专栏首页数说工作室面板数据与Eviews操作指南(上)

面板数据与Eviews操作指南(上)

一、面板数据简介

信息技术的发展使得数据越来越膨胀,传统的截面数据和时间序列已经不能全面刻画经济的演变,在大数据背景下,同时分析比较横截面观察值和时间序列观察值的需求越来越大。面板数据就是指既含有截面又含有时间序列的数据,分析比较这种数据的模型就是面板数据模型。

相对于一般的回归模型,面板数据模型不仅能够更好的识别和度量单纯时间序列模型和单纯横截面数据模型所不能发现的影响因素,而且可以克服多重共线性的困扰,能够提供更多的信息、更多的变化、更高的自由度和更高的估计效率,减少共线性。因此,面板数据可以更准确地刻画更为复杂的经济行为,具有更好的理论价值和应用价值。

按照模型中是否含有滞后项,又分为静态面板数据和动态面板数据,本指南将分别简介原理和Eviews操作方法。

二、静态面板数据及Eviews实现

(1) 静态面板数据简介

一般的静态面板数据模型的一般形式如下:

(1)

其中C为截距,Vit为误差项,i为截面下标,N表示截面的个数,t为时间下标,T表示时间序列的长度。面板数据由于同时含有了多个横截面数据,有时需要考虑不同横截面个体存在的特殊效应,其误差项被设定为:

(2)

其中αi代表个体效应,反映了不同个体之间的差别。

当个体效应为固定常数时,式(1)为固定效应模型,此时每个个体截面都有不同的截距项

,即其分布式与Xit是有关的,反映了该个体的固定效应,因此固定效应模型又称为相关效应模型,严格说来,这个名字更加准确。固定效应模型的形式为:

(3)

用矩阵表示为:

(4)

即,

Y=Dα+xβ+e (5)

当个体效应αi为随机变量时,式(5)为随机效应模型,此时其分布与Xit是无关的,因此随机效应相应又称为非相关效应模型,随机效应模型的形式为:

(6)

对于这两种模型,最长采用的估计方法为虚拟变量最小二乘法和广义最小二乘法。

(2)Eviews实现

① 录入数据

以A、B、C、D四家银行,2000-2010年十年的面板数据为例(变量为var1、var2):

  • 建立新的工作文件:File—New—Workfile;
  • 选择Dated-regularfrequency,填入开始年份(start date)2000和结束年份(start date)2010,点击OK;
  • 右键—newobject—选择pool—点击OK;
  • 填写Cross SectionIdentifiers截面名:A、B、C、D;
  • 选择view—spreadsheet—输入变量名(注意变量名后面要带?号):var1?、var2?
  • 输入数据

② 单位根检验

各个变量必须同阶平稳,否则即使最终模型显著,也可能是“伪回归”。

  • 在pool界面选择view—unitroot test—在pool series中分别输入待检验的变量(后面要接?号)。
  • Level、1stdifferent、2nd different用来确定变量差分几阶,一般从level零阶开始检验,到1阶、2阶。
  • 根据变量是否有截距项、是否同时有截距和明显趋势项、都没有,来相应选择individual intercept、individualintercept and trend、none
  • 点击OK,出现结果,原假设是不平稳,P值小于0.05时认为变量平稳

③ 协整检验

  • 在pool界面中选择View—cointegrationtest—variables中输入待检验的变量,并选择截距情况
  • 点击OK,出现结果,none代表“有0个协整关系”、at most1为“至多一个协整关系”……拒绝none则意味着至少有一个协整关系。

④ 模型效应形式确定

此步中要检验模型是随机效应模型还是固定效应模型,思路是先建立随机效应模型,然后检验这种形式是否正确:

  • 建立随机效应模型:POOL—ESTIMATE。在dependent variable中填入因变量,在右边填入自变量,cross-section选择radom
  • 进行Hausman随机效应检验:View—Fixed/Random Effects Testing—Correlated Random Effects - Hausman Test。原假设是应该建立随机效应模型,如果P值小于0.05,则认为应该建立固定效应模型,否则建立随机效应模型。

⑤ 模型建立

如果单位根检验是同阶平稳的,协整关系存在,并确定了模型的形式(随机或固定),则可以建立正式模型。

  • POOL—ESTIMATE,选择自变量和因变量,并相应选择模型的形式,如果是固定效应Fixed,还可以选择不同的加权方法,以使得结果更加显著。

本文分享自微信公众号 - 数说工作室(shushuojun)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2014-08-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 面板数据与Eviews操作指南(上)

    假想,你现在需要分析2000-2014年,全国34个省级行政区基础建设投资对GDP的影响分析,或者说构建回归模型: GDP = a × 基础建设投资额 + e ...

    数说君
  • 主流CTR预估模型的演化及对比

    学习和预测用户的反馈对于个性化推荐、信息检索和在线广告等领域都有着极其重要的作用。在这些领域,用户的反馈行为包括点击、收藏、购买等。本文以点击率(CTR)预估为...

    数说君
  • 量化投资之动量反转

    量化投资投资之动量反转 微博:@数说工作室网站 微信公众号:数说工作室 那一年,你在我的有效市场里随机游走,不经意间毁灭了我的理性人假设。从此,维持...

    数说君
  • 学界 | 伯克利、OpenAI等提出基于模型的元策略优化强化学习

    强化学习领域近期取得的很多成就都是通过无模型强化学习算法 [1,2,3] 实现的。无模型(MF)算法倾向于实现最佳性能,通常可应用且易于实现。

    机器之心
  • 详解腾讯智能钛机器学习 TI-ML(文末有惊喜)

    腾讯研究院《2017全球人工智能人才白皮书》报告中提到,现全球AI领域人才约30万,而市场对人才的需求在百万量级,每年从各大高校毕业的学生约2万人,远远不能满足...

    腾讯云AI中心
  • 【集成电路】零基础让普通MCU跑人工智能!法国AI创企开发无监督学习软件系统

    2月27日消息,电气和电子工程师协会(IEEE)在其官网分享了一家名为Cartesiam的法国B2B软件开发公司的研发成果,该公司创立于2016年,主要面向人工...

    lujohn3li
  • 飞桨文字识别模型套件PaddleOCR首次开源,带来8.6M超轻量中英文OCR模型!

    OCR技术有着丰富的应用场景,包括已经在日常生活中广泛应用的面向垂类的结构化文本识别,如车牌识别、银行卡信息识别、身份证信息识别、火车票信息识别等等,此外,通用...

    用户1386409
  • 一张图等于 16x16 个字,计算机视觉也用上 Transformer 了

    Transformer是由谷歌于2017年提出的具有里程碑意义的模型,同时也是语言AI革命的关键技术。在此之前的SOTA模型都是以循环神经网络为基础(RNN, ...

    公众号机器学习与生成对抗网络
  • 告别CNN?一张图等于16x16个字,计算机视觉也用上Transformer了

    Transformer是由谷歌于2017年提出的具有里程碑意义的模型,同时也是语言AI革命的关键技术。在此之前的SOTA模型都是以循环神经网络为基础(RNN, ...

    AI科技大本营
  • 配置 SSH 端口转发,并设置开机启动

    为了降低运维成本,提高可靠性,物理服务器往往都不再部署在本地,IDC 托管成了更多企业的选择。服务器托管在 IDC 后,出于安全的考虑,不会直接开放所有服务器的...

    用户2443625

扫码关注云+社区

领取腾讯云代金券