面板数据分析简要步骤与注意事项（面板单位根检验—面板协整—回归分析） 面板数据分析方法： 面板单位根检验—若为同阶—面板协整—回归分析 —若为不同阶—序列变化—同阶建模随机效应模型与固定效应模型的区别不体现为R2的大小，固定效应模型为误差项和解释变量是相关，而随机效应模型表现为误差项和解释变量不相关。先用hausman检验是fixed 还是random，面板数据R-squared值对于一般标准而言，超过0.3为非常优秀的模型。不是时间序列那种接近0.8为优秀。另外，建议回归前先做stationary。很想知道随机效应应该看哪个R方？很多资料说固定看within，随机看overall，我得出的overall非常小0.03，然后within是53%。fe和re输出差不多，不过hausman检验不能拒绝，所以只能是re。该如何选择呢？ 步骤一：分析数据的平稳性（单位根检验） 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,Levin andLin(1993)很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al.(2002)的改进,提出了检验面板单位根的LLC法。Levin et al.(2002)指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250之间,截面数介于10～250之间)的面板单位根检验。Im et al.(1997)还提出了检验面板单位根的IPS法,但Breitung(2000)发现IPS法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。 由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher和PP-Fisher5种方法进行面板单位根检验。 其中LLC-T、BR-T、IPS-W、ADF-FCS、PP-FCS、H-Z分别指Levin,Lin&Chu t*
计量经济学案例分析 摘要：运用数理统计的R2p准则，简单、直观地确定了北京市城镇居民消费模型；并从计量经济学角度，结合消费函数的经济理论，通过对模型经济意义检验、统计检验、计量经济学检验以及模型预测检验等过程，对模型反复修正与改进，最终取得了与绝对收入假说下的消费模型相一致的北京市城镇居民消费模型。对所得模型进行预测检验，结果显示，计量经济模型较R2p所得模型更为合理、精确，对制定相关经济政策更具指导意义。 关键词：北京居民消费模型；R2p准则；序列相关性；异方差性；多重共线性；差分方程 北京市城镇居民消费函数模型 一切经济活动的目的是为了满足人们不断增长的消费需求。消费活动是经济活动的终点，也是经济活动的起点，是推动经济增长的真正的和持久的拉动动力。我国改革开放以来，整个社会经济发生了巨大变化，人们的消费理念。消费行为也发生了很大变化，因此，探讨、费希社会消费行为的规律，对制定宏观经济政策，打动经济增长具有十分重要的意义。 本文仅就北京市城镇居民这一消费群体，建立消费模型，从一个侧面来说明我国居民的消费行为。 1 模型变量的选择 经济社会中，影响消费的因素有很多，如：收入水平、收入分配情况、家庭财产状况、商品价格水平、消费者偏好等等。在我国，居民消费是在国内生产总值经过初次分配和再分配形成的，所以，国内生产总值是居民消费的一个影响因素。因此，居民消费支出的多少很大程度上取决于居民收入的状况，居民储蓄的增加也直接影响到消费支出，因此，北京市城镇的居民消费模型可以选择市城镇居民年人均可支配收入，年人均储蓄余额及是人均国内生产总值作为解释变量，以市城镇居民年人均消费支出作为被解释变量。 2样本数据及其理论模型 以t代表年份，C代表北京市城镇居民年人均消费额，Y代表十年人均国内生产总值，I代表市城镇人均可支配收入，S代表市城镇居民年人均储蓄余额，表I 列出了有关的统计数据：（注：由于EVIEWS软件默认值影响的缘故，故在图中分别用Y代表北京市城镇居民年人均消费额C，用X1代表十年人均国内生产总值Y，用X2代表市城镇人均可支配收入，用X3代表市城镇居民年人均储蓄余额S）：
计量经济学作业 题目: 中国居民总量消费函数的实例分析 院系：数学系 专业：信息与计算科学 组成员：赵山云、陈兴耀、贾梦、冉静飞、母军 学号： 成绩： 2012年5月8日
