【正文】 道你稱其為變動(dòng)率的變動(dòng)率？步驟三：面板模型的選擇與回歸面板數(shù)據(jù)模型的選擇通常有三種形式：一種是混合估計(jì)模型（Pooled Regression Model）。一種是固定效應(yīng)模型（Fixed Effects Regression Model）。一種是隨機(jī)效應(yīng)模型（Random Effects Regression Model）。 在面板數(shù)據(jù)模型形式的選擇方法上，我們經(jīng)常采用F檢驗(yàn)決定選用混合模型還是固定效應(yīng)模型，然后用Hausman檢驗(yàn)確定應(yīng)該建立隨機(jī)效應(yīng)模型還是固定效應(yīng)模型。估計(jì)方法采用PCSE（Panel Corrected Standard Errors，面板校正標(biāo)準(zhǔn)誤）方法。 面板數(shù)據(jù)的計(jì)量方法1. 什么是面板數(shù)據(jù)？ 面板數(shù)據(jù)（panel data）也稱時(shí)間序列截面數(shù)據(jù)（time series and cross section data）或混合數(shù)據(jù)（pool data）。 如：城市名：北京、上海、重慶、天津的GDP分別為18（單位億元）。如：2000、2002002002004各年的北京市GDP分別為112（單位億元）。如：2000、2002002002004各年中國(guó)所有直轄市的GDP分別為：北京市分別為112；上海市分別為1113；天津市分別為9；重慶市分別為11（單位億元）。利用面板數(shù)據(jù)建立模型的好處是：（1）由于觀測(cè)值的增多，可以增加估計(jì)量的抽樣精度。（3）面板數(shù)據(jù)建模比單截面數(shù)據(jù)建?？梢垣@得更多的動(dòng)態(tài)信息。固定在某一年份上，它是由30 個(gè)農(nóng)業(yè)總產(chǎn)值數(shù)字組成的截面數(shù)據(jù)；固定在某一省份上，它是由11 年農(nóng)業(yè)總產(chǎn)值數(shù)據(jù)組成的一個(gè)時(shí)間序列。共有330 個(gè)觀測(cè)值。這三類模型的差異主要表現(xiàn)在系數(shù)、截距以及隨機(jī)誤差的假設(shè)不同。如果從時(shí)間上看，不同個(gè)體之間不存在顯著性差異；從截面上看，不同截面之間也不存在顯著性差異，那么就可以直接把面板數(shù)據(jù)混合在一起用普通最小二乘法（OLS）估計(jì)參數(shù)。 第二種是固定效應(yīng)模型（Fixed Effects Regression Model）。此時(shí)，相對(duì)于混合效應(yīng)模型而言，個(gè)體間存在差異可以體現(xiàn)在截距的差異也可以體現(xiàn)為系數(shù)的差異。 （1）個(gè)體固定效應(yīng)模型。如果對(duì)于不同的時(shí)間序列（個(gè)體）截距是不同的，但是對(duì)于不同的橫截面，模型的截距沒(méi)有顯著性變化，那么就應(yīng)該建立個(gè)體固定效應(yīng)模型。 （2）時(shí)刻固定效應(yīng)模型。如果確知對(duì)于不同的截面，模型的截距顯著不同，但是對(duì)于不同的時(shí)間序列（個(gè)體）截距是相同的，那么應(yīng)該建立時(shí)刻固定效應(yīng)模型，相對(duì)于混合估計(jì)模型來(lái)說(shuō)，是否有必要建立時(shí)刻固定效應(yīng)模型可以通過(guò)F檢驗(yàn)來(lái)完成。 H1：對(duì)于不同橫截面模型的截距項(xiàng)不同（建立時(shí)刻固定效應(yīng)模型）。 