时间序列_截面数据模型_s
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
17
§10.1 Pool对象
EViews对时间序列/截面数据模型的估计是通过含有 Pool对象的工作文件和具有面板结构的工作文件来实现的。
处理时间序列/截面数据的EViews对象称为Pool。通过 Pool对象可以实现对各种变截距、变系数时间序列模型的估 计，但Pool对象侧重分析“窄而长”的数据，即截面成员较 少，而时期较长的侧重时间序列分析的数据。
对于截面成员较多，时期较少的“宽而短”的侧重截面 分析的数据，一般通过具有面板结构的工作文件（Panel workfile）进行分析。利用面板结构的工作文件可以实现变 截距时间序列/截面数据模型以及动态时间序列/截面数据模 型的估计。
18
3. 手工输入/剪切和粘贴 4. 文件输入 使用Pool对象从文件读取数据，先打开Pool，然后选 择Procs/Import Pool Data(ASCII,.XLS,.WK?)…，要使用 与Pool对象对应的输入程序。
19
10.1.3 输出Pool数据
按照和上面数据输入相反的程序可进行数据输出。由于 EViews可以输入输出非堆积数据，按截面成员堆积和按日期 堆积数据，因此可以利用EViews按照需要调整数据结构。
20
10.1.4 使用Pool数据
每个截面成员的基础序列都是普通序列，因此EViews中 对各单个截面成员序列适用的工具都可使用。另外，EViews 还有专门适用于Pool数据的专用工具。可以使用EViews对与 一特定变量对应的所有序列进行类似操作。
3. 解释变量 在两个编辑框中输入解释变量。 (1) Common :——此栏中输入的变量对所有截面成员有
相同的系数，并用一般名称或Pool名称输出结果。 (2) Cross-section specific :——此栏中输入的变量对Pool
中每个截面成员的系数不同。 (3) Period specific :——此栏中输入的变量对Pool中每个
4
2、包含的信息量更大，降低了变量间共 线性的可能性，增加了自由度和估计的 有效性。
3、便于分析动态调整。
5
10.1.1 含有Pool对象的工作文件
Pool对象在EViews中扮演着两种角色。首先，Pool对 象中包含了一系列的标识名。这些标识名描述了工作文件 中的时间序列/截面数据的数据结构。在这个角色中，Pool 对象在管理和处理时间序列/截面数据上的功能与组对象有 些相似。其次，利用Pool对象中的过程可以实现对各种时 间序列/截面数据模型的估计及对估计结果的检验和处理。 在这个角色中，Pool对象与方程对象有些相似
1. 检查数据 2. 描述数据 3. 生成数据 可以使用PoolGenr(panelgenr)程序生成或者修改Pool序 列。 4. 生成Pool组 5. 删除和存取数据
21
二、平行数据模型
平行数据模型一般形式
yit i xit i it ......(1)
xit 为1*K向量
i 为K*1向量
6
Pool 对 象 的 核 心 是 建 立 表 示 截 面 成 员 的 名 称 表 。 为 明 显起见，名称要相对较短。例如，国家作为截面成员时， 可以使用USA代表美国，CAN代表加拿大，UK代表英国。
定义了Pool的截面成员名称就等于告诉了EViews，模 型 的 数 据 结 构 。 在 上 面 的 例 子 中 ， EViews 会 自 动 把 这 个 Pool理解成对每个国家使用单独的时间序列。
必须注意，Pool对象本身不包含序列或数据。一个 Pool对象只是对基本数据结构的一种描述。因此，删除一 个Pool并不会同时删除它所使用的序列，但修改Pool使用的 原序列会同时改变Pool中的数据。
7
1. 创建Pool对象
在本章中，使用的是一个研究投资需求的例子，包括了五
家企业和三个变量的20个年度观测值的时间序列： 例10.5 研究企业投资需求模型