中国居民总量消费函数的实例分析 摘要 本例旨在针对我国1978-2009年的时间序列数据，从总体上考察中国居民收入与消费的关系。首先，我们综合了几种关于收入和消费的主要理论观点，进而建立了理论模型。然后，收集了相关的信息，利用EVIEWS软件对计量模型进行了参数估计和检验，并预测。最后对我们所得的结果进行了分析，并相应提出一些政策建议。 关键词：一元回归分析，最小二乘法。EVIEWS软件，模型检验，数据收集，预测。 1、问题重述 为了从总体上考察中国居民收入的关系，附录1中给出了中国名义支出法国内生产总值GDP，名义居民总消费CONS以及表示CPI（1978=100），并由这些数据整理出实际支出法国内生产总值GPPC=GDP/CPI，居民实际消费总支出Y=CONS/CPI，以及实际可支配收入X=(GDP-TAX)/CPI等时间序列数据。建立中国居民总量消费函数模型。 2、问题分析 对于时间序列数据，也可建立类似于截面数据的计量经济模型，并进行回归分析。运用最小二乘法建立一元回归模型；用拟合优度进行模型检验；运用点预测法则，置信区间预测法则进行预测。 3、模型假设 (1)、模型选择了正确的变量； (2)、模型选择了正确的函数形式； (3)、解释变量X在所抽取的样本中具有变异性，而且随着相关容量的增加，解释变量的样本方差趋于一个非零的有限常数； (4)、解释变量X是确定性变量不是随机变量在重复抽样中取固定值。 4、符号说明 X：实际可支配收入(单位：亿元） Y：实际消费总支出（单位：亿元）
MATLAB空间面板数据模型操作简介 MATLAB安装：在民主湖资源站上下载MA TLAB 2009a，或者2010a，按照其中的安装说明安装MATLAB。（MATLAB较大，占用内存较大，安装的话可能也要花费一定的时间） 一、数据布局： 首先我们说一下MA TLAB处理空间面板数据时，数据文件是怎么布局的，熟悉eviews的同学可能知道，eviews中面板数据布局是：一个省份所有年份的数据作为一个单元（纵截面：一个时间序列），然后再排放另一个省份所有年份的数据，依次将所有省份的数据排放完，如下图，红框中“1-94”“1-95”“1-96”“1-97”中，1是省份的代号，94,95,96,97表示年份，eviews是将每个省份的数据放在一起，再将所有省份堆放在一起。 与eviews不同，MATLAB处理空间面板数据时，面板数据的布局是（在excel中说明）：先排放一个横截面上的数据（即某年所有省份的数据），再将不同年份的横截面按时间顺序堆放在一起。如图：
这里需要说明的是，MA TLAB中省份的序号需要与空间权重矩阵中省份一一对应，我们一般就采用《中国统计年鉴》分地区数据中省份的排列顺序。（二阶空间权重矩阵我会在附件中给出）。 二、数据的输入： MATLAB与excel链接：在excel中点击“工具→加载宏→浏览”，找到MA TLAB的安装目录，一般来说，如果安装时没有修改安装路径，此安装目录为：C:\Programfiles\MATLAB\R2009a\toolbox\exlink，点击excllink.xla即可完成excel与MATLAB的链接。这样的话excel中的数据就可以直接导入MATLAB中形成MATLAB的数据文件。操作完成后excel 的加载宏界面如图： 选中“Spreadsheet Link EX3.0.3 for use with MATLAB”即表示我们希望excel 与MATLAB实现链
消费函数模型 消费函数是表示决定消费行为的函数，即消费与其决定因素之间的函数关系。消费函数与第二章所讨论的消费需求不同。消费需求是指消费者对各种商品（劳务）的需求，涉及消费支出在各项商品之间的分配；消费函数是研究人们的总消费需求，涉及收入在消费与储蓄之间的分配。 在现代经济中，消费支出占社会总收入的60%以上，消费的决定及其变动对宏观经济的发展起着重要的影响，因此，自凯恩斯在《就业利息和货币通论》（简称《通论》）中第一次提出消费函数理论以来，对消费函数的研究已成为经济学研究的一个重要领域，几乎所有的宏观经济模型中都有消费 函数。本章先讨论消费行为因素分析，接着介绍几种主要的消费函数理论，然后，对我国居民的消费 行为进行分析，举例说明中国城乡居民消费函数模型。 第一节消费者行为因素分析 消费函数取决于消费者的行为。影响消费者行为的因素很多，有社会的、历史的、经济的等多方面的因素，但最主要的是经济方面的因素。本章主要是分析影响消费者行为的经济因素。 由于消费函数理论是随着新古典经济学的产生而产生、新古典经济学的发展而发展起来的。因此，这里关于消费者行为因素分析是在新古典经济学的框架里进行。新古典经济理论关于消费者行为因素分析的假定分作两个方面：一是关于消费者行为外部环境的假定；二是关于消费者行为的内在假定。这里给出新古典经济理论关于消费者行为的一般性假定。 一、消费者行为外部环境假定 1、消费者选择自由这里假定消费者购买商品和劳务时选择是自由的，不受限量、配额和短缺的 约束。在不同的商品和劳务之间的选择，主要取决于其对商品和劳务的主观偏好，以及预算约束。 2、价格充分弹性在新古典经济理论中，价格具有充分弹性。即商品（劳务）的价格随着市场的 供给和需求的变化而变化，当供给大于需求时，价格下跌；反之，需求大于供给时，价格上升。 3、预算约束 预算约束是指消费者购买商品（劳务）受到其收入的约束，即 、Rq i 乞丫 (10.1.1) i 4 式中丫为消费者的收入，P i是第i种商品的价格，q i是对第i种商品消费的数量
