【正文】 01 1 , 0 0 02 , 0 0 0 4 , 0 0 0 6 , 0 0 0 8 , 0 0 0 1 0 , 0 0 0 1 2 , 0 0 0 1 4 , 0 0 0IPCPp o o l e d r e g r e s s i o n7 . 88 . 08 . 28 . 48 . 68 . 89 . 09 . 29 . 48 . 0 8 . 2 8 . 4 8 . 6 8 . 8 9 . 0 9 . 2 9 . 4 9 . 6L O G ( I P )LOG(CP) 人均消費對收入的面板數(shù)據(jù)散點圖 對數(shù)的人均消費對收入的面板數(shù)據(jù)散點圖 5．面板數(shù)據(jù)建模案例分析 案例 1（ file:5panel02）： 19962022年中國東北、華北、華東 15個省級地區(qū)的居民家庭固定價格的人均消費（ CP）和人均收入（ IP）數(shù)據(jù)見 file:panel02。數(shù)據(jù)是 7年的，每一年都有 15個數(shù)據(jù)，共 105組觀測值。 5．面板數(shù)據(jù)建模案例分析 個體固定效應(yīng)模型估計結(jié)果如下： LnCPit = + LnIPit +?it () () R2 = , DW = 5．面板數(shù)據(jù)建模案例分析 混合模型與個體固定效應(yīng)模型比較，應(yīng)該建立個體固定效應(yīng)模型。 5．面板數(shù)據(jù)建模案例分析 個體隨機(jī)效應(yīng)模型與個體固定效應(yīng)模型比較，應(yīng)該建立個體固定效應(yīng)模型。 H = 2)~(2)?(2)~?(REW ssREW?????? = 22 20 1 2 9 7 1 4 7 3 )9 1 7 6 6 9 2 4 8 ( ?? = 1 2 . 9 8 最終確定的是建立個體固定效應(yīng)模型。 （ 5p an e l 02 ） 個體固定效應(yīng) 模型 的預(yù)測 。在 E V i e w s 個體固定效應(yīng)回歸結(jié)果窗口點擊 P r o c 鍵，選 m ak e m od e l 功 能，將打開一個對話窗。點擊 sol v e 鍵。在打開的對話窗中可以選擇動態(tài)預(yù)測和靜態(tài)預(yù)測。 圖 10 是 不帶 A R ( 1) 項的個體固定效應(yīng) 模型 對安徽省、北京市人均食品支出的樣本內(nèi)靜態(tài)預(yù)測結(jié)果。 圖 10 不帶 A R ( 1) 項的個體固定效應(yīng) 模型 預(yù)測結(jié)果 3 , 2 0 03 , 4 0 03 , 6 0 03 , 8 0 04 , 0 0 04 , 2 0 04 , 4 0 04 , 6 0 04 , 8 0 01 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2C P A HC P A H ( B a s e l i n e )5 , 00 06 , 00 07 , 00 08 , 00 09 , 00 01 0, 0 001 1, 0 001 99 6 1 99 7 1 99 8 1 99 9 2 00 0 2 00 1 2 00 2C P B J ( B a s e l i n e )C P B J2 , 00 03 , 00 04 , 00 05 , 00 06 , 00 07 , 00 08 , 00 09 , 00 01 0, 0 001 1, 0 002 , 00 0 4 , 00 0 6 , 00 0 8 , 00 0 1 0, 0 00 1 2, 0 00 1 4, 0 00C P A H C P A H FC P B J C P B J FC P F J C P F J FC P H B C P H B FC P H L J C P H L J FC P J L C P J L FC P J S C P J S FC P J X C P J X FC P L N C P L N FI P T I M E2 , 00 03 , 00 04 , 00 05 , 00 06 , 00 07 , 00 08 , 00 09 , 00 01 0, 0 001 1, 0 002 , 00 0 4 , 00 0 6 , 00 0 8 , 00 0 1 0, 0 00 1 2, 0 00 1 4, 0 00C P N M GC P N M G FC P S DC P S D FC P S HC P S H FC P S XC P S X FC P T JC P T J FC P Z JC P Z J FI P T I M E擬合的個體回歸直線 5 ．面板數(shù)據(jù)建模案例分析 案例 2 （ f i l e : 5p an e l 01a ） 美國公路交通事故死亡人數(shù)與啤酒稅的關(guān)系研究 見 St oc k J H an d M W W a t s on , I n t r od u c t i on t o E c on om e t r i c s , A d d i s on W e s l e y , 200 3 第 8 章。美國每年有 4 萬高速公路交通事故，約 1/ 3 涉及酒后駕車。這個比率在飲酒高峰期會上升。早晨 1 ? 3 點 25 % 的司機(jī)飲酒。飲酒司機(jī)出交通事故數(shù)是不飲酒司機(jī)的 13 倍?，F(xiàn)有 1982 ? 1988年 48 個州共 33 6 組美國公路交通事故死亡人數(shù)（ n u m b e r ）與啤酒稅（ b e e r t ax ）的數(shù)據(jù)。 圖 1 198 2 年數(shù)據(jù)散點圖 ( 5p an e l 01a gr ap h 01 ) 圖 2 1988 年數(shù)據(jù)散點圖 (5p an e l 01a gr ap h 07 ) 1 .01 .52 .02 .53 .03 .54 .04 .50 .0 0 .4 0 .8 1 .2 1 .6 2 .0 2 .4 2 .8B E E R 8 2VFR82V F R 8 2 v s . B E E R 8 21 . 21 . 62 . 02 . 42 . 83 . 23 . 60 . 