H1： β1 β2 βN
H2： 1 2 N β1 β2 βN
可见如果接受假设 H2 则可以认为样本数据符合情形3， 即模型为不变参数模型，无需进行进一步的检验。
如果拒绝假设H2，则需检验假设H1。如果接受H1，则 认为样本数据符合情形2，即模型为变截距模型，反之拒绝 H1 ，则认为样本数据符合情形1，即模型为变参数模型。
15
Pool数据排列成堆积形式，一个变量的所有数据放在一 起，和其他变量的数据分开。大多数情况下，不同截面成员 的数据从上到下依次堆积，每一列代表一个变量：
16
我们称上表数据是以截面成员堆积的，单击Order+/-实现堆 积方式转换，也可以按日期堆积数据：
每一列代表一个变量，每一列内数据都是按年排列的。如果 数据按年排列，要确保各年内截面成员的排列顺序要一致。
10
3. Pool序列概念 一旦选定的序列名和Pool中的截面成员识别名称相 对应，就可以利用这些序列使用Pool了。其中关键是要 理解Pool序列的概念。 一个Pool序列实际就是一组序列, 序列名是由基本 名和所有截面识别名构成的。Pool序列名使用基本名和 “？”占位符，其中“？”代表截面识别名。如果序列 名 为 GDPJPN ， GDPUSA ， GDPUK ， 相 应 的 Pool 序 列 为GDP?。如果序列名为JPNGDP，USAGDP，UKGDP， 相应的Pool序列为 ?GDP。
对于情形2，称为变截距模型，在横截面上个体影响不同， 个体影响表现为模型中被忽略的反映个体差异的变量的影响， 又分为固定影响和随机影响两种情况。
对于情形3，在横截面上无个体影响、无结构变化，则
普通最小二乘法估计给出了 和 的一致有效估计。相当于
将多个时期的截面数据放在一起作为样本数据。 26
经常使用的检验是协方差分析检验，主要检验如下两 个假设：
12
10.1.2 输入Pool数据
有很多种输入数据的方法，在介绍各种方法之前，首 先要理解时间序列/截面数据的结构，区别堆积数据和非堆 积数据形式。
时间序列/截面数据的数据信息用三维表示：时期，截 面成员，变量。例如：1950年，通用汽车公司，投资数据。
使用三维数据wk.baidu.com较困难，一般要转化成二维数据。有 几种常用的方法。
5家企业：
3个变量：
GM：通用汽车公司 CH：克莱斯勒公司 GE：通用电器公司 WE：西屋公司 US：美国钢铁公司
I ：总投资 M ：前一年企业的市场价值 K ：前一年末工厂存货和设备的价值
要创建Pool对象，选择Objects/New Object/Pool…并在编
辑窗口中输入截面成员的识别名称：
2
采用面板数据模型进行分析的主要目的 在于两个方面：
一是控制不可观测的个体异质性； 二是描述和分析动态调整过程，处理误
差成分。
3
使用面板数据主要有以下几方面的优点：
1、便于控制个体异质性。比如，我们在研究全国30个 省份居民人均消费青岛啤酒的数量时。可以选取居民的 收入、当地的啤酒价格、上一年的啤酒消费量等变了作 为解释变量。但同时我们认为民族习惯、风俗文化、广 告投放等因素也会显著地影响居民的啤酒消费量。对于 特定的个体而言，前两种因素不会随时间的推移而有明 显的变化，通常称为个体效应。而广告的投放往往通过 电视或广播，我们可以认为在特定的年份所有省份所接 受的广告投放量是相同的，通常称为时间效应。这些因 素往往因为难以获得数据或不易衡量而无法进入我们的 模型
每个截面变量看作一个单独序列。注意要按照上述的Pool命名规则命名。
14
2. 堆积数据 选择View/Spreadsheet（stacked data），EViews会要求输 入序列名列表
确认后EViews会打开新建序列的堆积式数据表。我们看 到的是按截面成员堆积的序列，Pool序列名在每列表头，截面 成员/年代识别符标识每行：
23
10.1.6 如何估计Pool方程
单击Pool工具栏的Estimate选项打开如下对话框：
24