中国居民消费函数的理论与验证 中国居民消费函数的理论与验证 消费函数不论是在经济学理论还是在经济政策实践中都具有重要意义。近年来中外学者运用现代经济学理论对中国消费函数进行了大量研究。概括起来讲，这些研究可分为两类：经验归纳和理论演绎。大多数中国学者倾向于采用经验归纳法，根据经验试验性地给出决定消费需求的有关变量，然后运用计量经济学方法计算出 消费函数的各解释变量的系数，并对回归结果进行统计检验，根据检验结果，增加一些变量或减去一些变量，直至得到令人满意的结果为止。主要采用理论演绎法的学者则试图从某种理论框架出发，并把中国的制度性特点考虑进去，从而推导出相应的结果，最后再对这些结果进行统计检验。采取演绎研究法的学者所依据的理论框架最多见的是西方经济学中的生命周期与永久收入假说。 一、生命周期与永久收入假说和中国消费者的行为特征 生命周期理论与永久收入假说认为，尽管居民的收入水平具有较大的变动性（逐渐增加或经常波动），一个典型居民总是试图使其整个一生的消费处于平稳状态，因而，居民是根据他所预期的今后一生中的收入而不是根据他的现实收入来决定其消费需求的。虽然生命周期理论与永久收入假说不尽相同，但它们的基本思想是相同的。图给出了生命周期理论的基本思想（见下页）。图表明，典型居民试图在其整个一生中都使消费水平保持在常数上。为达到这个目的，当他工作时，其收入中的一部分将用于储蓄，
直到资产达到最大值[]。在时间以后，居民退休因而不再得到工资收入。此后，居民开始花费储蓄以保证消费水平仍在的水平上。 附图;图; 图.生命周期理论（） 生命周期理论与永久收入假说在西方经济中得到了较好的验证。然而，在资本市场极其不完善、几乎不存在消费信贷的中国经济中，无论是生命周期理论还是永久收入假说都难以被应用于分析中国居民的消费行为。例如，按照生命周期与永久收入假说，消费者将尽量熨平一生中的消费波动，在收入低时负债，在收入高时储蓄；在盛年时期储蓄，在老年时期负储蓄。然而，在中国，不论是收入较低的年轻人还是收入较高的年长者都具有较高的储蓄倾向。对于中国居民消费行为的一系列特点，西方的传统消费理论是无法解释的，以这些理论为基础对中国居民的消费需求进行预测也难以取得令人满意的结果。因此，深入探讨适合中国国情的消费理论，并在此基础之上对中国居民消费需求的走势进行预测，从而为政府制定政策提供正确依据，不仅具有重大理论意义，而且具有重大现实意义。 要建立一个符合中国国情的消费函数，就必须首先观察中国居民消费行为的特点。中国居民消费行为的首要特点是，中国居民不是以一生为时间跨度（）来寻求效用最大化，其消费支出安排具有显著的阶段性。他们的一生通常可分为几个重要的阶段，例如，一种较典型的划分是：婚前、婚后、供养子女及退休等。中国消费者一般是集中力量实现当前阶段效用的最大化，而较少考虑未来阶段的消费和效用最大化。很难想象一个未婚的年轻人会想到其退休后的消费安排。这种“短视（）”行为可归因于这样的一
面板数据模型(P A N E L D A T A)F检验,固定效应检验1．面板数据定义。 时间序列数据或截面数据都是一维数据。例如时间序列数据是变量按时间得到的数据；截面数据是变量在截面空间上的数据。面板数据（panel data）也称时间序列截面数据（time series and cross section data）或混合数据（pool data）。面板数据是同时在时间和截面空间上取得的二维数据。面板数据示意图见图1。面板数据从横截面（cross section）上看，是由若干个体（entity, unit, individual）在某一时刻构成的截面观测值，从纵剖面（longitudinal section）上看是一个时间序列。 面板数据用双下标变量表示。例如 y i t, i= 1, 2, …, N; t= 1, 2, …, T N表示面板数据中含有N个个体。T表示时间序列的最大长度。若固定t不变，y i ., ( i= 1, 2, …, N)是横截面上的N个随机变量；若固定i不变，y. t, (t= 1, 2, …, T)是纵剖面上的一个时间序列（个体）。 图1 N=7，T=50的面板数据示意图 例如1990-2000年30个省份的农业总产值数据。固定在某一年份上，它是由30个农业总产总值数字组成的截面数据；固定在某一省份上，它是由11年农业总产值数据组成的一个时间序列。面板数据由30个个体组成。共有330个观测值。
对于面板数据y i t, i= 1, 2, …, N; t= 1, 2, …, T来说，如果从横截面上看，每个变量都有观测值，从纵剖面上看，每一期都有观测值，则称此面板数据为平衡面板数据（balanced panel data）。若在面板数据中丢失 若干个观测值，则称此面板数据为非平衡面板数据（unbalanced panel data）。注意：EViwes 、、既允许用平衡面板数据也允许用非平衡面板数据估计模型。 例1（file:panel02）：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（不变价格）和人均收入数据见表1和表2。数据是7 年的，每一年都有15个数据，共105组观测值。 人均消费和收入两个面板数据都是平衡面板数据，各有15个个体。人均消 费和收入的面板数据从纵剖面观察分别见图2和图3。从横截面观察分别见图4和图5。横截面数据散点图的表现与观测值顺序有关。图4和图5中人均消费和收入观测值顺序是按地区名的汉语拼音字母顺序排序的。 表1 1999-2002年中国东北、华北、华东15个省级地区的居民家庭人均消 费数据（不变价格） 地区人均消费1996 1997 1998 1999 2000 2001 2002 CP-AH（安徽） CP-BJ（北京） CP-FJ（福建） CP-HB（河北）
