17_3面板数据模型的估计.ppt

§17.3 面板数据模型的估计 为了方便以一个具体例子说明合并数据模型的估计方法。 例17.3.1 建立我国城镇居民消费函数面板数据模型。 样本数据从1994年到2003年，包括全国30个省市自治区 （由于统计上的原因，样本不包括重庆）城镇居民年人 均可支配收入（IN）和生活消费支出（CO），单位为 人民币元：如表17.3.1所示。数据在时间趋势方向有10 个值，每个截面有30个单元，样本容量为300，如表 17.3所示：（见EViews使用，214页） ;obs;obs;我们利用表17.3.1的数据建立一个部分调整模型;打开合并数据表如图17.3.3;图17.3.3;图17.3.4;图17.3.4对话框中： 1对话框正上方的Sample 中默认的包含所有截面单元 数据的最大样本区间。 2）对话框右上角的Balanced Sample 表示只要某时期任 意截面单元数据缺损，Eviews 将不利用该观测值进 行计算. 一般1），2）两项都采用软件的默认状态。 3）对话框左上角Dependent Variable 出指定因变量名称， 它是一个合并数据对象或包含合并数据对象的表达式， 如本例取CO?。;4）对话框中间部分第一行Common coefficients（常 系数） 框下方的空格中输入模型的自变量，如本例 取CO?（-1） ，IN? 5）如果建立变系数模型，还需要在对话框中间部分 第二行Cross-section specific coefficients（截面单元特 定系数） 框下方的空格中输入相关变量，例如IN? 表 示每个地区消费模型中收入变量的系数都不相同。 本例只取常系数，因此空白。;6）对话框左下方Intercept (截距)下面的选项代表截距 的处理方式。 None 代表模型不包含截距； Common 代表所有截面单元具有相同的截距； Fixed effects 表示截距变动，但是，不同截面单元具有 相同斜率的确定效应模型，本例中选择 Fixed effects； Random effects 表示不同截面单元具有不同截距、不同 斜率的随机效应模型。;7）对话框右下方Weighting 下面的选项代表模型的估 计方法。 No Weighting 是EViews 的默认项，表示不加权，即所 有的观测值具有相同的权数。 Cross section weights 表示先用相同的权数做最初的回 归权数估计，然后再用估计出的权数作加权最小二乘 法，目的是减少由于截面数据造成的异方差的影响。 本例中，选择此项。;7）对话框右下方Weighting 下面的选项代表模型的估 计方法。 No Weighting 是EViews 的默认项，表示不加权，即所 有的观测值具有相同的权数。 Cross section weights 表示先用相同的权数做最初的回 归权数估计，然后再用估计出的权数作加权最小二乘 法，目的是减少由于截面数据造成的异方差的影响。 本例中，选择此项。;SUR (似不相关回归)表示同时对截面单元异方差性 和同期相关性进行修正的GLS估计。 Iterate to convergence 是一默认项，表示迭代至收敛。 以上各项输入完毕，点击“OK”便得到确定效应变截 距模型，估计结果如图17.3.5所示：;图17.3.5（1）;图17.3.5（2）