1. 因变量 在因变量对话框中输入Pool变量或Pool变量表达式。 2. 样本 在下面的编辑窗口中输入样本说明。样本的缺省值是各 截面成员中的最大样本值。如果得不到某时期截面成员的解 释变量或因变量的值，那么此观测值会被排除掉。
i 1......n t 1......T
it
:
(0,
2
)
i 表示那些不随时间改变的影响因素， 而这些因素在多数情况下都是无法直接 观测或难以量化的，如个人的消费习惯 、国家的社会制度等，一般称其为“个 体效应”（individual effects）。对“个 体效应”的处理主要有两种方式：一种 是视其为不随时间改变的固定性因素， 相应的模型称为“固定效应”模型；另 一种是视其为随机因素，相应的模型称 为“随机效应”模型。
11
4. 观察或编辑Pool定义 要显示Pool中的截面成员识别名称，单击工具条的 Define按钮，或选择View/Cross-Section Identifiers。如果需 要，也可以对识别名称列进行编辑。
5. Pool序列数据 Pool中使用的数据都存在普通EViews序列中。这些序列 可以按通常方式使用：可以列表显示，图形显示，产生新序 列，或用于估计。也可以使用Pool对象来处理各单独序列。
第十章 利用横截面和时间序列的计量模型
在进行经济分析时经常会遇到时间序列和横截面两 者相结合的数据。例如，在企业投资需求分析中，我们 会遇到多个企业的若干指标的月度或季度时间序列；在 城镇居民消费分析中，我们会遇到不同省市地区的反映 居民消费和居民收入的年度时间序列。本章将前述的企 业或地区等统称为个体，这种具有三维（个体、指标、 时间）信息的数据结构称为时间序列/截面数据，有的书 中也称为平行数据或面板数据（panel data）。我们称 这些数据为联合利用时间序列/截面数据（Pooled time series，cross section）。
1. 非堆积数据 存在工作文件的数据都是这种非堆积数据，在这种形 式中，给定截面成员、给定变量的观测值放在一起，但和 其他变量、其他截面成员的数据分开。例如，假定我们的 数据文件为下面的形式：
13
其中基本名 I 代表企业总投资、M 代表前一年企业的市场价值、K 代
表前一年末工厂存货和设备的价值。每个企业都有单独的 I、M、K 数据。 EViews会自动按附录A中 介绍的标准输入程序读取非堆积数据。并把
时期的系数不同。
25
模型形式设定检验
模型(10.1.2)常用的有如下三种情形：
情形1： i j , βi β j (变系数模型)
情形2： i j , βi β j (变截距模型)
情形3： i j , βi β j (不变参数模型)
对于情形1，称为变系数模型，除了存在个体影响外， 在横截面上还存在变化的经济结构，因而结构参数在不同横 截面上是不同的。
1
关于面板数据的计量理论也几乎涉及到 了以往截面分析和时间序列分析中所有 可能出现的主题，如近年来发展出的面 板向量自回归模型（Panel VAR）、面 板单位根检验（Panel Unit Root test）、 面板协整分析（Panel Cointegeration） 等，都是在现有截面分析和时间序列分 析中的热点主题的基础上发展起来的。
8
对截面成员的识别名称没有特别要求，但必须能使用这 些识别名称建立合法的EViews序列名称。此处推荐在每个识 别名中使用“_”字符，它不是必须的，但把它作为序列名的 一部分，可以很容易找到识别名称。
9
2. Pool序列命名 在Pool中使用序列的关键是序列命名：使用基本名和 截面识别名称组合命名。截面识别名称可以放在序列名中 的任意位置，只要保持一致即可。 例如，现有一个Pool对象含有识别名＿JPN，＿USA， ＿UK，想建立每个截面成员的GDP的时间序列，我们就 使用“GDP”作为序列的基本名。 把识别名称放在序列名的前面，中间或后面并没什么 关系，只要易于识别就行了。但是必须注意要保持一致， 不 能 这 样 命 名 序 列 ： JPNGDP ， GDPUSA ， UKGDP1 ， 因为EViews无法在Pool对象中识别这些序列。
