Evew面板数据操作

Eviews6.0面板数据操作
一、数据输入
1、创建工作文档。

如下图操作，在” workfile create”文本框的“workfile structure type”选择“balanced panel”,”panel specification”的”start date”和”end date”输入数据的起止期间，”wf”输入工作文档的名称，点击”OK”即跳出新建的工作文档a 界面。

2、创建新对象。

操作如下图。

在”new object”文本框的”type of object”选择”pool”，”name for object ”输入新对象的名称。

创建成功后的界面如下面第3张图所示。

-
3、输入数据。

双击”workfile”界面的，跳出”pool”界面，输入个体。

一般输入方式为如下：若上海输入_sh，北京输入_bj,…。

个体输入完成后，点击该界面的键，在跳出的”series list”输入变量名称，注意变量后要加问号。

格式如下：y? x?。

点击”OK”后，跳出数据输入界面，如下面第4张图所示。

在这个界面上点击键，即可以输入或者从EXCEL处复制数据。

在输入数据后，记得保存数据。

保存操作如下：
在跳出的“workfile save”文本框选择“ok”即可，则自动保存到我的文档。

然后在“workfile”界面如下会显示保存路径：d:\my documents\a.wf1。

若要保存到自己选择的路径下面，则在保存时选择“save as”,
在跳出的文本框里选择自己要保存的路径以及命名文件名称。

4、单位根检验。

一般回归前要检验面板数据是否存在单位根，以检验数据的平稳性，避免伪回归，或虚假回归，确保估计的有效性。

单位根检验时要分变量检验。

（补充：网上对面板数据的单位根检验和协整检验存在不同意见，一般认为时间区间较小的面板数据无需进行这两个检验。

）
（1）生成数据组。

如下图操作。

点击”make group”后在跳出的”series list”里输入要单位根检验的变量，完成后就会跳出如下图3所示的组数据。

（2）生成时序图。

如下图操作。

在”gragh options”界面的”specifi”下选择生成的时序图的形状，一般都默认设置，生成的时序图如下图3所示。

观察时序图的趋势，以确定单位根检验的检验模式。

（3）单位根检验。

单位根检验时，在”group unit root test”里的”test for root in”按检验结果一步步检验，如果原值”level”的检验结果符合要求，即不存在单位根，则单位根检验就不需要检验下去了，如果不符合要求，则需继续检验一阶差分”1st difference”、二阶差分”2nd difference”。

”include in test equation”是检验模式的选择，根据上面时序图的形状来选择。

从上面的时序图可以看出，原值的检验模式应该选择含有截距项和趋势的检验模式，即”include in test equation”选择”individual intercept and trend”。

检验结果如下图3所示。

从检验结果可以看出，检验结果除了levin 检验方法外其他方法的结果都不符合要求（Prob.xx小于置信度(如0.05),则认为拒绝单位根的原假设，通过检验）。

所以继续检验一阶差分和二阶差分，直到检验结果达到要求。

如果变量原值序列通过单位根检验，则称变量为0阶单整；如果变量一阶差分后的序列通过单位根检验，则称变量为一阶单整，以此推之。

注意：单位根检验的方法（test type ）较多，可以使用LLC 、IPS 、Breintung 、ADF-Fisher 和PP-Fisher 这5种方法进行面板单位根检验。

一般，为了方便起见，只采用相同根单位根检验LLC 和不同根单位根检验Fisher-ADF 这两种检验方法，如果它们都拒绝存在单位根的原假设，则可以认为此序列是平稳的，反之就是非平稳的。

5、协整检验。

协整检验检验的是模型的变量之间是否存在长期稳定的关系，其前提是解释变量和被解释变量在单位根检验时为同阶单整。

操作如下图所示。

6、回归估计
面板数据模型根据常数项和系数向量是否为常数，分为3种类型：混合回归模型（都为常数）、变截距模型（系数项为常数）和变系数模型（皆非常数）。

混合模型： it it it y x αβμ=++ 1,2,,;1,2,,i N t T ==L L
变截距模型：it i it it y x αβμ=++ 1,2,,;1,2,,i N t T ==L L
变系数模型：it i it i it y x αβμ=++ 1,2,,;1,2,,i N t T ==L L
判断一个面板数据究竟属于哪种模型，用F 统计统计量：
来检验以下两个假设：
121:N H βββ===L ，12122:,N N H αααβββ======L L 。

其中，1S 、2S 、3S 分别为变系数模型、变截距模型和混合模型的残差平方和，K 为解释变量的个数，N 为截面个体数量，α为常数项，β为系数向量。

若计算得到的统计量2F 的值小于给定显著性水平下的相应临界值，则接受假设2H ，用混合模型拟合样本。

反之，则需用1F 检验假设1H ，如果计算得到的1F 值小于给定显著性水平下的相应临界值，则认为接受假设1H ，用变截距模型拟合，否则用变系数模型拟合。

具体操作：
1）、分别对面板数据进行3种类型模型的回归，得到1S 、2S 、3S 。

此外，一般来说，用样本数据推断总体效应，应用随机效应回归模型；直接对样本数据进行分析，采用固定效应回归模型。

首先回到面板数据表，如果是在如下这个界面时，
点击按钮，在跳出的“series list”文本框里输入模型变量，如下图。

也可以通过重新打开工作文件，如下图操作。

选择自己当初保存的路径和文件名，点击打开。

打开后，跳出工作文件
双击，
然后分别进行变系数、变截距和混合模型的回归估计：
点击，进行变系数回归
（变系数）
变截距回归
混合模型估计
前面同2）操作，在“pool estimation”输入如下
2）、确定模型形式
把模型估计取得的s1、s2、s3数值代入前述公式（第13页），如下
计算得到F1、F2值，检验假设H1、H2，从而确定采用何种模型形式（变系数、变截距、混合效应）。

3）、回归分析
若检验结果表明应采用变系数模型，回到以下界面进行估计
点击，进行变系数回归
上图列示了回归结果，其中：
①Coefficient为系数，比如AH的系数为0.760053，截距项为477.4820-315.8649
②t-Statistic为t值，检验每一个自变量的合理性。

|t|大于临界值表示可拒绝系数
为0的假设，即系数合理。

Prob为系数的概率，若其小于置信度(如0.05)则表明|t|
大于临界值，即认为系数合理。

从结果可以看出，本例中系数合理。

③R-squared为样本决定系数，表示总离差平方和中由回归方程可以解释部分的比例，
比例越大说明回归方程可以解释的部分越多。

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，所以可以通过增加自变量的个数来提高模型的R-squared。

本例中R-squared0.995382，接近1，拟合度相当好。

Adjust R-seqaured为修正的R-squared，与R-squared有相似意义。

④F-statistic表示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。

若Prob(F-statistic)小于置信度(如0.05)则说明F 大于临界值，方程显著性明显。

本例中Prob(F-statistic)为0.000000，模型方程显著。

⑤Durbin-Watson stat：检验残差序列的自相关性。

其值在0-4之间。

_01
_02
_03
_04
_05
_06
_07
_08
_09
_10
_11
_12
_13
_14
_15
_16
_17
_18
_19
_20
_21
_22
_23
_24
_25
_26
_27
_28
_29
_30
_31
_32
_33
_34
w? trade? ex? im? pr? mo? rc? tech? dex? dim? log(ex?) log(im?) log(pr?) log(mo?) rc? log(tech?)。