现代消费者研究(市场调查中的一个重要环节)以实证主义方法为主流，实证主义的研究方法源于自然科学，包括实验、调查、观察法，其结果是对比较大的总体进行描述、检查和推理，收集的数据是量化的实际数据，并利用计算对它进行统计分析。 研究是探寻消费者行为规律、消费行为发生的原因、影响因素以及消费者行为之间的关系，研究不是毫无目的的收集消费行为方面的事实和信息，也不是不加解释地拼凑和记录消费行为的事实和信息而我们消费者行为研究的目的是去发现，去系统的收集数据资料、并系统的收集解释数据资料。 我们如何设计研究方法要定义所需要的信息有哪些，进而思考和说明测量工具的设计程序；设计调查问卷、访谈表、或者其它数据资料收集表格，并进行预测调查；最后我们要制定数据分析计划。数据资料收集的具体方法有：调查法、观察法、实验法消费者研究方法分析 1、聚类分析：根据研究对象间的相似性进行分类，对市场进行分层，寻找竞争对手从统计学的观点看，聚类分析是通过数据建模简化数据的一种方法。采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中，如SPSS、SAS等。聚类分析还可以作为其他算法（如分类和定性归纳算法）的预处理步骤。 2、回归分析：寻找某些事物的影响因素及其描述其影响程度。还可用于对某些事物的预测。回归分析是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。 3、因子分析：因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。 4、差异性检验和方差分析：分析和检验不同类别或变量间是否存在显著差异方差分析是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有显著影响的变量。由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。 6、对应分析：用于探索和研究各分类变量之间的关系对应分析(Correspondence analysis)也称关联分析、R-Q型因子分析，是近年新发展起来的一种多元相依变量统计分析技术，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。主要应用在市场细分、产品定位、地质研究以及计算机工程等领域中。原因在于，它是一种视觉化的数据分析方法，它能够将几组看不出任何联系的数据，通过视觉上可以接受的定位图展现出来。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。它最大特点是能把众多的样品和众多的变量同时作到同一张图解上，将样品的大类及其属性在图上直观而又明了地表示出来，具有直观性。另外，它还省去了因子选择和因子轴旋转等复杂的数学运算及中间过程，可以从因子载荷图上对样品进行直观的分类，而且能够指示分类的主要参数（主因子）以及分类的依据，是一种直观、简单、方便的多元统计方法。对应分析法整个处理过程由两部分组成：表格和关联图。对应分析法中的表格是一个二维的表格，由行和列组成。每一行代表事物的一个属性，依次排开。列则代表不同的事
面板数据分析简要步骤与注意事项 面板单位根—面板协整—回归分析) 步骤一：分析数据的平稳性(单位根检验) 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实 际意义的。这种情况称为称为虚假回归或伪回归( spurious regression )。他认为平稳的真正含义是：一个时间序列剔除了不变的均值(可视为截距)和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和(或)截距项，从而为进一步的单位根检验的检验模式做准备。单位根检验方法的文献综述：在非平稳的面板数据渐进过程中 ,Levin andLin(1993) 很早就发现这些估计量的极限分布是高斯分布 , 这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al. (2002) 的改进, 提出了检验面板单位根的LLC法。Levin et al. (2002)指出,该方法允许不同截距和时间趋势，异方差和高阶序列相关，适合于中等维度(时间序列介于25?250之间，截面数介于10?250之间)的面板单位根检验。