Eviews面板大数据之固定效应模型

Eviews 面板数据之固定效应模型

在面板数据线性回归模型中，如果对于不同的截面或不同的时间序列，只是模型的截距项是不同的，而模型的斜率系数是相同的，则称此模型为固定效应模型。固定效应模型分为三类：

1.个体固定效应模型

个体固定效应模型是对于不同的纵剖面时间序列（个体）只有截距项不同的模型：

2

K

it i k kit it k y x u λβ==++∑ (1)

从时间和个体上看，面板数据回归模型的解释变量对被解释变量的边际影响均是相同的，而且除模型的解释变量之外，影响被解释变量的其他所有（未包括在回归模型或不可观测的）确定性变量的效应只是随个体变化而不随时间变化时。

检验：采用无约束模型和有约束模型的回归残差平方和之比构造F 统计量，以检验设定个体固定效应模型的合理性。F 模型的零假设：

01231:0N H λλλλ-===⋅⋅⋅==

()1

(1,(1)1)(1)

RRSS URSS N F F N N T K URSS

NT N K --=

---+--+

RRSS 是有约束模型（即混合数据回归模型）的残差平方和，URSS 是无约束模型ANCOVA 估计的残差平方和或者LSDV 估计的残差平方和。

实践：

一、数据：已知1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（cp ，不变价格）和人均收入（ip ，不变价格）居民，利用数据（1）建立面板数据（panel data ）工作文件；（2）定义序列名并输入数据；（3）估计选择面板模型；（4）面板单位根检验。年人均消费（consume ）和人均收入（income ）数据以及消费者价格指数（p ）分别见表1，2和3。

表1 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（元）数据

表2 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均收入（元）数据

二、1.输入操作：

步骤：（1）File——New——Workfile

步骤：（2）Start date——End date——OK

步骤：（3）Object——New Object

步骤：（4）Type of object——Pool

步骤：（5）输入所有序列名称

步骤：（6）定义各变量点击sheet—输入consume？income？p?

步骤：（7）将表1、2、3中的数据复制到Eviews中

2.估计操作：

步骤：（1）点击poolmodel——Estimate

对话框说明

Dependent variable:被解释变量；Common coefficients：系数相同部分Cross-section specific:截面系数不同部分

步骤：（2）将截距项选择区选Fixed effects（固定效应）

Cross-section：Fixed

得到如下输出结果：

接下来用F 统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。

0H ：i αα=。模型中不同个体的截距相同（真实模型为混合回归模型）。 1H ：模型中不同个体的截距项i α不同（真实模型为个体固定效应回归模型）。

对模型进行检验：

0.05

()

115-1==7.69=.90(1)

RRSS URSS N F F URSS NT N K --=>--+（4965275-2259743）

（14,90）180232259743

所以推翻原假设，建立个体固定效应回归模型更合理。

RRSS 求法请参见Eview 面板数据之混合回归模型

相应的表达式为：

1215596.500.6953.23592.44...230.16it it Consume Income D D D =+-+++

(6.64)

(49.55)

20.99,2259743r R SSE ==

其中虚拟变量1215,,...,D D D 的定义是：

1,1,2,...,150,i i i D =⎧=⎨

⎩如果属于第个个体

,其他

15个省级地区的城镇人均指出平均占收入68.62%。从上面的结果可以看出北京市居民的自发性消费明显高于其他地区。

2.时点固定效应模型

时点固定效应模型就是对于不同的截面（时点）有不同截距的模型。如果确知对于不同的截面，模型的截距显著不同，但是对于不同的时间序列（个体）截距是相同的，那么应该建立时点固定效应模型：

2

K

it t k kit it k y x u γβ==++∑ (2)

时点固定效应模型与个体固定效应模型的操作区别在于步骤（2），将时间项选择区选 Period ：Fixed （时间固定效应）

得到如下结果：

接下来用F 统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。

0H ：i αα=。模型中不同个体的截距相同（真实模型为混合回归模型）。 1H ：模型中不同个体的截距项t α不同（真实模型为时间固定效应回归模

型）。

对模型进行检验：

0.05

()

7-11==3.54=.98(1)

RRSS URSS T F F URSS NT T K --=>--+（4965275-4080749）

（6,98）2194080749

所以推翻原假设，可以建立时点固定效应回归模型

RRSS 求法请参见Eview 面板数据之混合回归模型 相应的表达式为：

1272.60.78114137.5...97.7it it Consume IP D D D =-++++-

(76.0) 2

0.986,4080749R SSE ==

其中虚拟变量127,,...,D D D 的定义是：

1,0,t D ⎧=⎨

⎩如果属于第t 个截面，t=1996,...,2002

其他

3.时点个体固定效应模型

时点个体固定效应模型就是对于不同的截面（时点）、不同的时间序列（个体）都有不同截距模型。如果确知对于不同的截面、不同的时间序列（个体）模型的截距都显著地不相同，那么应该建立时点个体固定效应模型：

2

K

it t t k kit it k y x u λγβ==+++∑ (3)

时点固定效应模型与个体固定效应模型的操作区别在于步骤（2），将截距项选择区域：Cross-section ：fixed （个体固定效应），时间项选择区选 Period ：Fixed （时间固定效应）