§10.1 Pool对象
EViews对时间序列/截面数据模型的估计是通过含有 Pool对象的工作文件和具有面板结构的工作文件来实现的。
处理时间序列/截面数据的EViews对象称为Pool。通过 Pool对象可以实现对各种变截距、变系数时间序列模型的估 计，但Pool对象侧重分析“窄而长”的数据，即截面成员较 少，而时期较长的侧重时间序列分析的数据。
对于截面成员较多，时期较少的“宽而短”的侧重截面 分析的数据，一般通过具有面板结构的工作文件（Panel workfile）进行分析。利用面板结构的工作文件可以实现变 截距时间序列/截面数据模型以及动态时间序列/截面数据模 型的估计。
18
3. 手工输入/剪切和粘贴 4. 文件输入 使用Pool对象从文件读取数据，先打开Pool，然后选 择Procs/Import Pool Data(ASCII,.XLS,.WK?)…，要使用 与Pool对象对应的输入程序。
19
10.1.3 输出Pool数据
按照和上面数据输入相反的程序可进行数据输出。由于 EViews可以输入输出非堆积数据，按截面成员堆积和按日期 堆积数据，因此可以利用EViews按照需要调整数据结构。
20
10.1.4 使用Pool数据
每个截面成员的基础序列都是普通序列，因此EViews中 对各单个截面成员序列适用的工具都可使用。另外，EViews 还有专门适用于Pool数据的专用工具。可以使用EViews对与 一特定变量对应的所有序列进行类似操作。
3. 解释变量 在两个编辑框中输入解释变量。 (1) Common :——此栏中输入的变量对所有截面成员有
相同的系数，并用一般名称或Pool名称输出结果。 (2) Cross-section specific :——此栏中输入的变量对Pool
中每个截面成员的系数不同。 (3) Period specific :——此栏中输入的变量对Pool中每个
4
2、包含的信息量更大，降低了变量间共 线性的可能性，增加了自由度和估计的 有效性。
3、便于分析动态调整。
5
10.1.1 含有Pool对象的工作文件
Pool对象在EViews中扮演着两种角色。首先，Pool对 象中包含了一系列的标识名。这些标识名描述了工作文件 中的时间序列/截面数据的数据结构。在这个角色中，Pool 对象在管理和处理时间序列/截面数据上的功能与组对象有 些相似。其次，利用Pool对象中的过程可以实现对各种时 间序列/截面数据模型的估计及对估计结果的检验和处理。 在这个角色中，Pool对象与方程对象有些相似
1. 检查数据 2. 描述数据 3. 生成数据 可以使用PoolGenr(panelgenr)程序生成或者修改Pool序 列。 4. 生成Pool组 5. 删除和存取数据
21
二、平行数据模型
平行数据模型一般形式
yit i xit i it ......(1)
xit 为1*K向量
i 为K*1向量
6
Pool 对 象 的 核 心 是 建 立 表 示 截 面 成 员 的 名 称 表 。 为 明 显起见，名称要相对较短。例如，国家作为截面成员时， 可以使用USA代表美国，CAN代表加拿大，UK代表英国。
定义了Pool的截面成员名称就等于告诉了EViews，模 型 的 数 据 结 构 。 在 上 面 的 例 子 中 ， EViews 会 自 动 把 这 个 Pool理解成对每个国家使用单独的时间序列。
必须注意，Pool对象本身不包含序列或数据。一个 Pool对象只是对基本数据结构的一种描述。因此，删除一 个Pool并不会同时删除它所使用的序列，但修改Pool使用的 原序列会同时改变Pool中的数据。
7
1. 创建Pool对象
在本章中，使用的是一个研究投资需求的例子，包括了五
家企业和三个变量的20个年度观测值的时间序列： 例10.5 研究企业投资需求模型
H1： β1 β2 βN
H2： 1 2 N β1 β2 βN