Im et al. (1997) 还提出了检验面板单位根的 IPS 法, 但 Breitung(2000) 发现 IPS 法对限定性趋势的设定极为敏感 , 并提出了面板单位根检验的 Breitung 法。Maddala and Wu(1999)又提出了 ADF-Fisher 和 PP-Fisher 面板单位根检验方法。 由上述综述可知，可以使用 LLC、IPS、Breintung 、ADF-Fisher 和 PP-Fisher5 种方法进行面板单位根检验。其中LLC-T 、BR-T、IPS-W 、ADF-FCS、PP-FCS、H-Z 分 别指 Levin, Lin & Chu t* 统计量、 Breitung t 统计量、 lm Pesaran & Shin W 统 量、计 ADF- Fisher Chi-square 统计量、PP-Fisher Chi-square 统计量、Hadri Z 统计 量，并且 Levin, Lin & Chu t* 统计量、 Breitung t 统计量的原假设为存在普通的单位根过程， lm Pesaran & Shin W 统计量、 ADF- Fisher Chi-square 统计量、 PP-Fisher Chi-square 统计量的原假设为存在有效的单位根过程， Hadri Z 统计量的检验原假设为不存在普通的单位根过程。 有时，为了方便，只采用两种面板数据单位根检验方法，即相同根单位根检验 LLC(Levin-Lin-Chu )检验和不同根单位根检验 Fisher-ADF 检验(注：对普通序列(非面板序列)的单位根检验方法则常用 ADF检验)，如果在两种检验中均拒绝存在单位根的原假设则我 们说此序列是平稳的，反之则不平稳。 如果我们以 T(trend )代表序列含趋势项，以 I (intercept )代表序列含截距项， T&I 代表两项都含，N (none)代表两项都不含，那么我们可以基于前面时序图得出的结论，在单位根检验中选择相应检验模式。 但基于时序图得出的结论毕竟是粗略的，严格来说，那些检验结构均需一一检验。具体操作可以参照李子奈的说法：ADF检验是通过三个模型来完成，首先从含有截距和趋势项的模型开始，再检验只含截距项的模型，最后检验二者都不含的模型。并且认
转载：面板数据分析的思路和Eviews操作： 面板数据一般有三种：混合估计模型；随机效应模型和固定效应模型。首先，第一步是作固定效应和随机效应模型的选择，一般是用Hausman检验。 如果你选用的是所有的企业，反映的是总体的效应，则选择固定效应模型，如果你选用的是抽样估计，则要作Hausman检验。这个可以在Eviews 5.1里头做。 H0：应该建立随机效应模型。 H1：应该建立固定效应模型。 先使用随机效应回归，然后做Hausman检验，如果是小概率事件，拒绝原假设则应建立固定效应模型，反之，则应该采用随机效应模型进行估计。 第二步，固定效应模型分为三种：个体固定效应模型、时刻固定效应模型和个体时刻固定效应模型（这三个模型的含义我就不讲了，大家可以参考我列的参考书）。如果我们是对个体固定，则应选择个体固定效用模型。但是，我们还需作个体固定效应模型和混合估计模型的选择。所以，就要作F值检验。相对于混合估计模型来说，是否有必要建立个体固定效应模型可以通过F检验来完成。 H0：对于不同横截面模型截距项相同（建立混合估计模型）。SSEr H1：对于不同横截面模型的截距项不同（建立时刻固定效应模型）。SSEu
F统计量定义为：F=[( SSEr - SSEu)/(T+k－2)]/[ SSEu/(NT-T-k)] 其中，SSEr，SSEu分别表示约束模型（混合估计模型的）和非约束模型（个体固定效应模型的）的残差平方和（Sum squared resid）。非约束模型比约束模型多了T–1个被估参数。需要指出的是：当模型中含有k 个解释变量时，F统计量的分母自由度是NT-T- k。通过对F统计量我们将可选择准确、最佳的估计模型。 在作回归是也是四步：第一步，先作混合效应模型：在cross-section 一栏选择None ，Period也是None；Weights是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEr 第二步：作个体固定效用模型：在cross-section 一栏选择Fixed ，Period也是None；Weights是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEu 第三步：根据公式F=[( SSEr - SSEu)/(T+k－2)]/[ SSEu/(NT-T-k)]。计算出结果。其中，T为年数，不管我们的数据是unbalance还是balance 看observations就行了，也即Total pool (balanced) observations:的值，但是如果是balance我们也可以计算，也即是每一年的企业数的总和。比如说我们研究10年，每一年又500加企业，则NT＝10×500＝5000。K为解释变量，不含被解释变量。 第四步，根据计算出来的结果查F值分布表。看是否通过检验。检验准则：当F> Fα(T-1, NT-T-k) , α=0.01,0.05或0.1时，拒绝原假设，则结论是应该建立个体固定效应模型，反之，接受原假设，则不能建立个体固定效应模型。
