sas講義paneldata-資料下載頁
2025-08-12 05:31本頁面
【導(dǎo)讀】SAS處理面板數(shù)據(jù)的一個專門過程是TSCSREG過程。面板數(shù)據(jù)的基本模型為：。其中有k個解釋變量x。對擾動項u的假定不同，TSCSREG允許的假定有以下幾種：。是零期望同方差的擾動項。假定不存在自相關(guān)和異方差，關(guān)鍵假定是擾動項和X不相關(guān)。，各橫截面單位的自相關(guān)系數(shù)相同。使用的是Parks方法。估計方法仍然是兩步GLS原理。TSCSREG要求輸入的數(shù)據(jù)按照單位順序排列，單位內(nèi)按照時間順序排列。在TSCSREG過程開始前，用SORT命令進行排序。對固定影響模型，要檢驗的是n個虛擬變量是否全為0。表示這個n維向量，Greene用的是根據(jù)殘差構(gòu)造的F檢驗。Hausman檢驗原理見chi分布。TSCSREG過程提供了BuseR-square作為擬合程度的度量。它實際度量的是變形。用Xs表示不含截距的解釋變量，這等同于Greene的X。有N個單位，每個單位Ti個觀測。使用noint選項抑制截距項。擾動項是其中v和e是虛擬變量。是隨機的同方差的uniteffect。用于估計random-two模型，僅用于BALANCEDDATA。在DaSilva方法中指明滑動平均階數(shù)。不得超過T-1，默認為1。
【正文】 結(jié)果： Model Description Estimation Method FixOne Number of Cross Sections 20 Time Series Length 4 Fit Statistics SSE DFE 58 Fit Statistics MSE Root MSE RSquare F Test for No Fixed Effects and No Intercept Num DF Den DF F Value Pr F 20 58 這里 F 檢驗說明 TIME EFFECTS 是不顯著的。 Parameter Estimates Variable DF Estimate Standard Error t Value Pr |t| Label CS1 1 Cross Sectional Effect 1 CS2 1 Cross Sectional Effect 2 CS3 1 Cross Sectional Effect 3 CS4 1 Cross Sectional Effect 4 CS5 1 Cross Sectional Effect 5 CS6 1 Cross Sectional Effect 6 CS7 1 Cross Sectional Effect 7 Parameter Estimates Variable DF Estimate Standard Error t Value Pr |t| Label CS8 1 Cross Sectional Effect 8 CS9 1 Cross Sectional Effect 9 CS10 1 Cross Sectional Effect 10 CS11 1 Cross Sectional Effect 11 CS12 1 Cross Sectional Effect 12 CS13 1 Cross Sectional Effect 13 CS14 1 Cross Sectional Effect 14 CS15 1 Cross Sectional Effect 15 CS16 1 Cross Sectional Effect 16 CS17 1 Cross Sectional Effect 17 CS18 1 Cross Sectional Parameter Estimates Variable DF Estimate Standard Error t Value Pr |t| Label Effect 18 CS19 1 Cross Sectional Effect 19 CS20 1 Cross Sectional Effect 20 F 1 .0001 MARKET VALUE C 1 STOCK VALUE INDIVIDUAL FIRM EFFECTS 顯著而 TIME EFFECTS 不顯著。如果說有設(shè)定錯誤的話，還可以考慮一種可能，同時考慮 FIRME EFFECTS AND TIME EFFECTS。 考慮 FIXTWO: PROC TSCSREG DATA=INVEST。 ID I YEAR。 MODEL INVEST=F C /FIXTWO。 RUN。 結(jié)果： The SAS System The TSCSREG Procedure Dependent Variable: INVEST Model Description Estimation Method FixTwo Number of Cross Sections 4 Time Series Length 20 Fit Statistics SSE DFE 55 Fit Statistics MSE Root MSE RSquare F Test for No Fixed Effects Num DF Den DF F Value Pr F 22 55 .0001 Parameter Estimates Variable DF Estimate Standard Error t Value Pr |t| Label CS1 1 .0001 Cross Sectional Effect 1 CS2 1 Cross Sectional Effect 2 CS3 1 Cross Sectional Effect 3 TS1 1 Time Series Effect 1 TS2 1 Time Series Effect 2 TS3 1 Time Series Effect 3 TS4 1 Time Series Effect 4 TS5 1 Time Series Effect 5 TS6 1 Time Series Effect 6 Parameter Estimates Variable DF Estimate Standard Error t Value Pr |t| Label TS7 1 Time Series Effect 7 TS8 1 Time Series Effect 8 TS9 1 Time Series Effect 9 TS10 1 Time Series Effect 10 TS11 1 Time Series Effect 11 TS12 1 Time Series Effect 12 TS13 1 Time Series Effect 13 TS14 1 Time Series Effect 14 TS15 1 Time Series Effect 15 TS16 1 Time Series Effect 16 TS17 1 Time Series Effect 17 TS18 1 Time Series Effect 18 TS19 1 Time Series Effect 19 Intercept 1 Intercept F 1 .0001 MARKET VALUE Parameter Estimates Variable DF Estimate Standard Error t Value Pr |t| Label C 1 .0001 STOCK VALUE 這里發(fā)現(xiàn)個別年份的虛擬變量是顯著的。但是應(yīng)該考察聯(lián)合顯著性 。使用 F 檢驗。前面幾種模型結(jié)果如下： e39。e freedom pooled ols 1560690 77 fixone: firm 419463 74 FIXTWO 327399 55 Test fixone: (1560690419463)/3/[419463/74]=, p=。 在 fixone firm的條件下 test fixtwo: [419463327399]/19/[419463/74]=,p= 這說明， firm effects 是顯著的，而 time effects 不顯著。應(yīng)該選用 fix one way firm effects 模型。 使用固定效應(yīng)模型應(yīng)該注意： 1． 不要使用過多的虛擬變量。這會消耗自由度。 2． 變量太多，多重共線性可能很大。這會增大標準差。統(tǒng)計推斷可能失效 隨機影響模型： 1 2 3i t i t i t i i tinve st F C u? ? ? ?? ? ? ? ? 這里擾動項不滿足古典假定。使用 GLS 估計。 PROC TSCSREG DATA=INVEST。 ID I YEAR。 MODEL INVEST=F C / RANONE。 RUN。
高考資料相關(guān)推薦
鄂ICP備17016276號-1