面板數(shù)據(jù)f檢驗-預(yù)覽頁
【正文】 CPJL（吉林）CPNMG（內(nèi)蒙古）CPTJ（天津） 19992002年中國東北、華北、華東15個省級地區(qū)的居民家庭人均收入數(shù)據(jù)（不變價格）地區(qū)人均收入1996199719981999200020012002IPAH（安徽）IPHLJ（黑龍江）IPLN（遼寧）IPSX（山西） 15個省級地區(qū)的人均消費序列（縱剖面） 圖3 圖5用CP表示消費，IP表示收入。相當(dāng)于觀察15個時間序列。 用15個時間序列表示的人均消費對收入的面板數(shù)據(jù)圖7圖9給出該15個省級地區(qū)1996和2002年的消費對收入散點圖。 北京和內(nèi)蒙古19962002年消費對收入時序圖用面板數(shù)據(jù)建立的模型通常有3種。如果從時間和截面看模型截距都不為零，且是一個相同的常數(shù)，以二變量模型為例，則建立如下模型， yit = a +b1 xit +eit,稱模型(1)為混合估計模型。工具欄中點擊Sheet鍵，從而打開Series List（列寫序列名）窗口，定義變量CP?和IP?，點擊OK鍵，Pool（混合或合并數(shù)據(jù)庫）窗口顯示面板數(shù)據(jù)。得輸出結(jié)果如圖10。 () R2 = , SSEr = 4824588, (103) = 15個省級地區(qū)的人均支出平均占收入的76%。 t = 1, 2, …, T 固定效應(yīng)模型。（1）個體固定效應(yīng)模型。 t = 1, 2, …, T t = 1, 2, …, T，表示隨機誤差項。 i = 1（對于第1個個體，或時間序列），t = 1, 2, …, T y2t = g2 +b1 x2t +e2 t, xN) +eN = gN + xN b +eN上式中yi，gi，ei，xi都是N180。1階列向量。以xi1, xi2, …, xiT, ai為條件的eit的期望等于零。（5）Cov(eit eis|xit,xis, ai) = 0, t 185。對模型（1）進行OLS估計，全部參數(shù)估計量都是無偏的和一致的。這種方法計算起來速度快。 i = 1, 2, …, N (5)令(yit ) = ，(xit ) = ，(eit ) = ，上式寫為 其余選項同上。（3）當(dāng)對個體固定效應(yīng)模型選擇加權(quán)估計時，輸出結(jié)果將給出加權(quán)估計和非加權(quán)估計兩種統(tǒng)計量評價結(jié)果。（7）點擊Procs選Make Model功能，將會出現(xiàn)估計結(jié)果的聯(lián)立方程形式，進一步點擊Solve鍵，在隨后出現(xiàn)的對話框中可以進行動態(tài)和靜態(tài)預(yù)測。 () = 浙江+ x15t = + x15t () R2 = , SSEr = 2270386, (88) = 從結(jié)果看，北京、上海、浙江是消費函數(shù)截距（自發(fā)消費）最大的3個地區(qū)。F統(tǒng)計量定義為：F= = ）注意：當(dāng)模型中含有k個解釋變量時，F(xiàn)統(tǒng)計量的分母自由度是NTNk。 用上例計算，已知SSEr = 4824588，SSEu = 2270386，F(xiàn)= = = = (14, 89) = 因為F= (14, 89) = ，所以，拒絕原假設(shè)。時刻固定效應(yīng)模型就是對于不同的截面（時刻點）有不同截距的模型。 (10)其中Dt = eit, i = 1, 2, …, N。模型（10）也可表示為 yi1 = a1 +b1 xi1 + ei1, 模型的自由度是N T –T1。 () ()… = 2002 + xi7 = + xi7 ()() R2 = , SSEr = 4028843, (97) = 相對于混合估計模型來說，是否有必要建立時刻固定效應(yīng)模型可以通過F檢驗來完成。注意：當(dāng)模型中含有k個解釋變量時，F(xiàn)統(tǒng)計量的分母自由度是NTT k。 用上例計算，已知SSEr= 4824588，SSEu= 4028843，F(xiàn)= = = = (6, 87) = 因為F= (14, 89) = ，拒絕原假設(shè)，結(jié)論是應(yīng)該建立時刻固定效應(yīng)模型。 t = 1, 2, …, T，表示隨機誤差項。 +b1 xN1 + eN1,如果滿足上述模型假定條件，對模型（12）進行OLS估計，全部參數(shù)估計量都是無偏的和一致的。點擊Pooled Estimation（混合估計）窗口中的OK鍵。 x11 = x21 = + ， x11 = + x11， x21 = + + ，H1：不同橫截面，不同序列，模型截距項各不相同（建立時刻個體固定效應(yīng)模型）。 同時還假定ui，vt，wit之間互不相關(guān)，各自分別不存在截面自相關(guān)、時間自相關(guān)和混和自相關(guān)。如果這兩個隨機誤差項都服從正態(tài)分布，對模型估計時就能夠節(jié)省自由度，因為此條件下只需要估計兩個隨機誤差項的均值和方差。 E(wit) = 0E(wit 2) = sw2, sE(ui uj) =0, i 185。E(eit 2) = E(wit +uj)2 = sw2 +su2,E(eit eis) = E[(wit+ ui)(wis+ ui)] = E[(wit wis + ui wis + wit ui + ui2)] =su2, 則W = E(eiei39。1) 39。1)是(T180。N 196。1)階列向量。K196。（個體隨機效應(yīng)模型）LM= = 統(tǒng)計量LM服從1個自由度的c2分布。因為各隨機誤差分量的方差一般是未知的，第一階段用普通最小二乘估計法對混合數(shù)據(jù)進行估計（采用固定效應(yīng)模型）。仍以例1為例給出隨機效應(yīng)模型估計結(jié)果如下：圖15注意：隨機效應(yīng)模型EViwes輸出結(jié)果中含有公共截距項。 以例1為例，用個體隨機效應(yīng)模型和混合模型計算的統(tǒng)計量的值是LM = = =180。隨機誤差項將由3部分組成，并有方差。隨機效應(yīng)模型的好處是節(jié)省自由度。當(dāng)然，這一假定不成立時，可能會引起模型參數(shù)估計的不一致性。圖17 = 安徽+ 首先建立工作文件。在窗口中輸入15個地區(qū)的標(biāo)識AH（安徽）、BJ（北京）、…、ZJ（浙江），如圖20。點擊OK鍵，從而打開混合數(shù)據(jù)庫（Pool）窗口，（點擊Edit+鍵，使EViwes處于可編輯狀態(tài)）輸入數(shù)據(jù)。工作文件也可以以合并數(shù)據(jù)（Pool data）和非合并數(shù)據(jù)的形式用復(fù)制和粘貼的方法建立。Dependent Variable（相依變量）選擇窗：用于填寫被解釋變量。Cross section specific coefficients（截面系數(shù)不同）選擇窗：用于填寫對于不同橫截面斜率（回歸系數(shù)）不同的解釋變量?！八撇幌嚓P(guān)回歸”的方法是利用橫截面模型殘差的協(xié)方差進行廣義最小二乘法估計，該法將自動修正橫截面中出現(xiàn)的異方差和短期自相關(guān)；“迭代至收斂”方法當(dāng)選擇廣義最小二乘法估計時，點擊此鍵將保證參數(shù)估計一直到收斂為止?？梢栽贑ommon coefficients選擇窗和Cross section specific coefficients選擇窗中填入AR(1)項
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1