07-08 复习题-经济模型及应用 第七章单方程计量经济学应用模型 一、内容题要 本章主要介绍了若干种单方程计量经济学模型的应用模型。包括生产函数模型、需求函数模型、消费函数模型以及投资函数模型、货币需求函数模型等经济学领域常见的函数模型。本章所列举的内容更多得关注了相关函数模型自身的发展状况，而不是计量模型估计本身。其目的，是使学习者了解各函数模型是如何发展而来的，即掌握建立与发展计量经济学应用模型的方法论。 生产函数模型，首先介绍生产函数的几个基本问题，包括它的定义、特征、发展历程等，并对要素的替代弹性、技术进步的相概念进行了归纳。然后分别以要素之间替代性质的描述为线索与以技术要素的描述这线索介绍了生产函数模型的发展，前者包括从线性生产函数、C-D生产函数、不变替代弹性（CES）生产函数、变替代弹性（VES）生产函数、多要素生产函数到超越对数生产函数的介绍；后者包括对技术要素作为一个不变参数的生产函数模型、改进的C-D、CES生产函数模型、含体现型技术进步的生产函数模型、边界生产函数模型的介绍。最后对各种类型的生产函数的估计以及在技术进步分析中的应用进行了了讨论。 与生产函数模型相仿，需求函数模型仍是从基本概念、基本特性、各种需求函数的类型及其估计方法等方面进行讨论，尤其是对线性支出系统需求函数模型的发展及其估计问题进行了较详细的讨论。 消费函数模型部分，主要介绍了几个重要的消费函数模型及其参数估计问题，包括绝对收入假设消费函数模型、相对收入假设消费函数模型、生命周期假设消费函数模型、持久收入假设消费函数模型、合理预期的消费函数模型适应预期的消费函数模型。并对消费函数的一般形式进行了讨论。 在其他常用的单方程应用模型中主要介绍了投资函数模型与货币需求函数模型，前者主要讨论了加速模型、利润决定的投资函数模型、新古典投资函数模型；后者主要讨论了古典货币学说需求函数模型、Keynes货币学说需求函数模型、现代货币主义的货币需求函数模型、后Keynes货币学说需求函数模型等。
面板数据的分析步骤 面板数据的分析方法或许我们已经了解许多了，但是到底有没有一个基本的步骤呢？那些步骤是必须的？这些都是我们在研究的过程中需要考虑的，而且又是很实在的问题。面板单位根检验如何进行？协整检验呢？什么情况下要进行模型的修正？面板模型回归形式的选择？如何更有效的进行回归？诸如此类的问题我们应该如何去分析并一一解决？以下是我近期对面板数据研究后做出的一个简要总结，和大家分享一下，也希望大家都进来讨论讨论。 步骤一：分析数据的平稳性（单位根检验） 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。 单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,Levin andLin(1993) 很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al. (2002)的改进,提出了检验面板单位根的LLC 法。Levin et al. (2002) 指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250 之间,截面数介于10～250 之间) 的面板单位根检验。Im et al. (1997) 还提出了检验面板单位根的IPS 法,但Breitung(2000) 发现IPS 法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung 法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。 由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher5种方法进行面板单位根检验。 其中LLC-T 、BR-T、IPS-W 、ADF-FCS、PP-FCS 、H-Z 分别指Levin, Lin & Chu t* 统计量、Breitung t 统计量、lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square 统计量、Hadri Z统计量，并且Levin, Lin & Chu t* 统计量、Breitung t统计量的原假设为存在普通的单位根过程，lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square统计量的原假设为存在有效的单位根过程，Hadri Z统计量的检验原假设为不存在普通的单位根过程。 有时，为了方便，只采用两种面板数据单位根检验方法，即相同根单位根检验LLC （Levin-Lin-Chu）检验和不同根单位根检验Fisher-ADF检验（注：对普通序列（非面板序列）的单位根检验方法则常用ADF检验），如果在两种检验中均拒绝存在单位根的原假设则我们
