Eviews面板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：

yitikxkituit (1)

k2

K

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：

H0:123N10

(RRSSURSS)F

F(N1,N(T1)K1)

NTNK1)

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：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。

。 H0：i。模型中不同个体的截距相同（真实模型为混合回归模型）模型中不同个体的截距项i不同（真实模型为个体固定效应回归模型）。 H1：

对模型进行检验：

（4965275-2259743==7.69F（14,90）F=18023. 0.05

NTNK1)

(RRSSURSS)

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：

Consumeit596.500.69Incomeit53.23D1592.44D2...230.16D15

(6.64) (49.55) R20.99,SSEr2259743

其中虚拟变量D1,D2,...,D15的定义是：

1,如果属于第i个个体,i1,2,...,15

Di

0,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：

yittkxkituit (2)

k2

K

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。

。 H0：i。模型中不同个体的截距相同（真实模型为混合回归模型）

H1：模型中不同个体的截距项t不同（真实模型为时间固定效应回归模型）。

对模型进行检验：

（4965275-4080749=3.54F（6,98）F==219. 0.05

NTTK1)

(RRSSURSS)

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：

Consuime2.60.78P1114DtitI

1237.D5...7

9D7.7

(76.0) R20.986,SSE4080749

其中虚拟变量D1,D2,...,D7的定义是：

1,如果属于第t个截面，t=1996,...,2002

Dt

0,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：

yitttkxkituit (3)

k2

K

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）

得到结果如下：

Dependent Variable: CONSUME? Method: Pooled Least Squares Date: 07/21/14 Time: 15:44 Sample: 1996 2002 Included observations: 7 Cross-sections included: 15

Total pool (balanced) observations: 105

Variable C INCOME? Fixed Effects (Cross)

AH--C BJ--C FJ--C HB--C HLJ--C JL--C JS--C JX--C LN--C NMG--C SD--C SH--C

Coefficient 806.6751 0.653338 -94.50854 698.0132 -18.86465 -200.3997 -246.3712 -54.16421 -31.26919 -392.9844 47.39508 -284.2660 -150.8912 465.4906

11

Std. Error 221.2143 0.034541

t-Statistic 3.646578 18.91504

Prob. 0.0005 0.0000

SX--C TJ--C ZJ--C

Fixed Effects (Period)

1996--C 1997--C 1998--C 1999--C 2000--C 2001--C 2002--C

-152.6560 103.9569 311.5193 -59.12373 17.95469 -31.45564 -57.24042 36.24382 -29.26415 122.8854

4981.017 1700.985 13.12288 13.67895 13.34821 1.455623

Effects Specification

Cross-section fixed (dummy variables) Period fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.993278 Mean dependent var 0.991577 S.D. dependent var 156.1067 Akaike info criterion 2022652. Schwarz criterion -666.9514 Hannan-Quinn criter. 584.0406 Durbin-Watson stat 0.000000

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。

H0：1=2=N1和1=2==T10： 对模型进行检验：

(RRSSURSS)（4965275-2022652）=5.83F（20,83）F==17. 0.05

NTTNK1)所以推翻原假设，可以建立个体时点固定效应回归模型

12

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：

yitikxkituit (1)

k2

K

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：

H0:123N10

(RRSSURSS)F

F(N1,N(T1)K1)

NTNK1)

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：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。

。 H0：i。模型中不同个体的截距相同（真实模型为混合回归模型）模型中不同个体的截距项i不同（真实模型为个体固定效应回归模型）。 H1：

对模型进行检验：

（4965275-2259743==7.69F（14,90）F=18023. 0.05

NTNK1)

(RRSSURSS)

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：

Consumeit596.500.69Incomeit53.23D1592.44D2...230.16D15

(6.64) (49.55) R20.99,SSEr2259743

其中虚拟变量D1,D2,...,D15的定义是：

1,如果属于第i个个体,i1,2,...,15

Di

0,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：

yittkxkituit (2)

k2

K

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。

。 H0：i。模型中不同个体的截距相同（真实模型为混合回归模型）

H1：模型中不同个体的截距项t不同（真实模型为时间固定效应回归模型）。

对模型进行检验：

（4965275-4080749=3.54F（6,98）F==219. 0.05

NTTK1)

(RRSSURSS)

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：

Consuime2.60.78P1114DtitI

1237.D5...7

9D7.7

(76.0) R20.986,SSE4080749

其中虚拟变量D1,D2,...,D7的定义是：

1,如果属于第t个截面，t=1996,...,2002

Dt

0,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：

yitttkxkituit (3)

k2

K

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）

得到结果如下：

Dependent Variable: CONSUME? Method: Pooled Least Squares Date: 07/21/14 Time: 15:44 Sample: 1996 2002 Included observations: 7 Cross-sections included: 15

Total pool (balanced) observations: 105

Variable C INCOME? Fixed Effects (Cross)

AH--C BJ--C FJ--C HB--C HLJ--C JL--C JS--C JX--C LN--C NMG--C SD--C SH--C

Coefficient 806.6751 0.653338 -94.50854 698.0132 -18.86465 -200.3997 -246.3712 -54.16421 -31.26919 -392.9844 47.39508 -284.2660 -150.8912 465.4906

11

Std. Error 221.2143 0.034541

t-Statistic 3.646578 18.91504

Prob. 0.0005 0.0000

SX--C TJ--C ZJ--C

Fixed Effects (Period)

1996--C 1997--C 1998--C 1999--C 2000--C 2001--C 2002--C

-152.6560 103.9569 311.5193 -59.12373 17.95469 -31.45564 -57.24042 36.24382 -29.26415 122.8854

4981.017 1700.985 13.12288 13.67895 13.34821 1.455623

Effects Specification

Cross-section fixed (dummy variables) Period fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.993278 Mean dependent var 0.991577 S.D. dependent var 156.1067 Akaike info criterion 2022652. Schwarz criterion -666.9514 Hannan-Quinn criter. 584.0406 Durbin-Watson stat 0.000000

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。

H0：1=2=N1和1=2==T10： 对模型进行检验：

(RRSSURSS)（4965275-2022652）=5.83F（20,83）F==17. 0.05

NTTNK1)所以推翻原假设，可以建立个体时点固定效应回归模型

12