本數(shù)據(jù)符合不變截距 、 不變系數(shù)模型 。 (2)變截距模型： ai≠aj， bi=bj=b 這種情形意味著模型在橫截面上存在個(gè)體影響 ， 不存在結(jié)構(gòu)性的變化 ， 即解釋變量的結(jié)構(gòu)參數(shù)在不同橫截面上是相同的 ， 不同的只是截距項(xiàng) ， 個(gè)體影響可以用截距項(xiàng) ai (i＝ 1， 2， … ， N)的差別來說明 ， 故通常把它稱為變截距模型 。則單方程面板數(shù)據(jù)模型一般形式可寫成： 對于平衡的面板數(shù)據(jù)，即在每一個(gè)截面單元上具有相同個(gè)數(shù)的觀測值，模型樣本觀測數(shù)據(jù)的總數(shù)等于 NT。 2022300040005000600070008000900010000110000 4000 8000 12022 16000I P ( 1 9 9 6 2 0 0 2 )C P A HC P B JC P F JC P H BC P H L JC P J LC P J SC P J XC P L NC P N M GC P S DC P S HC P S XC P T JC P Z J圖 用 15個(gè)時(shí)間序列表示的人均消費(fèi)對收入的面板數(shù)據(jù) 圖 用 7個(gè)截面表示的人均消費(fèi)對收入 的面板數(shù)據(jù) （ 7個(gè)截面疊加 ） 圖 19962022年消費(fèi)對收入散點(diǎn)圖 。 圖 7個(gè)觀測點(diǎn)組成的時(shí)間序列 。 從橫截面觀察分別見圖 。 若在面板數(shù)據(jù)中丟失若干個(gè)觀測值 ， 則稱此面板數(shù)據(jù)為非平衡面板數(shù)據(jù) （ unbalanced panel data） 。 面板數(shù)據(jù)由 30個(gè)個(gè)體組成 。 T表示時(shí)間序列的最大長度 。面板數(shù)據(jù)從橫截面上看 ， 是由若干個(gè)體在某一時(shí)刻構(gòu)成的截面觀測值 ， 從縱剖面上看是一個(gè)時(shí)間序列 。 面板數(shù)據(jù)用雙下標(biāo)變量表示 。 若固定 t不變 ，yi . ( i = 1, 2, …, N)是橫截面上的 N個(gè)隨機(jī)變量；若固定 i不變 ， y. t (t = 1, 2, …, T)是縱剖面上的 一 個(gè)時(shí)間序列 （ 個(gè)體 ） ， 如圖 。 共有330個(gè)觀測值 。 例 19962022年中國東北 、 華北 、 華東 15個(gè)省級地區(qū)的居民家庭人均消費(fèi)和人均收入 （ 不變價(jià)格 ） 數(shù)據(jù)見表 。用 CP表示消費(fèi) ， IP表示收入 。 相當(dāng)于觀察 15個(gè)時(shí)間序列 。圖 15個(gè)省級地區(qū) 1996和 2022年的消費(fèi)對收入散點(diǎn)圖 。 當(dāng) N=1且 T很大時(shí)，就是所熟悉的時(shí)間序列數(shù)據(jù)；當(dāng) T=1而 N很大時(shí)，就只有截面數(shù)據(jù)。 (3)變系數(shù)模型： ai≠aj， bi≠bj 這種情形意味著模型在橫截面上存在個(gè)體影響，又存在結(jié)構(gòu)變化，即在允許個(gè)體影響由變化的截距項(xiàng) ai (i＝ 1，2， … ， N)來說明的同時(shí)還允許系數(shù)向量 bi (i＝ 1， 2， … ， N)依個(gè)體成員的不同而變化，用以說明個(gè)體成員之間的結(jié)構(gòu)變化。 如果拒絕假設(shè) H2， 則需檢驗(yàn)假設(shè) H1。 如果記 變截距模型 該模型允許個(gè)體成員上存在個(gè)體影響 ， 并用截距項(xiàng)的差別來說明 。 