時(shí)刻個(gè)體固定效應(yīng)模型就是對(duì)于不同的截面（時(shí)刻點(diǎn)）、不同的時(shí)間序列（個(gè)體）都有不同截距的模型。相對(duì)于混合估計(jì)模型來(lái)說(shuō)，是否有必要建立時(shí)刻個(gè)體固定效應(yīng)模型可以通過(guò)F檢驗(yàn)來(lái)完成。 H1：不同橫截面，不同序列，模型截距項(xiàng)各不相同（建立時(shí)刻個(gè)體固定效應(yīng)模型）。 在固定效應(yīng)模型中采用虛擬變量的原因是解釋被解釋變量的信息不夠完整。yit = a + b1 xit + eit其中誤差項(xiàng)在時(shí)間上和截面上都是相關(guān)的，用3個(gè)分量表示如下。同時(shí)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(shí)間自相關(guān)和混和自相關(guān)。與固定效應(yīng)模型不同，隨機(jī)效應(yīng)模型中。 隨機(jī)效應(yīng)模型和固定效應(yīng)模型比較，相當(dāng)于把固定效應(yīng)模型中的截距項(xiàng)看成兩個(gè)隨機(jī)變量。如果這兩個(gè)隨機(jī)誤差項(xiàng)都服從正態(tài)分布，對(duì)模型估計(jì)時(shí)就能夠節(jié)省自由度，因?yàn)榇藯l件下只需要估計(jì)兩個(gè)隨機(jī)誤差項(xiàng)的均值和方差。 注意：隨機(jī)效應(yīng)模型EViwes輸出結(jié)果中含有公共截距項(xiàng)。通過(guò)ols估計(jì)的殘差構(gòu)造LM統(tǒng)計(jì)量，即BP拉格朗日乘數(shù)檢驗(yàn)進(jìn)行隨即模型和混合模型檢驗(yàn)以及通過(guò)hausman檢驗(yàn)進(jìn)行固定效應(yīng)模型和隨機(jī)模型的篩選。而在處理時(shí)間序列模型時(shí)，必須首先對(duì)時(shí)間序列進(jìn)行單位根檢驗(yàn)，否則很可能出現(xiàn)“偽回歸”，因此必須對(duì)其進(jìn)行平穩(wěn)性檢驗(yàn)。 FishPP檢驗(yàn)和Hadri檢驗(yàn)。（詳細(xì)的應(yīng)用例子可參見(jiàn)：蔡莉，《我國(guó)貨幣政策有效性的區(qū)域差異分析:20032009》，復(fù)旦大學(xué)2009屆碩士論文，第3639頁(yè)。隨機(jī)效應(yīng)模型的好處是節(jié)省自由度。固定效應(yīng)模型的好處是很容易分析任意截面數(shù)據(jù)所對(duì)應(yīng)的因變量與全部截面數(shù)據(jù)對(duì)應(yīng)的因變量均值的差異程度。當(dāng)然，這一假定不成立時(shí)，可能會(huì)引起模型參數(shù)估計(jì)的不一致性。 用EViwes可以選擇普通最小二乘法、加權(quán)最小二乘法（以截面模型的方差為權(quán)）、似不相關(guān)回歸法估計(jì)模型參數(shù)。若所有檢驗(yàn)序列均服從同階單整，可構(gòu)造VAR模型，做協(xié)整檢驗(yàn)（注意滯后期的選擇），判斷模型內(nèi)部變量間是否存在協(xié)整關(guān)系，即是否存在長(zhǎng)期均衡關(guān)系。，如果不檢驗(yàn)序列的平穩(wěn)性直接OLS容易導(dǎo)致偽回歸。在李子奈的《高級(jí)計(jì)量經(jīng)濟(jì)學(xué)》上有該方法的全部步驟，即從含趨勢(shì)項(xiàng)、截距項(xiàng)的方程開(kāi)始，若接受原假設(shè)，則對(duì)模型中的趨勢(shì)項(xiàng)參數(shù)進(jìn)行t檢驗(yàn)，若接受則進(jìn)行對(duì)只含截距項(xiàng)的方程進(jìn)行檢驗(yàn)，若接受，則對(duì)一階滯后項(xiàng)的系數(shù)參數(shù)進(jìn)行t檢驗(yàn)，若接受，則進(jìn)行差分后再ADF檢驗(yàn)；若拒絕，則序列為平穩(wěn)序列。 （即存在單位根），并且各個(gè)序列是同階單整（協(xié)整檢驗(yàn)的前提），想進(jìn)一步確定變量之間是否存在協(xié)整關(guān)系，可以進(jìn)行協(xié)整檢驗(yàn)，協(xié)整檢驗(yàn)主要有EG兩步法和JJ檢驗(yàn) (1)EG兩步法是基于回歸殘差的檢驗(yàn)，可以通過(guò)建立OLS模型檢驗(yàn)其殘差平穩(wěn)性 (2)JJ檢驗(yàn)是基于回歸系數(shù)的檢驗(yàn)，前提是建立VAR模型（即模型符合ADL模式） ，可以建立ECM進(jìn)一步考察短期關(guān)系，Eviews這里還提供了一個(gè)Wald－Granger檢驗(yàn)，但此時(shí)的格蘭杰已經(jīng)不是因果關(guān)系檢驗(yàn)，而是變量外生性檢驗(yàn)，請(qǐng)注意識(shí)別 ！這是格蘭杰檢驗(yàn)的前提，而其因果關(guān)系并非我們通常理解的因與果的關(guān)系，而是說(shuō)x的前期變化能有效地解釋y的變化，所以稱其為“格蘭杰原因”。所以，非平穩(wěn)序列的因果關(guān)系檢驗(yàn)就是協(xié)整檢驗(yàn)。 (2)協(xié)整檢驗(yàn)中要用到每個(gè)序列的單整階數(shù)。 。 (2)格蘭杰因果檢驗(yàn)的變量應(yīng)是平穩(wěn)的，如果單位根檢驗(yàn)發(fā)現(xiàn)兩個(gè)變量是不穩(wěn)定的，那么，不能直接進(jìn)行格蘭杰因果檢驗(yàn)，所以，很多人對(duì)不平穩(wěn)的變量進(jìn)行格蘭杰因果檢驗(yàn)，這是錯(cuò)誤的。 (4)長(zhǎng)期均衡并不意味著分析的結(jié)束，還應(yīng)考慮短期波動(dòng)，要做誤差修正檢驗(yàn)。 (5)當(dāng)變量之間存在協(xié)整關(guān)系時(shí)，可以建立ECM進(jìn)一步考察短期關(guān)系，Eviews里提供了一個(gè)Wald－Granger檢驗(yàn)，但這個(gè)格蘭杰已經(jīng)不是因果關(guān)系檢驗(yàn)，而是變量外生性檢驗(yàn)，一定要區(qū)分開(kāi)。VAR方法通過(guò)把系統(tǒng)中每一個(gè)內(nèi)生變量,作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來(lái)構(gòu)造模型，從而回避了結(jié)構(gòu)化模型的要求。假如這樣一種平穩(wěn)的或的線性組合存在，這些非平穩(wěn)（有單位根）時(shí)間序列之間被認(rèn)為是具有協(xié)整關(guān)系的。 VAR模型對(duì)于相互聯(lián)系的時(shí)間序列變量系統(tǒng)是有效的預(yù)測(cè)模型，同時(shí)，向量自回歸模型也被頻繁地用于分析不同類型的隨機(jī)誤差項(xiàng)對(duì)系統(tǒng)變量的動(dòng)態(tài)影響。當(dāng)檢驗(yàn)的數(shù)據(jù)是平穩(wěn)的（即不存在單位根），要想進(jìn)一步考察變量的因果聯(lián)系，可以采用格蘭杰因果檢驗(yàn)，但要做格蘭杰檢驗(yàn)的前提是數(shù)據(jù)必須是平穩(wěn)的，否則不能做。