消费函数理论在我国的适用性研究 [摘要]当前，在利率连续下调及收入增长趋缓的情况下，我国居民的储蓄额仍高速增长的态势，造成了我国居民消费需求的疲软。消费函数理论的形成和发展主要表现为四个假说，凯恩斯的绝对收入假说；杜森贝里的相对收入假说；弗里德曼的持续收入假说和莫迪里安尼的生命周期假说。本文将通过统计建模来检验哪一种消费函数模型更适用于我国当前现状，并因此分析我国当前收入分配差距对于居民消费水平的影响，解释消费不足的原因。通过使用E.G协整检验进行长期均衡分析，继而建立ECM模型，并在此基础上进行Granger因果关系检验；分析结果表明两者间存在长期的协整关系以及单向因果关系。 [关键词]消费函数；收入假说；收入分配差距；计量模型；协整检验 1 消费函数理论及我国当前消费现状 1.1 相关理论阐释 （1）绝对收入假说：凯恩斯认为，实际消费支出和实际收入之间有稳定的函数关系，即消费随当前收入的增加而增长，且边际消费倾向是递减的。 （2）相对收入假说：杜森贝里认为，消费具有“不可逆性”，即不仅受本人目前收入的影响，而且受自己过去收入和消费的影响。 （3）持续收入假说：弗里德曼将收费者的收入分为一时收入和持久收入，将消费者的消费分为一时消费和持久消费，其中只有持久收入和持久消费之间存在固定的比率关系。所谓持续收入是指连续三年及以上的稳定收入。 （4）生命周期假说：莫迪里安尼以人的生命周期为线索，强调了消费与财产之间的关系。该假说认为每个人在少年、壮年、老年三个时期的消费支出是不一样的，每个人在每个时期的消费不仅依赖于某一时期的收入，也依赖于一生中各个时期的收入。 1.2 我国消费领域现状 改革开放以来，我国居民消费水平不断提高和消费结构转换成为我国经济高速增长的主要动力。但近几年来国内消费领域出现了一些可能影响国民经济发展全局的隐忧，其中最为突出的是消费率呈现不断下降的趋势，且明显低于同期统计水平。消费率过低而储蓄率过高将可能导致我国经济增长在今后一段时期内受到国内市场需求的严重制约。 2 模型选择及参数估计 2.1 变量指标及数据来源说明
我国居民消费水平的计量分析 摘要：改革开放以来，我国居民收入与消费水平不断提高，居民消费结构升级和消费需求扩张成为我国经济高速增长的主要动力，随着国家经济实力的增强,随着教育事业的跨越发展,国家对不同阶段、不同领域、不同地域的经济社会发展大量采用科学、定量、求实的预测、指导方法,摒弃太多的人为影响,所作出的决策越来越切合实际,而效果亦愈来愈好;而这其中,计量分析方法功不可没。所以国家制定并实施了一系列相关财政及货币政策来刺激消费，增加居民投资的作用，居民消费虽有增长却不能支撑整个国民经济的发展。不管从宏观还是微观来分析，我国居民最终消费支出都直接影响到我国的国民经济运行及整个经济的发展，所以对我国居民最终消费支出的问题进行研究是必不可少的，而且十分重要。我们可以运用研究的结果来分析现状并制定正确的应对方针。消费是经济活动的起点和归宿，也是推动经济增长的重要因素。 关键字：居民消费税收CPI 引言：居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存，发展和享受需要方面所达到的程度。居民消费是指花费在最终商品与服务上且能符合需要和获得满意的各项开支，是GDP中最大的组成部分。通过分析影响居民消费水平的因素，探究居民消费水平不断提高的主要原因，及时把握国民经济发展格局中居民消费需求变动趋势，制定符合我国现阶段情况的国民消费政策，对于提高我国经济增长速度和质量都有重要意义。 一、模型设定 （一）理论综述 对决定消费的主要因素,国外学术界有两种主要不同的理论观点:一种是凯恩斯主义消费函数,强调现期消费主要取决于现期收入,随着可支配收入增加,消费也增加。这种消费理论主要强调的是用收入来解释消费,也叫绝对收入假说。他指出的是消费增长与收入增长之间是一种非比例关系。另一种是面向未来的消费函数,强调消费对一生总财富的依赖,以及储蓄在稳定消费中的作用——莫迪利阿尼的生命周期理论强调为退休后的生活而储蓄的重要性;弗里德曼的持久收入假说强调储蓄在稳定高收入年份和低收入年份之间消费的作用,他强调的是持久性收入影响消费支出,而暂时性收入对消费支出的影响是通过对持久收入的影响而发生的,它的变动只会引起消费的波动,消费时持久性收入的稳定函数,而且消费的边际倾向没有递减。因此,消费不完全取决于现期收入。但是,经济学家大量经验观察说明,消费更多依赖于现期收入,主要原因，一是当居民收入下降或担心失业时,他可能会推迟或削减耐用品购买,现期消费就减少;二是当居民收入下降时,消费信贷会受到配额限制,他就不得不削减现期消费。简要的说,一种强调现期消费主要取决于现期收入。事实表明,两种因素同时对消费起着作用。 （二）变量选取 消费的决定因素包括：当期可支配收入、个人财富、物价指数、货币流通量以及永久收入等等。