圖 Pool對象定義對話框 在 Type of Object選擇區(qū)選擇 Pool（ 混合數(shù)據(jù)庫 ）， 在 Name of Object選擇區(qū)命名 CS（ 初始顯示為Untitled） ， 點(diǎn)擊 OK， 從而打開 Pool對象說明窗口 。 點(diǎn)擊 OK鍵 ， 從而打開 Pool（ 混合數(shù)據(jù)庫 ） 窗口 ， 輸入數(shù)據(jù) ， 輸入完成后的情形見圖 。 None代表模型不包含截距 ， Common指所有截面單元具有相同截距 ，F(xiàn)ixed effects與 Random effects分別表示截距變動(dòng)的固定效應(yīng)和隨機(jī)效應(yīng) 。完成合成數(shù)據(jù)模型定義對話框后 ， 點(diǎn)擊 OK鍵 ， 得輸出結(jié)果如表。 EViews估計(jì)方法：在 EViews的 Pooled Estimation對話框中Intercept選項(xiàng)中選 Fixed effects。 表中下半部是各地區(qū)截距估計(jì)值 。 EViews 版 本 的 面 板 數(shù) 據(jù) 模 型 估 計(jì) (Pool Estimation)窗口分成了兩個(gè)模塊： Specification(設(shè)定 )和 Option(選擇 )， 但基本功能與早期版本無本質(zhì)區(qū)別 ，主要選擇都集中在 Specification(設(shè)定 )模塊中 ， 見圖。 (3)Weight(權(quán)數(shù) )可以在 5種加權(quán)方法中做選擇。 平均自發(fā)消費(fèi)水平與各地區(qū)自發(fā)消費(fèi)對平均自發(fā)消費(fèi)的偏離之和為各地區(qū)自發(fā)消費(fèi) 。 3． 固定影響變截距模型的廣義最小二乘估計(jì) 在固定影響變截距模型中 ， 如果隨機(jī)誤差項(xiàng)不滿足等方差或相互獨(dú)立的假設(shè) ， 則需要使用廣義最小二乘法 (GLS)對模型進(jìn)行估計(jì) 。 4． 固定影響變截距模型的二階段最小二乘估計(jì) 隨機(jī)影響變截距模型 1． 隨機(jī)影響變截距模型的形式 與固定影響模型不同 ， 隨機(jī)影響變截距模型把變截距模型中用來反映個(gè)體差異的 截 距項(xiàng)分為常數(shù)項(xiàng)和隨機(jī)變量項(xiàng)兩部分 ， 并用其中的隨機(jī)變量項(xiàng)來表示模型中被忽略的 、 反映個(gè)體差異的變量的影響 。 例 利用 19962022年中國東北 、 華北 、 華東 15個(gè)省級地區(qū)的居民家庭人均消費(fèi)和人均收入數(shù)據(jù) (見表 )， 試建立隨機(jī)影響變截距模型 ， 研究這些地區(qū)的居民家庭消費(fèi)行為 。 隨機(jī)效應(yīng)模型的檢驗(yàn) 在實(shí)際應(yīng)用中，究竟是采用固定效應(yīng)模型還是采用隨機(jī)效應(yīng)模型，這需要進(jìn)行模型設(shè)定檢驗(yàn)。 對于原假設(shè)，檢驗(yàn)的統(tǒng)計(jì)量是： 2. 豪斯曼 （ Hausman） 檢驗(yàn) 。（ 2）面板單位根檢驗(yàn)。 Hausman統(tǒng)計(jì)量的值是 ，相對應(yīng)的概率是 ，說明檢驗(yàn)結(jié)果拒絕了隨機(jī)效應(yīng)模型原假設(shè)，應(yīng)該建立個(gè)體固定效應(yīng)模型。 個(gè)參數(shù)估計(jì)量的分布方差的差 (Var(Diff))。 （ 2） 面板單位根檢驗(yàn) 在工作文件窗 El中打開 CP變量的 15個(gè)數(shù)據(jù)組，點(diǎn)擊 View鍵，選Unit Root Test功能 (如圖 )，打開 Group Unit Root Test對話框如圖，共有 6個(gè)選項(xiàng)區(qū)。 圖 ② Test for unit root in選項(xiàng)區(qū)包括 3個(gè)選項(xiàng)，可以對水平序列(Level)、一次差分序列 (1st difference)、二次差分序列 (2nd difference)進(jìn)行檢驗(yàn)，默認(rèn)的選擇是對水平序列檢驗(yàn)單位根。 ⑤ Lag length選項(xiàng)區(qū)指單位根檢驗(yàn)式中差分項(xiàng)的滯后長度。 5種檢驗(yàn)方法的結(jié)論都認(rèn)為 15個(gè) CP序列存在單位根。 EViews估計(jì)方法：在 Pooled Estimation（ 混合估計(jì) ） 窗口中的 Dependent Variable（ 相依變量 ） 選擇窗填入 CP?；在 Common coefficients（ 系數(shù)相同 ）選擇窗保持空白；在 Cross section specific coefficients（ 截面系數(shù)不同 ） 選擇窗填入 IP?；在 Intercept（ 截距項(xiàng) ） 選擇窗中選 Fixed effects（ 也可以做其他選擇） ；在 Weighting（ 權(quán)數(shù) ） 選擇窗點(diǎn)擊 No weighting。 表 。 。 從表 ， 回歸系數(shù)與表 。 2． 不同個(gè)體之間隨機(jī)誤差項(xiàng)相關(guān)的固定影響變系數(shù)模型 相對于混合估計(jì)模型來說 ， 是否有必要建立變截距 、 變系數(shù)模型， 可以通過 F檢驗(yàn)來完成 。 類似 ， 對于含有 AR(p)項(xiàng)的固定影響變截距模型 ， 也可以經(jīng)適當(dāng)變換轉(zhuǎn)變?yōu)榛镜墓潭ㄓ绊懽兘鼐嗄Ｐ瓦M(jìn)行估計(jì) 。 表 29個(gè)省市地區(qū)的城鎮(zhèn)居民家庭平均 消費(fèi)支出數(shù)據(jù) （ 單位：元 /人 ） 利用 1991~2022年 29個(gè)省級地區(qū)城鎮(zhèn)居民家庭年人均消費(fèi)性支出和年人均可支配收入數(shù)據(jù) ， 用 EViews建立面板數(shù)據(jù)估計(jì)模型步驟如下 。 如圖 ， 點(diǎn)擊 OK鍵 ， 從而打開混合數(shù)據(jù)庫 （ Pool） 窗口 。 輸入完成后的情形見圖 。 圖 合成數(shù)據(jù)模型定義對話框 先對 Pooled Estimation（ 混合估計(jì) ） 對話窗中各選項(xiàng)功能給以解釋 。 Common coefficients（ 系數(shù)相同 ） 選擇窗：用于填寫對于不同橫截面斜率相同的解釋變量和虛擬變量 。 “ 等權(quán)估計(jì) ” 的方法是所有的觀測值都給以相等的權(quán)數(shù)； “ 按截面取權(quán)數(shù) ” 的方法是以橫截面模型殘差的方差為權(quán)數(shù) ， 屬于廣義最小二乘法估計(jì) 。 可以在 Common coefficients選擇窗和 Cross section specific coefficients選擇窗中填入 AR(1)項(xiàng) 。 1. 無個(gè)體影響的不變系數(shù)模型 模型形式為 其中： a為 29個(gè)省市的平均自發(fā)消費(fèi)傾向 ， b為邊際消費(fèi)傾向 。 從結(jié)果看 ， 平均消費(fèi)傾向?yàn)?。 得輸出結(jié)果如表。 表 我國城鎮(zhèn)居民消費(fèi)函數(shù)（固定效應(yīng)變截距模型） 地 區(qū) 代號(hào) 居民消費(fèi)函數(shù) 內(nèi)蒙古 NMG CSNMG = + *YDNMG 寧 夏 NX CSNX = + *YDNX 青 海 QH CSQH = + *YDQH 四 川 SC CSSC = + *YDSC 山 東 SD CSSD = + *YDSD 上 海 SH CSSH = + *YDSH 陜 西 SHX CSSHX = + *YDSHX 山 西 SX CSSX = + *YDSX 天 津 TJ CSTJ = + *YDTJ 新 疆 XJ CSXJ = + *YDXJ 云 南 YN CSYN = + *YDYN