當(dāng)變量之間存在協(xié)整關(guān)系時(shí)，可以建立ECM進(jìn)一步考察短期關(guān)系，Eviews這里還提供了一個(gè)Wald－Granger檢驗(yàn)，但此時(shí)的格蘭杰已經(jīng)不是因果關(guān)系檢驗(yàn)，而是變量外生性檢驗(yàn)，請(qǐng)注意識(shí)別。格蘭杰檢驗(yàn)只能用于平穩(wěn)序列！這是格蘭杰檢驗(yàn)的前提，而其因果關(guān)系并非我們通常理解的因與果的關(guān)系，而是說(shuō)x的前期變化能有效地解釋y的變化，所以稱其為“格蘭杰原因”。所以，非平穩(wěn)序列的因果關(guān)系檢驗(yàn)就是協(xié)整檢驗(yàn)。2）協(xié)整檢驗(yàn)中要用到每個(gè)序列的單整階數(shù)。ADF檢驗(yàn)：1 viewunit root test,出現(xiàn)對(duì)話框，默認(rèn)的選項(xiàng)為變量的原階序列檢驗(yàn)平穩(wěn)性，確認(rèn)后，拒絕原假設(shè)，說(shuō)明序列是平穩(wěn)的，接受原假設(shè)，說(shuō)明序列是非平穩(wěn)的；2 重復(fù)剛才的步驟，viewunit root test,出現(xiàn)對(duì)話框，選擇1st difference,即對(duì)變量的一階差分序列做平穩(wěn)性檢驗(yàn)，和第一步中的檢驗(yàn)標(biāo)準(zhǔn)相同，說(shuō)明是一階平穩(wěn)，則繼續(xù)進(jìn)行二階差分序列的平穩(wěn)性檢驗(yàn)。若所有檢驗(yàn)序列均服從同階單整，可構(gòu)造VAR模型，做協(xié)整檢驗(yàn)（注意滯后期的選擇），判斷模型內(nèi)部變量間是否存在協(xié)整關(guān)系，即是否存在長(zhǎng)期均衡關(guān)系。第一，格蘭杰因果檢驗(yàn)是檢驗(yàn)統(tǒng)計(jì)上的時(shí)間先后順序，并不表示而這真正存在因果關(guān)系，是否呈因果關(guān)系需要根據(jù)理論、經(jīng)驗(yàn)和模型來(lái)判定。 第三，協(xié)整結(jié)果僅表示變量間存在長(zhǎng)期均衡關(guān)系，那么，到底是先做格蘭杰還是先做協(xié)整呢？因?yàn)樽兞坎黄椒€(wěn)才需要協(xié)整，所以，首先因?qū)ψ兞窟M(jìn)行差分，平穩(wěn)后，可以用差分項(xiàng)進(jìn)行格蘭杰因果檢驗(yàn)，來(lái)判定變量變化的先后時(shí)序，之后，進(jìn)行協(xié)整，看變量是否存在長(zhǎng)期均衡。 。 ，這只是從數(shù)量上得到的結(jié)論，但不能確定誰(shuí)是因，誰(shuí)是果。 單位根檢驗(yàn)是檢驗(yàn)時(shí)間序列是否平穩(wěn)，協(xié)整是在時(shí)間序列平穩(wěn)性的基礎(chǔ)上做長(zhǎng)期趨勢(shì)的分析，而格蘭杰檢驗(yàn)一般是在建立誤差修正模型的后，所建立的短期的因果關(guān)系。 單位根檢驗(yàn)是對(duì)時(shí)間序列平穩(wěn)性的檢驗(yàn)，只有平穩(wěn)的時(shí)間序列，才能進(jìn)行計(jì)量分析，否則會(huì)出現(xiàn)偽回歸現(xiàn)象；協(xié)整是考察兩個(gè)或者多個(gè)變量之間的長(zhǎng)期平穩(wěn)關(guān)系，考察兩者的協(xié)整檢驗(yàn)通常采用恩格爾格蘭杰檢驗(yàn)，兩者以上則用Johansen檢驗(yàn)；格蘭杰因果檢驗(yàn)是考察變量之間的因果關(guān)系，協(xié)整說(shuō)明長(zhǎng)期穩(wěn)定關(guān)系不一定是因果關(guān)系，所以需要在通過(guò)格蘭杰因果檢驗(yàn)確定兩者的因果關(guān)系。要特別注意的是：只有同階單整才能進(jìn)行協(xié)整。