并且认为收入增加消费增加,收入减少消费难以减少,主要因素为实际可支配收入。 可支配收入是指国民收入减去所有家庭和公司交纳的直接税，再减去企业净储蓄，最后加上家庭从政府那里获得的转移支付。由于可支配收入计算易出现误差,且可支配收入最终仍然由国民收入决定且与国民收入值差距不大，所以我们采用国民收入代替计算。 货币流通量指货币离开金库在市场上流通的货币数量。投放货币就增加了货币流通量，反之，回笼货币就减少了货币流通量。增加或减少货币流通量主要是适应经济和社会发展需要。货币流通量过少，不能满足商品交换的需要，就会影响经济发展；货币流通量过多，超出了商品交换的需要，就会出现通货膨胀，同样会影响经济的增长。 城市居民消费价格指数是反映城市职工及其家庭所购买的生活消费品和服务项目价格
MATLAB 空间面板数据模型操作简介 MATLAB 安装： 在民主湖资源站上下载 MA TLAB 2009a ，或者 2010a ，按照其中的安装说明 安装 MATLAB 。（ MATLAB 较大，占用内存较大，安装的话可能也要花费一定的时间） 一、数据布局 首先我们说一下 MA TLAB 处理空间面板数据时，数据文件是怎么布局的，熟悉 eviews 的同学 可能知道， eviews 中面板数据布局是：一个省份所有年份的数据作为一个单元（纵截面：一个时间 序列），然后再排放另一个省份所有年份的数据，依次将所有省份的数据排放完，如下图，红框中 “1-94”“1-95” “1-96” “ 1-97”中， 1是省份的代号， 94,95,96,97 表示年份， eviews 是将每个省 份的数据放在一起，再将所有省份堆放在一起。 与 eviews 不同， MATLAB 处理空间面板数据时，面板数据的布局是（在 excel 中说明）： 先排 放一个横截面上的数据（即某年所有省份的数据） ，再将不同年份的横截面按时间顺序堆放在一起。 如图：
这里需要说明的是， MA TLAB 中省份的序号需要与空间权重矩阵中省份一一对应，我们一般就采用《中国统计年鉴》分地区数据中省份的排列顺序。（二阶空间权重矩阵我会在附件中给出）。二、数据的输入： MATLAB 与 excel链接：在 excel中点击“工具→加载宏→浏览” ，找到 MA TLAB 的安装目录，一般来说，如果安装时没有修改安装路径，此安装目录为： C:\Programfiles\MATLAB\R2009a\toolbox\exlink ，点击 excllink.xla 即可完成 excel 与 MATLAB 的链接。这样的话 excel 中的数据就可以直接导入 MATLAB 中形成 MATLAB 的数据文件。操作完成后 excel 的加载宏界面如图： 选中“Spreadsheet Link EX3.0.3 for use with MATLAB ”即表示我们希望 excel 与
消费者行为分析模型
消费者行为模型的演变 AIDMA，是1920年代美国营销广告专家山姆·罗兰·霍尔（Samuel Roland Hall）在其著作中阐述广告宣传对消费者心理过程缩写。该理论认为，消费者从接触到信息到最后达成购买，会经历这5个阶段： A：Attention（引起注意）——花哨的名片、提包上绣着广告词等被经常采用的引起注意的方法 I:Interest （引起兴趣）——一般使用的方法是精制的彩色目录、有关商品的新闻简报加以剪贴。 D:Desire（唤起欲望）——推销茶叶的要随时准备茶具，给顾客沏上一杯香气扑鼻的浓茶，顾客一品茶香体会茶的美味，就会产生购买欲。推销房子的，要带顾客参观房子。餐馆的入口处要陈列色香味具全的精制样品，让顾客倍感商品的魅力，就能唤起他的购买欲。 M:Memory（留下记忆）——一位成功的推销员说：“每次我在宣传自己公司的产品时，总是拿着别公司的产品目录，一一加以详细说明比较。因为如果总是说自己的产品有多好多好，顾客对你不相信。反而想多了解一下其他公司的产品，而如果你先提出其他公司的产品，顾客反而会认定你自己的产品。” A:Action（购买行动）——从引起注意到付诸购买的整个销售过程，推销员必须始终信心十足。过分自信也会引起顾客的反感，以为你在说大话、吹牛皮，从而不信任你的话。 AISAS模型是由电通公司针对互联网与无线应用时代消费者生活的变 化，于2005年提出的一种全新的消费者行为分析模型。电通公司注意到目前营销方式正从传统的AIDMA营销法则逐渐向含有网络特质的AISAS发展。理论模型如下: A：Attention（引起注意）：顾客从互联网的各个角落看到我们的信息，从而引起他们的注意。 I：Interest（提起兴趣）：这个阶段顾客可能从我们的信息中发掘到了他需求的东西从而提起了对我们信息的兴趣。 S：Search（信息搜寻）：顾客对我们的信息或者产品提起了兴趣，那么他就会从他熟知的互联网各个角度去分析对比相关信息。 A：Action（购买行动）：通过了上个层次的分析对比客户最终作出了购买决定。 S：Share（与人分享）：客户购买后通常会在互联网上进行分享，比如:微博，博客，SNS等等。