当前位置：文档之家 › eviews面板数据实例分析(包会)

eviews面板数据实例分析(包会)

  • 格式：doc
  • 大小：816.50 KB
  • 文档页数：22

1.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9.1，9.2和9.3。

表9.1 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

人均消费 1996 1997 1998 1999 2000 2001 2002

CONSUMEAH 3607.43 3693.55 3777.41 3901.81 4232.98 4517.65 4736.52

CONSUMEBJ 5729.52 6531.81 6970.83 7498.48 8493.49 8922.72 10284.6

CONSUMEFJ 4248.47 4935.95 5181.45 5266.69 5638.74 6015.11 6631.68

CONSUMEHB 3424.35 4003.71 3834.43 4026.3 4348.47 4479.75 5069.28

CONSUMEHLJ 3110.92 3213.42 3303.15 3481.74 3824.44 4192.36 4462.08

CONSUMEJL 3037.32 3408.03 3449.74 3661.68 4020.87 4337.22 4973.88

CONSUMEJS 4057.5 4533.57 4889.43 5010.91 5323.18 5532.74 6042.6

CONSUMEJX 2942.11 3199.61 3266.81 3482.33 3623.56 3894.51 4549.32

CONSUMELN 3493.02 3719.91 3890.74 3989.93 4356.06 4654.42 5342.64

CONSUMENMG 2767.84 3032.3 3105.74 3468.99 3927.75 4195.62 4859.88

CONSUMESD 3770.99 4040.63 4143.96 4515.05 5022 5252.41 5596.32

CONSUMESH 6763.12 6819.94 6866.41 8247.69 8868.19 9336.1 10464

CONSUMESX 3035.59 3228.71 3267.7 3492.98 3941.87 4123.01 4710.96

CONSUMETJ 4679.61 5204.15 5471.01 5851.53 6121.04 6987.22 7191.96

CONSUMEZJ 5764.27 6170.14 6217.93 6521.54 7020.22 7952.39 8713.08

表9.2 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

人均收入 1996 1997 1998 1999 2000 2001 2002

INCOMEAH 4512.77 4599.27 4770.47 5064.6 5293.55 5668.8 6032.4

INCOMEBJ 7332.01 7813.16 8471.98 9182.76 10349.69 11577.78 12463.92

INCOMEFJ 5172.93 6143.64 6485.63 6859.81 7432.26 8313.08 9189.36

INCOMEHB 4442.81 4958.67 5084.64 5365.03 5661.16 5984.82 6679.68

INCOMEHLJ 3768.31 4090.72 4268.5 4595.14 4912.88 5425.87 6100.56

INCOMEJL 3805.53 4190.58 4206.64 4480.01 4810 5340.46 6260.16

INCOMEJS 5185.79 5765.2 6017.85 6538.2 6800.23 7375.1 8177.64

INCOMEJX 3780.2 4071.32 4251.42 4720.58 5103.58 5506.02 6335.64

INCOMELN 4207.23 4518.1 4617.24 4898.61 5357.79 5797.01 6524.52

INCOMENMG 3431.81 3944.67 4353.02 4770.53 5129.05 5535.89 6051

INCOMESD 4890.28 5190.79 5380.08 5808.96 6489.97 7101.08 7614.36

INCOMESH 8178.48 8438.89 8773.1 10931.64 11718.01 12883.46 13249.8

INCOMESX 3702.69 3989.92 4098.73 4342.61 4724.11 5391.05 6234.36

INCOMETJ 5967.71 6608.39 7110.54 7649.83 8140.5 8958.7 9337.56

INCOMEZJ 6955.79 7358.72 7836.76 8427.95 9279.16 10464.67 11715.6

