EVIEWS用面板数据模型预测

图7 个体特征数分析

选定15个cp变量数据用Show命令打开数据窗口，点击View/Graph/Line命令可得到15个cp个体的时序图。类似操作可得到15个ip个体的时序图。

140001200010000800060004000200019961400012000100008000600040002000199619971998199920002001CPSDCPSHCPSXCPTJCPZJ200219971998IPAHIPBJIPFJIPHBIPHLJ199920002001IPSDIPSHIPSXIPTJIPZJ2002 图8 15个省级地区的人均消费序列（纵剖面） 图9 15个省级地区的人均收入序列（file:5panel02）

12000CP1996CP1997CP1998CP1999CP2000CP2001CP2002CPAHCPBJCPFJCPHBCPHLJCPJLCPJSCPJXCPLNCPNMG IPJLIPJSIPJXIPLNIPNMG10000800060004000IP(1996-2002)40006000800010000120001400020002000

图10 人均消费对收入的面板数据散点图（7个截面叠加）

6.2 面板数据模型的EViwes 5.0估计方法：

156

在打开工作文件窗口的基础上，点击主功能菜单中的Objects键，选New Object功能，从而打开New Object（新对象）选择窗。在Type of Object选择区选择Pool（混合数据库），点击OK键，从而打开Pool（混合数据）窗口（图11）。在窗口中输入15个地区标识（变量的后缀）AH（安徽）、BJ（北京）、…、ZJ（浙江）。

图11

点击Estimation键，随后弹出Pooled Estimation（混合估计）对话窗（见图12）。先对Pooled Estimation（混合估计）对话窗中各选项功能给以解释。

EViwes 5.0面板数据模型估计对话窗口如下，

图12 EViwes 5.0面板模型估计窗口

157

图13 EViwes 5.1面板模型估计窗口

EViews 5.1版本的面板数据模型估计（Pool Estimation）窗口（图13）分成了两个模块，Specification（设定）和Option（选择），但基本功能与早期版本无本质区别。主要选择都集中在Specification（设定）模块中。见图14。熟悉了图14中选择方法对图15对话窗不难理解。

在Estimation Method（估计方法）选项区内有三个选项框。 （1）Cross-section（横跨个体）中包括None（不选），Fixed（固定），Random（随机）分别用来做非个体效应，个体固定效应和个体随机效应的设定（见图14）。

（2）Period（时点）中也包括None（不选），Fixed（固定），Random（随机）三项选择分别用来进行非时点效应，时点固定效应或时点随机效应设定（见图15）。

图14 图15

（3）Weight（权数）可以在5种加权方法中做选择（见图16）。

158

图16

在Estimation Settings（估计方法设定）区包括二种估计方法：一种为LS（最小二乘）方法，一种为TSLS（两阶段最小二乘）方法。

在Regression and AR() Terms（回归变量与AR项）选择区，若把变量填入Common（共同）框内意味着变量的效率相同，如果把变量填入Cross-section specification（截面设定）框内意味着回归变量的斜率随个体不同而不同。

在EViews 5.0、5.1版本的随机效应模型估计结果窗口点击View键，选Fixed/Random Effects Testing/Correlated Random Effect-Hausman Test功能，可以直接获得应该建立随机效应模型还是个体固定效应模型的Hausman检验结果。

用EViwes可以估计固定效应模型（包括个体固定效应模型、时点固定效应模型和时点个体固定效应模型3种）、随机效应模型、带有AR(1)参数的模型、截面不同回归系数也不同的面板数据模型。

用EViwes可以选择普通最小二乘法、加权最小二乘法（以截面模型的方差为权）、似不相关回归法估计模型参数。

可以在Common coefficients选择窗和Cross section specific coefficients选择窗中填入AR(1)项。如果把AR(1)项填在Common coefficients选择窗中相当于假设模型有相同的自回归误差项，如果把AR(1)项填在Cross section specific coefficients选择窗中相当于假设模型有不同的自回归误差项。

注意：如果把解释变量填入Cross section specific coefficients选择窗中，对应不同的解释变量将会得到不同的回归参数。

估计过程中的缺省方法是等权（No weighting）估计。还可以选择Cross section weights（按截面取权数）和SUR（似不相关回归）。

3种估计方法如下： 混合模型（Pool Model）

工具栏中点击Estimate键，打开Pooled Estimation（混合估计）窗口如图17。

159