Eviews6.0面板数据操作1.数据输入1.1创建工作文档如下图操作,在”workfilecreate”文本框的“workfilestructuretype”选择“balancedpanel”,”panelspecification”的”startdate”和”enddate”输入数据的起止期间,”wf”输入工作文档的名称,点击”OK”即跳出新建的工作文档a界面。1.2创建新对象操作如下图。在”newobject”文本框的”typeofobject”选择”pool”,”nameforobject”输入新对象的名称。创建成功后的界面如下面第3张图所示。1.3输入数据双击”workfile”界面的,跳出”pool”界面,输入个体。一般输入方式为如下:若上海输入_sh,北京输入_bj,…。个体输入完成后,点击该界面的键,在跳出的”serieslist”输入变量名称,注意变量后要加问号。格式如下:y?x?。点击”OK”后,跳出数据输入界面,如下面第4张图所示。在这个界面上点击键,即可以输入或者从EXCEL处复制数据。在输入数据后,记得保存数据。保存操作如下:在跳出的“workfilesave”文本框选择“ok”即可,则自动保存到我的文档。然后在“workfile”界面如下会显示保存路径:d:\mydocuments\a.wf1。若要保存到自己选择的路径下面,则在保存时选择“saveas”,在跳出的文本框里选择自己要保存的路径以及命名文件名称。1.4单位根检验一般回归前要检验面板数据是否存在单位根,以检验数据的平稳性,避免伪回归,或虚假回归,确保估计的有效性。单位根检验时要分变量检验。(补充:网上对面板数据的单位根检验和协整检验存在不同意见,一般认为时间区间较小的面板数据无需进行这两个检验。)1.4.1生成数据组如下图操作。点击”makegroup”后在跳出的”serieslist”里输入要单位根检验的变量,完成后就会跳出如下图3所示的组数据。1.4.2生成时序图如下图操作。在”graghoptions”界面的”specifi”下选择生成的时序图的形状,一般都默认设置,生成的时序图如下图3所示。观察时序图的趋势,以确定单位根检验的检验模式。1.4.3单位根检验单位根检验时,在”groupunitroottest”里的”testforrootin”按检验结果一步步检验,如果原值”level”的检验结果符合要求,即不存在单位根,则单位根检验就不需要检验下去了,如果不符合要求,则需继续检验一阶差分”1stdifference”、二阶差分”2nddifference”。”includeintestequation”是检验模式的选择,根据上面时序图的形状来选择。从上面的时序图可以看出,原值的检验模式应该选择含有截距项和趋势的检验模式,即”includeintestequation”选择”individualinterceptandtrend”。检验结果如下图3所示。从检验结果可以看出,检验结果除了levin检验方法外其他方法的结果都不符合要求(Prob.xx小于置信度(如0.05),则认为拒绝单位根的原假设,通过检验)。所以继续检验一阶差分和二阶差分,直到检验结果达到要求。如果变量原值序列通过单位根检验,则称变量为0阶单整;如果变量一阶差分后的序列通过单位根检验,则称变量为一阶单整,以此推之。注意:单位根检验的方法(testtype)较多,可以使用LLC、IPS、Breintung、ADF-Fisher和PP-Fisher这5种方法进行面板单位根检验。一般,为了方便起见,只采用相同根单位根检验LLC和不同根单位根检验Fisher-ADF这两种检验方法,如果它们都拒绝存在单位根的原假设,则可以认为此序列是平稳的,反之就是非平稳的。1.5协整检验协整检验检验的是模型的变量之间是否存在长期稳定的关系,其前提是解释变量和被解释变量在单位根检验时为同阶单整。操作如下图所示。1.6回归估计面板数据模型根据常数项和系数向量是否为常数,分为3种类型:混合回归模型(都为常数)、变截距模型(系数项为常数)和变系数模型(皆非常数)。混合模型:ititityx1,2,,;1,2,,iNtT变截距模型:itiitityx1,2,,;1,2,,iNtT变系数模型:itiitiityx1,2,,;1,2,,iNtT判断一个面板数据究竟属于哪种模型,用F统计统计量:2111()/11,(1)/(1)SSNKFFNKNTKSNTNK3121()/1(1)1(1),(1)/(1)SSNKFFNKNTKSNTNK来检验以下两个假设:121:NH,12122:,NNH。其中,1S、2S、3S分别为变系数模型、变截距模型和混合模型的残差平方和,K为解释变量的个数,N为截面个体数量,为常数项,为系数向量。若计算得到的统计量2F的值小于给定显著性水平下的相应临界值,则接受假设2H,用混合模型拟合样本。反之,则需用1F检验假设1H,如果计算得到的1F值小于给定显著性水平下的相应临界值,则认为接受假设1H,用变截距模型拟合,否则用变系数模型拟合。具体操作:1)、分别对面板数据进行3种类型模型的回归,得到1S、2S、3S。此外,一般来说,用样本数据推断总体效应,应用随机效应回归模型;直接对样本数据进行分析,采用固定效应回归模型。首先回到面板数据表,如果是在如下这个界面时,点击按钮,在跳出的“serieslist”文本框里输入模型变量,如下图。也可以通过重新打开工作文件,如下图操作。选择自己当初保存的路径和文件名,点击打开。打开后,跳出工作文件双击,然后分别进行变系数、变截距和混合模型的回归估计:点击,进行变系数回归(变系数)变截距回归混合模型估计前面同2)操作,在“poolestimation”输入如下2)、确定模型形式把模型估计取得的s1、s2、s3数值代入前述公式(第13页),如下2111()/11,(1)/(1)SSNKFFNKNTKSNTNK3121()/1(1)1(1),(1)/(1)SSNKFFNKNTKSNTNK计算得到F1、F2值,检验假设H1、H2,从而确定采用何种模型形式(变系数、变截距、混合效应)。3)、回归分析若检验结果表明应采用变系数模型,回到以下界面进行估计点击,进行变系数回归上图列示了回归结果,其中:①Coefficient为系数,比如AH的系数为0.760053,截距项为477.4820-315.8649②t-Statistic为t值,检验每一个自变量的合理性。|t|大于临界值表示可拒绝系数为0的假设,即系数合理。Prob为系数的概率,若其小于置信度(如0.05)则表明|t|大于临界值,即认为系数合理。从结果可以看出,本例中系数合理。③R-squared为样本决定系数,表示总离差平方和中由回归方程可以解释部分的比例,比例越大说明回归方程可以解释的部分越多。值为0-1,越接近1表示拟合越好,0.8认为可以接受,但是R2随因变量的增多而增大,所以可以通过增加自变量的个数来提高模型的R-squared。本例中R-squared0.995382,接近1,拟合度相当好。AdjustR-seqaured为修正的R-squared,与R-squared有相似意义。④F-statistic表示模型拟合样本的效果,即选择的所有自变量对因变量的解释力度。F大于临界值则说明拒绝0假设。若Prob(F-statistic)小于置信度(如0.05)则说明F大于临界值,方程显著性明显。本例中Prob(F-statistic)为0.000000,模型方程显著。⑤Durbin-Watsonstat:检验残差序列的自相关性。其值在0-4之间。