可见如果接受假设 H2 则可以认为样本数据符合情形3， 即模型为不变参数模型，无需进行进一步的检验。
如果拒绝假设H2，则需检验假设H1。如果接受H1，则 认为样本数据符合情形2，即模型为变截距模型，反之拒绝 H1 ，则认为样本数据符合情形1，即模型为变参数模型。
15
Pool数据排列成堆积形式，一个变量的所有数据放在一 起，和其他变量的数据分开。大多数情况下，不同截面成员 的数据从上到下依次堆积，每一列代表一个变量：
16
我们称上表数据是以截面成员堆积的，单击Order+/-实现堆 积方式转换，也可以按日期堆积数据：
每一列代表一个变量，每一列内数据都是按年排列的。如果 数据按年排列，要确保各年内截面成员的排列顺序要一致。
10
3. Pool序列概念 一旦选定的序列名和Pool中的截面成员识别名称相 对应，就可以利用这些序列使用Pool了。其中关键是要 理解Pool序列的概念。 一个Pool序列实际就是一组序列, 序列名是由基本 名和所有截面识别名构成的。Pool序列名使用基本名和 “？”占位符，其中“？”代表截面识别名。如果序列 名 为 GDPJPN ， GDPUSA ， GDPUK ， 相 应 的 Pool 序 列 为GDP?。如果序列名为JPNGDP，USAGDP，UKGDP， 相应的Pool序列为 ?GDP。
对于情形2，称为变截距模型，在横截面上个体影响不同， 个体影响表现为模型中被忽略的反映个体差异的变量的影响， 又分为固定影响和随机影响两种情况。
对于情形3，在横截面上无个体影响、无结构变化，则
普通最小二乘法估计给出了 和 的一致有效估计。相当于
将多个时期的截面数据放在一起作为样本数据。 26
经常使用的检验是协方差分析检验，主要检验如下两 个假设：
12
10.1.2 输入Pool数据
有很多种输入数据的方法，在介绍各种方法之前，首 先要理解时间序列/截面数据的结构，区别堆积数据和非堆 积数据形式。
时间序列/截面数据的数据信息用三维表示：时期，截 面成员，变量。例如：1950年，通用汽车公司，投资数据。
使用三维数据wk.baidu.com较困难，一般要转化成二维数据。有 几种常用的方法。
5家企业：
3个变量：
GM：通用汽车公司 CH：克莱斯勒公司 GE：通用电器公司 WE：西屋公司 US：美国钢铁公司
I ：总投资 M ：前一年企业的市场价值 K ：前一年末工厂存货和设备的价值
要创建Pool对象，选择Objects/New Object/Pool…并在编
辑窗口中输入截面成员的识别名称：
2
采用面板数据模型进行分析的主要目的 在于两个方面：
一是控制不可观测的个体异质性； 二是描述和分析动态调整过程，处理误
差成分。
3
使用面板数据主要有以下几方面的优点：
1、便于控制个体异质性。比如，我们在研究全国30个 省份居民人均消费青岛啤酒的数量时。可以选取居民的 收入、当地的啤酒价格、上一年的啤酒消费量等变了作 为解释变量。但同时我们认为民族习惯、风俗文化、广 告投放等因素也会显著地影响居民的啤酒消费量。对于 特定的个体而言，前两种因素不会随时间的推移而有明 显的变化，通常称为个体效应。而广告的投放往往通过 电视或广播，我们可以认为在特定的年份所有省份所接 受的广告投放量是相同的，通常称为时间效应。这些因 素往往因为难以获得数据或不易衡量而无法进入我们的 模型
每个截面变量看作一个单独序列。注意要按照上述的Pool命名规则命名。
14
2. 堆积数据 选择View/Spreadsheet（stacked data），EViews会要求输 入序列名列表
确认后EViews会打开新建序列的堆积式数据表。我们看 到的是按截面成员堆积的序列，Pool序列名在每列表头，截面 成员/年代识别符标识每行：
23
10.1.6 如何估计Pool方程
单击Pool工具栏的Estimate选项打开如下对话框：
24