0 0 . 4 0 . 8 1 . 2 1 . 6 2 . 0 2 . 4B E E R 8 8VFR88V F R 8 8 v s . B E E R 8 81982 年數(shù)據(jù)的估計結(jié)果（散點圖見圖 1 ） ?num be r 1982 = 2 . 01 + 0. 15 be e r t ax1982 ( 0 . 15) ( 0 . 13) 1988 年數(shù)據(jù)的估計結(jié)果（散點圖見圖 2 ） ?num be r 1988 = 1 . 86 + 0. 44 be e r t ax 1988 ( 0 . 1 1) ( 0 . 13) 1982 ? 198 8 年混合數(shù)據(jù)估計結(jié)果（ f i l e : 5p an e l 01b , 散點圖見圖 3 ） ?num be r 1982 ? 1 9 8 8 = 1. 85 + 0 . 36 be e r t ax 1 9 8 2 ? 1 9 8 8 ( 42 . 5) ( 5 . 9) SSE = 98. 75 顯然以上三種估計結(jié)果都不可靠（回歸參數(shù)符號不對）。原因是 啤酒稅之外還有許多因素 （如各州的路況、車型、交通立法等因素） 影響交通事故死亡人 數(shù)。 從面板理論上說，不知 混合 模型 是不是最優(yōu)的模型形式。 0 . 51 . 01 . 52 . 02 . 53 . 03 . 54 . 04 . 50 . 0 0 . 4 0 . 8 1 . 2 1 . 6 2 . 0 2 . 4 2 . 8B E E R T A XVFR 圖 1 19 82 年數(shù)據(jù)散點圖 ( 5p an e l 01 a gr ap h 01 ) 圖 2 1988 年數(shù)據(jù)散點圖 (5 p an e l 01 a gr ap h 07 ) 1 .01 .52 .02 .53 .03 .54 .04 .50 .0 0 .4 0 .8 1 .2 1 .6 2 .0 2 .4 2 .8B E E R 8 2VFR82V F R 8 2 v s . B E E R 8 21 . 21 . 62 . 02 . 42 . 83 . 23 . 60 . 0 0 . 4 0 . 8 1 . 2 1 . 6 2 . 0 2 . 4B E E R 8 8VFR88V F R 8 8 v s . B E E R 8 8按個體固定效應(yīng) 模型 估計 ?num be r it = 2. 37 5 + … 0 . 66 be e r t a x it ( 24 . 5) ( 3 . 5) R2 = 0. 91 , S S E =1 0. 35 ，（ f i l e : 5p an e l 01 c h 8 p oo l 1 , p oo l 1 ） 用 F 檢驗判斷應(yīng)該建立混合 模型 還是個體固定效應(yīng) 模型 。 H0： ?i = ? ?；旌?模型 （約束截距項為同一參數(shù)）。 H1： ?i各不相同。個體固定效應(yīng) 模型 （截距項任意取值） F = )/()1/()(kNNTSSENSSESSEuur????=0 3 6 8 8 0 )49336/()148/()(????? F0 . 0 5 (4 7 , 28 7 ) = 1. 4 因為 F = 5 2. 10 F0 . 0 5 ( 47 , 287 ) = 1. 4 ，推翻原假設(shè)，比較上述兩種模型，建立個體固定效應(yīng) 模型 更合理。 為什么建立個體固定效應(yīng) 模型 更合理？ 因為在進(jìn)行離差變換 O L S 估計過程中剔除了那些影響交通事故數(shù)，但沒有在模型中列出的重要解釋變量。 按 雙固定 效應(yīng) 模型 估計 ?num be r it = 2. 37 + … 0 . 646 be e r t ax it ( 23 . 3) ( 3 . 25) S S E =9. 92 用 F 檢驗判斷應(yīng)該建立混合 模型 還是個體 時點雙 固定效應(yīng) 模型 。 H0： ?i = ? 。 ?t = ? 。混合 模型 （約束截距項為同一參數(shù)）。 H1： ?i， ?t各不相同。 個體 時點雙 固定 效應(yīng) 模型 （截距項任意取值） F = )/()/()(kTNNTSSETNSSESSEuur?????=0 3 5 6 7 6 )7483 3 6/()17148/()(???????? F0 . 0 5 ( 5 3 , 2 81 ) = 1. 38 因為 F = 4 7 . 48 F0 . 0 5( 55 , 2 79 ) = 1 . 38 ，推翻原假設(shè)，比較上述兩種模型，建立 個體 時點雙 固定效應(yīng) 模型 比 混合 模型 合理。 例 3: 加入人力資本的生產(chǎn)函數(shù)研究 05 , 0 0 01 0 , 0 0 01 5 , 0 0 02 0 , 0 0 02 5 , 0 0 03 0 , 0 0 03 5 , 0 0 04 0 , 0 0 00 2 , 5 0 0 5 , 0 0 0 7 , 5 0 0 1 0 , 0 0 0 1 2 , 5 0 0 1 5 , 0 0 0Y B J Y TJ Y H E BY S X C Y N M G Y L NY J L Y H L J Y S HY J S Y Z J Y A HY FJ Y J X Y S DY H E N Y H U B Y H U NY G D Y G X Y H NY S C Y G Z Y Y NY S X Y G S Y Q HY N X Y X JK678910115 . 0 5 . 5 6 . 0 6 . 5 7 . 0 7 . 5 8 . 0 8 . 5 9 . 0 9 . 5 1 0 . 0L N Y A H 0 1 L N Y B J 0 1 L N Y G D 0 1L N Y G S 0 1 L N Y G X 0 1 L N Y G Z 0 1L N Y H E B 0 1 L N Y H E N 0 1 L N Y H L J 0 1L N Y H N 0 1 L N Y H U B 0 1 L N Y H U N 0 1L N Y J L 0 1 L N Y J S 0 1 L N Y J X 0 1L N Y L N 0