表9.3 1996—2002年中国东北、华北、华东15个省级地区的消费者物价指数

（1）建立面板数据工作文件

首先建立工作文件。打开工作文件后，过程如下：

物价指数 1996 1997 1998 1999 2000 2001 2002

PAH 109.9 101.3 100 97.8 100.7 100.5 99

PBJ 111.6 105.3 102.4 100.6 103.5 103.1 98.2

PFJ 105.9 101.7 99.7 99.1 102.1 98.7 99.5

PHB 107.1 103.5 98.4 98.1 99.7 100.5 99

PHLJ 107.1 104.4 100.4 96.8 98.3 100.8 99.3

PJL 107.2 103.7 99.2 98 98.6 101.3 99.5

PJS 109.3 101.7 99.4 98.7 100.1 100.8 99.2

PJX 108.4 102 101 98.6 100.3 99.5 100.1

PLN 107.9 103.1 99.3 98.6 99.9 100 98.9

PNMG 107.6 104.5 99.3 99.8 101.3 100.6 100.2

PSD 109.6 102.8 99.4 99.3 100.2 101.8 99.3

PSH 109.2 102.8 100 101.5 102.5 100 100.5

PSX 107.9 103.1 98.6 99.6 103.9 99.8 98.4

PTJ 109 103.1 99.5 98.9 99.6 101.2 99.6

PZJ 107.9 102.8 99.7 98.8 101 99.8 99.1 建立面板数据库。

在窗口中输入15个不同省级地区的标识。

（2）定义序列名并输入数据

产生3*15个尚未输入数据的变量名。这样可以通过键盘输入或黏贴的方法数据数据。

（3）估计、选择面板模型

打开一个pool窗口，先输入变量后缀（所要使用的变量）。点击Estimate，打开估计窗口。

A.混合模型的估计方法

左边的Common表示相同系数，即表示不同个体有相同的斜率。

得到如下输出结果：

相应的表达式是：

ˆ129.630.76ititCPIP

(2.0) (79.7) 20.98,4824588rRSSE

上式表示15个省级地区的城镇人均指出平均占收入的76%。

B.个体固定效应回归模型的估计方法

将截距项选择区选Fixed effects（固定效应）

得到如下输出结果：

相应的表达式为：

1215ˆ515.60.7036.3537.6...198.6ititCPIPDDD

(6.3) (55) 20.99,2270386rRSSE

其中虚拟变量1215,,...,DDD的定义是：

1,1,2,...,150,iiiD如果属于第个个体,其他

15个省级地区的城镇人均指出平均占收入70%。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。

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。

0H：i。模型中不同个体的截距相同（真实模型为混合回归模型）。

1H：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）。

F统计量定义为：

()/[(1)()]()/(1)/()/()ruruuuSSESSENTkNTNkSSESSENFSSENTNkSSENTNk

其中rSSE表示约束模型，即混合估计模型的残差平方和，uSSE表示非约束模型，即个体固定效应回归模型的残差平方和。非约束模型比约束模型多了1N个被估参数。

所以本例中：

0.05(4824588227386)/(151)8.1(14,89)1.82270386/(105151)FFf

所以推翻原假设，建立个体固定效应回归模型更合理。

C.时点固定效应回归模型的估计方法

将时间选择为固定效应。

合集下载

经验分享使用eviews做回归分析

经验分享使用eviews做回归分析

[经验分享] 使用evi‎ews做线‎性回归分析‎

Gloss‎ary: ls(least‎ squar‎es)最小二乘法‎ R-sequa‎red样本‎决定系数（R2）：值为0-1，越接近1表‎示拟合越好‎，>0.8认为可以‎接受，但是R2随‎因变量

的增‎多而增大，解决这个问‎题使用来调‎整

Adjus‎t R-seqau‎red() S.E of regre‎ssion‎回归标准误‎差

Log likel‎ihood‎对数似然比‎：残差越小，L值越大，越大说明模‎型越正确 Durbi‎n-Watso‎n stat：DW统计量‎，0-4之间

Mean depen‎dent var因变‎量的均值

S.D. depen‎dent var因变‎量的标准差‎

Akaik‎e info crite‎rion赤‎池信息量(AIC)（越小说明模‎型越精确）

Schwa‎rz ctite‎rion:施瓦兹信息‎量（SC）（越小说明模‎型越精确） Prob(F-stati‎stic)相伴概率

fitte‎d(拟合值)

线性回归的‎基本假设：

1.自变量之间‎不相关 2.随机误差相‎互独立，且服从期望‎为0，标准差为σ‎的正态分布‎

3.样本个数多‎于参数个数‎

建模方法:

ls y c x1 x2 x3 ... x1 x2 x3的选择‎先做各序列‎之间的简单‎相关系数计‎算，选择同因变‎量相关系数‎大而自变量‎相关系数小‎的一

些变量‎。模型的实际‎业务含义也‎有指导意义‎，比如m1同‎gdp肯定‎是相关的。

模型的建立‎是简单的，复杂的是模‎型的检验、评价和之后‎的调整、择优。

模型检验： 1）方程显著性‎检验（F检验）：模型拟合样‎本的效果，即选择的所‎有自变量对‎因变量的解‎释力度

F大于临界‎值则说明拒‎绝0假设。

Eview‎s给出了拒‎绝0假设(所有系统为‎0的假设)犯错误(第一类错误‎或α错误)的概率(收尾概率或‎相伴概率)p

实验一 EViews软件的基本操作

实验一 EViews软件的基本操作

1

实验一EViews软件的基本操作

【实验目的】

了解EViews软件的基本操作对象，掌握软件的基本操作。

【实验内容】

一、EViews软件的安装；

二、数据的输入、编辑与序列生成；

三、图形分析与描述统计分析；

四、数据文件的存贮、调用。

实验内容中后三步以表1-1所列出的税收收入和国内生产总值的统计资料为例进行操作。

表1-1 我国税收与GDP统计资料 单位：亿元

年份 税收 Y GDP X 年份 税收 Y GDP X

1985 2041 8964 1992 3297

26638

1986 2091 10202 1993 4255 34634

1987 2140 11963 1994 5127 46759

1988 2391 14928 1995 6038 58478

1989 2727 16909 1996 6910 67885

1990 2822 18548 1997 8234 74463

1991 2990 21618 1998 9263 79396

资料来源：《中国统计年鉴1999》

【实验步骤】

一、安装EViews软件

以下所述为Eviews6绿色版的安装过程。先打开Eviews6绿色版文件夹，

找到“Eviews6注册表项”的图标，如图1-1所示

图1-1

双击“Eviews6注册表项”的图标，出现图1-2的对话框

图1-2

点击“是”选项，出现图1-3的对话框，点击“确定” 2

图1-3

接下来双击图1中“Eviews6”的图标，弹出图1-4的窗口，软件运行。

二、数据的输入、编辑与序列生成

（一）创建工作文件

⒈ 菜单方式

启动EViews软件之后，进入EViews主窗口（如图1-4所示）。

图1-4 EViews主窗口

在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框（如图1-5所示），选择数据的结构类型（workfiles

面板数据的联立方程模型在eviews中估计的详细图解

面板数据的联立方程模型在eviews中估计的详细图解

第一步:

首先说明一下我的论文研究情景： 1. 时间：2006-2011

2. 主题：资本监管对银行业的风险承担行为的影响（以工行，建行，中行，交行作为例子，

4个cross sections）

3. 模型如下：

dcap=c(1)+c(2)*drisk+c(3)*size+c(4)*roa+c(5)*riskt(-1)

drisk=c(6)+c(7)*dcap+c(8)*size+c(9)*non+c(10)*capt(-1)

有上面联立方程可以看出：dcap 和 drisk 相互影响为内生变量 size roa non riskt capt 为外生变量

第二步： eviews6.0 实现过程：

打开file-new-workfile

按图操作：

点击ok得到：

点击object-new object Type选pool，ok：

跳出的横框: Cross Section Identifiers 填入数据变量名称：（这是纵轴的）

GSYH

JSYH

ZGYH

JTYH（前面提及的四大银行）

然后点view-spreadsheet（stacked data）series list小框输入（这是横轴的变量名称）

dcap drisk size roa non riskt capt

点击edit+/- 手动输入数据或用import导入数据或粘贴复制进去也行：

此时点object-new object，这次type选择system 用以联立方程分析：

在system框内输入联立方程和工具变量： dcap=c(1)+c(2)*drisk+c(3)*size+c(4)*roa+c(5)*riskt(-1)

drisk=c(6)+c(7)*dcap+c(8)*size+c(9)*non+c(10)*capt(-1)

inst dcap drisk size roa non riskt(-1) capt(-1)

eviews使用指南与案例

eviews使用指南与案例

eviews使用指南与案例

EViews是一款经济统计软件，广泛应用于经济学、金融学等领域的数据分析和建模工作。本文将为大家介绍EViews的使用指南和一些实际案例，帮助读者更好地了解和应用EViews。

一、EViews的使用指南

1. EViews的安装和启动：首先，用户需要下载并安装EViews软件。安装完成后，双击桌面上的EViews图标即可启动软件。

2. 数据导入和处理：EViews支持导入多种数据格式，如Excel、CSV等。用户可以使用“File”菜单中的“Import”选项将数据导入EViews中，并进行必要的数据清洗和处理。

3. 数据探索和描述统计分析：在导入数据后，用户可以使用EViews提供的数据探索功能进行数据分析，包括数据的描述统计分析、数据可视化等。

4. 模型建立和估计：EViews提供了多种经济学模型的建立和估计方法，如回归分析、时间序列分析等。用户可以通过选择相应的命令和参数来进行模型建立和估计。

5. 模型诊断和检验：在模型建立和估计完成后，用户需要对模型进行诊断和检验。EViews提供了多种模型诊断和检验的功能，如残差分析、异方差性检验等。

6. 模型预测和模拟：EViews可以基于已建立的模型进行预测和模拟。用户可以输入新的自变量数据，通过模型预测因变量的值，或者进行模型的蒙特卡洛模拟分析。

7. 结果输出和报告生成：EViews可以将分析结果以表格、图形等形式输出，并支持生成报告和文档。用户可以选择相应的输出选项和格式，方便结果的展示和分享。

二、EViews的应用案例

1. 时间序列分析：使用EViews可以进行时间序列数据的建模和分析。例如，可以通过ARIMA模型对股票价格进行预测，或者通过VAR模型分析宏观经济变量之间的关系。

2. 经济政策评估：EViews可以用于评估不同经济政策对经济变量的影响。例如，可以建立一个VAR模型，通过冲击响应分析来评估货币政策对通胀和经济增长的影响。