1. 因变量 在因变量对话框中输入Pool变量或Pool变量表达式。 2. 样本 在下面的编辑窗口中输入样本说明。样本的缺省值是各 截面成员中的最大样本值。如果得不到某时期截面成员的解 释变量或因变量的值，那么此观测值会被排除掉。
i 1......n t 1......T
it
:
(0,
2
)
i 表示那些不随时间改变的影响因素， 而这些因素在多数情况下都是无法直接 观测或难以量化的，如个人的消费习惯 、国家的社会制度等，一般称其为“个 体效应”（individual effects）。对“个 体效应”的处理主要有两种方式：一种 是视其为不随时间改变的固定性因素， 相应的模型称为“固定效应”模型；另 一种是视其为随机因素，相应的模型称 为“随机效应”模型。
11
4. 观察或编辑Pool定义 要显示Pool中的截面成员识别名称，单击工具条的 Define按钮，或选择View/Cross-Section Identifiers。如果需 要，也可以对识别名称列进行编辑。
5. Pool序列数据 Pool中使用的数据都存在普通EViews序列中。这些序列 可以按通常方式使用：可以列表显示，图形显示，产生新序 列，或用于估计。也可以使用Pool对象来处理各单独序列。
第十章 利用横截面和时间序列的计量模型
在进行经济分析时经常会遇到时间序列和横截面两 者相结合的数据。例如，在企业投资需求分析中，我们 会遇到多个企业的若干指标的月度或季度时间序列；在 城镇居民消费分析中，我们会遇到不同省市地区的反映 居民消费和居民收入的年度时间序列。本章将前述的企 业或地区等统称为个体，这种具有三维（个体、指标、 时间）信息的数据结构称为时间序列/截面数据，有的书 中也称为平行数据或面板数据（panel data）。我们称 这些数据为联合利用时间序列/截面数据（Pooled time series，cross section）。
1. 非堆积数据 存在工作文件的数据都是这种非堆积数据，在这种形 式中，给定截面成员、给定变量的观测值放在一起，但和 其他变量、其他截面成员的数据分开。例如，假定我们的 数据文件为下面的形式：
13
其中基本名 I 代表企业总投资、M 代表前一年企业的市场价值、K 代
表前一年末工厂存货和设备的价值。每个企业都有单独的 I、M、K 数据。 EViews会自动按附录A中 介绍的标准输入程序读取非堆积数据。并把
时期的系数不同。
25
模型形式设定检验
模型(10.1.2)常用的有如下三种情形：
情形1： i j , βi β j (变系数模型)
情形2： i j , βi β j (变截距模型)
情形3： i j , βi β j (不变参数模型)
对于情形1，称为变系数模型，除了存在个体影响外， 在横截面上还存在变化的经济结构，因而结构参数在不同横 截面上是不同的。
1
关于面板数据的计量理论也几乎涉及到 了以往截面分析和时间序列分析中所有 可能出现的主题，如近年来发展出的面 板向量自回归模型（Panel VAR）、面 板单位根检验（Panel Unit Root test）、 面板协整分析（Panel Cointegeration） 等，都是在现有截面分析和时间序列分 析中的热点主题的基础上发展起来的。
8
对截面成员的识别名称没有特别要求，但必须能使用这 些识别名称建立合法的EViews序列名称。此处推荐在每个识 别名中使用“_”字符，它不是必须的，但把它作为序列名的 一部分，可以很容易找到识别名称。
9
2. Pool序列命名 在Pool中使用序列的关键是序列命名：使用基本名和 截面识别名称组合命名。截面识别名称可以放在序列名中 的任意位置，只要保持一致即可。 例如，现有一个Pool对象含有识别名＿JPN，＿USA， ＿UK，想建立每个截面成员的GDP的时间序列，我们就 使用“GDP”作为序列的基本名。 把识别名称放在序列名的前面，中间或后面并没什么 关系，只要易于识别就行了。但是必须注意要保持一致， 不 能 这 样 命 名 序 列 ： JPNGDP ， GDPUSA ， UKGDP1 ， 因为EViews无法在Pool对象中识别这些序列。