使用Eviews进行面板数据操作 有图有真相

（注意：在面板数据中，变量名的后面要加上“？”，表示不同个体）。
1
2
3
③ 在弹出的右图对话框中点击Edit键
输入数据，点击order键可以在“按 个体进行排序”和“按时间进行排 序”之间进行切换。
④ 生成新的序列 打开原始数据（在变量列表中双击pool01即可打开），点击工具栏倒数第二个 的“poolGenr”键，或者选择quick ——generate series,在弹出的对话框中 输入要生成的公式，如:cp?=consume?/p?, ip?=income?/p?
倒
数
对
模
数
型
模
型
双 从这几个图形来看，双对数模型和
对 数
二次多项式模型拟合的较好，但是
模 图形越来越分散，说明存在异方差，
型
可以用下一页的方法来克服异方差。
有
无
一
一
次
次
方
方
的
的
二
二
次
次
项
项
模
模
型
型
③ 克服二次多项式模型的异方差： 按ctrl选择f1,i1——show——在对话框中输入log(f1) log(i1)——打开数据窗 口——view——graph——scatter——option——在x transformation中选择 polynomial——OK，便可得无异方差的散点图。
方法二(个人认为该方法较麻烦)：
① 新建立一个截面数据文件夹file——new——workfile, 在弹出的对话框左侧 选择unstructured/undated，右边输入105——OK——object——new object——series,在右边变量名的对话框中输入变量名cp_1996（这里一定 要输入，否则不会出现该变量）——OK——双击变量名cp_1996,在弹出的 对话框的第1-15个空格中输入数据。
该检验的原假设是 a i 相等，应建
立混合效应模型，当F值较大，P 值远小于0.05时，拒绝原假设， 应建立个体固定效应模型。
两个检验的结果都是要建立个体固定效应模型， 因此这组数据应建立个体固定效应模型。
③ 其他功能 点击view——Residual——Table, Graphs, Covariance Matrix, Correlation Matrix可以分别得到 按个体计算的残差序列表、残差序 列图、残差序列的方差协方差矩阵、 残差序列的相关系数矩阵。
② 按照以上方法依次建立变量cp_1997、cp_1998……,并输入数据，在输入 数据时cp_1997要在第16-30个空格中输入， cp_1998要在第31-45个空 格中输入，依次类推。然后再建立变量cp_iah、cp_ibj、cp_ifj……方法同上
③ 建立一个以所有的因变量值()为横坐标的变量ip_i
注意：只有在随机效应估计窗口中才能 进行Hausman检验，只有在固定效应估 计窗口中才能进行似然比检验
Hausman检验的原假设是个体效 应与回归变量无关，应建立随机效 应模型，因此当Hausman值较大， 其对应的P值远小于0.05时，拒绝
原假设，应建立个体固定效应模型。
② 似然比检验 方法同上，只是要在个体固定效应模型的输出结果下进行检验
① 按住ctrl,选择要画回归线的两个变量，在本例中按住ctrl,选择f1和i1—— open——as group——在打开的数据对话框中选择view——graph——在 graph type选项中选择scatter——在对画框右边点击option选项
② Option选项对话框中有多种选择（具体图形在下页）： a. x选inverse表示倒数模型 b. x选log表示对数模型 c. x、y都选log 表示双对数模型 d. x选power 2表示是只有平方项的模型 e. x选polynomial 2表示既有平方项又有一次方项的模型
这里的检验方式为综 合检验，包括LLC、 Breitung、ADF等， 其中Hadri检验的原 假设是没有单位根， 其余检验的原假设都 是有单位根。
这里也可以选择单位根一阶滞 后或二阶滞后
除了Breitung 检验外，其他 检验都说明有 单位根，按照 少数服从多数 原则，这里cp 具有单位根。
③ 建立以所有的因变量值()为横坐标的变量ip_i和ip_t,其中ip_i 是按个体排序的 105个ip值，ip_t是按时间排序的105个ip值。
④ 按ctrl键，分别按顺序点击ip_t,cp_1996,cp_1997,cp_1998……——右键 open as a group(或者show)，此时打开的数据为阶梯型，其中第一列为全 部105个ip值，后面分别为1996年、1997年……的cp值。
2011年4月26日
（1）建立混合数据型工作文件
1. 建立一个年度工作文件（1996-2002）.（file:）
① file ——new—— workfile——object——new object——pool——OK
1 2
② 在弹出的对话框中输入截面个体的名称缩写——点击sheet,输入变量名
② 按住ctrl,选择cpah和cpah_0——open as a group——在弹出的数据对话 框中选择view——graph——line便可得到由原始值和拟合值曲线构成的图。
③ 如果想在图形中出现散点，可以双击图形，
在弹出的对话框中选择line&symbol, 便可 出现带有散点图的图形。
1. 面板数据的估计
注意：由于无法输入个体名称， 容易产生混乱，因此不建议使用 该方法建立面板数据。
方法一：
① 在变量截面中按住ctrl键，依次选择每个个体的因变量和自变量，点击右键， 选择open——as group,在打开的数据窗口中选择view——graph
② 在弹出的对话框中选择scatter——在multiple中选择single graph-XY pairs OK便可得如下的散点图
在估计结果中点击proc——Make Model可以出现估计结果的联立方 程形式，进一步点击Solve键可以 在弹出的对话框中进行动态和静态 预测。
在估计结果或原始的面包数据窗口中点击view——unit root test
这里默认为 Schwarz检 验，因为在 小样本情况 下Schwarz 检验效果最 好。
GLS权重，通过加 权可以克服异方差
每个个体有共
同的参数 bi
bi 随个体不
同而发生
变
变化
参
数
bi 随个体不 同而发生
模 型
变化
Hale Waihona Puke 下面为个体固定效应的结果。 点击view——representation可以显示具体的回归方程式。
2. 面板数据的检验
① Hausman检验（要在随机效应结果窗口中进行） 对数据进行随机效应模型估计，在估计结果窗口点击view——Fixed/Random Effects testing——Correlated Random Effect-Hausman Test（6.0以上的 版本才可以）
（2）建立面板数据型工作文件
1. 建立一个年度工作文件（1996-2002）.（file:）
① file ——new—— workfile——在弹出的对话框的左边选择Balance panel
并输入起始时间，在截面数据选项中输入“15”——OK——object——new object——pool——OK ② object——new object——quick——empty group，后面步骤 的和截面 数据的操作一样。
① 点击之前所做的估计结果的名称（这里为pool02,每次做出结果后最好保存， 便于以后随时打开），在打开的结果窗口中点击proc——make model—— 在弹出的对话框中点击solve——在弹出的Model solution对话框的左边中 间部分选择Static solution——此时原始的变量窗口会多出cpah_0、cpbj_0 等，这是个体变量的拟合值。
⑤ 在打开的数据组中点击view——graph——scatter——simple scatter, 便可得到不同时间的散点图。
⑥ 同理，按ctrl键，分别选择ip_i, ip_ah,I p_bj, ip_hb…便可得到不同个体 的散点图。
由于是用同一组数据画出的图形，所以虽然采用的 是不同的方法，但是绘出的两个图形一样。
① 建立面板数据文件夹，具体步骤参考第一部分 ② 打开数据窗口，点击estimate,弹出pool estimate对话框，如下页所示。
填入因变量ti
选择None表示混合 模型，选择fixed表 示个体固定效应模型， 选择random表示个 体随机效应模型
选择None表示混合 模型，选择fixed表 示时间固定效应模型， 选择random表示时 间随机效应模型