Eviews和stata处理panel data的简单比较
【待发】时间序列分析首选EViews软件
【待发】时间序列分析首选EViews软件数据类型计量经济模型常用到的数据有三种类型：1、时间序列数据（time-series data) 即：单一变量按时间的先后次序产生的数据。
2、截面数据(cross-sectional data) 即：多个变量在同一个时间点（截面空间）上产生的数据。
3、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）是：多个变量的时间序列的组合（或说是时间序列数据与截面数据的结合）。
我们以往在医学、社会学领域接触到的大多是截面数据，统计分析思路有些仅适用于截面数据。
那针对时间序列数据、面板数据的分析实践时，应该运用什么软件？有人可能回答说SPSS、stata、SAS，但真正专业分析时间序列数据、面板数据的软件不是以上三个，而是EViews软件。
EViews是Econometrics Views的缩写，常称为计量经济学软件。
它是由QMS （Quantitative Micro Software）公司提供的基于Windows平台的数据分析、回归及预测工具。
通过EViews能够快速从数据中得到统计关系，并根据这些统计关系进行预测。
具体功能如下：功能1、采用统一的方式管理数据，通过对象、视图和过程实现对数据的各种操作；2、输入、扩展和修改时间序列数据或截面数据，依据已有序列按任意复杂的公式生成新的序列；3、计算描述统计量：相关系数、协方差、自相关系数、互相关系数和直方图；4、进行T 检验、方差分析、协整检验、Granger 因果检验；5、执行普通最小二乘法、带有自回归校正的最小二乘法、两阶段最小二乘法和三阶段最小二乘法、非线性最小二乘法、广义矩估计法、ARCH 模型估计法等；6、对二择一决策模型进行Probit、logit 和Gompit 估计；7、对联立方程进行线性和非线性的估计；8、估计和分析向量自回归系统；9、多项式分布滞后模型的估计；10、回归方程的预测；11、模型的求解和模拟；12、与外部软件进行数据交换。
Panel data简介
Panel data 简介及其在eviews 中的应用武汉大学经济学系数量经济学教研室《实践教改项目组》编制面板数据（panel data ）回归模型与规则的时间序列或截面数据回归模型的区别在于其变量有两个下标，它同时使用截面数据和时间序列数据。
一、panel data 的优点面板数据相对于时间序列数据或截面数据的优点：1．能提供给研究者大量的数据点，这样可以增加自由度并减少解释变量间的共线性，从而改进计量经济估计的有效性。
为了估计模型参数，样本点越多越好。
样本点越多，估计的结果有效性越好，当样本点足够多时，估计结果可以视为具有一致性； 2． 面板数据模型可以从多层面分析经济问题。
3． 与时间序列数据或截面数据相比，面板数据能够更好的进行识别并控制和检验更复杂的行为模型。
二、模型的基本结构和分类面板数据回归模型的主要结构如下：T t N i u a X y it it it ,,2,1,,,2,1,/==++=β （1）其中，i 表示截面维度，可以表示家庭，个人，公司，国家等等；t 表示时间序列维度，是面板数据所研究的时间区间；it X 为解释变量，β为1⨯K 维向量，K 为解释变量的个数，β是斜率，a 是截距。
模型的矩阵形式为：11221111111121111111221111111111⨯⨯⨯⨯⨯⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛+⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛''''''+⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛NT NT N T T k NT NT N T T NT NT NT N T T u u u u u u X X X X X X y y y y y y βα 其中()k t t itX X X ,11,1,''=' 众所周知，随机误差项it u 包含了模型解释变量所不能解释的所有其它因素，并且it u 满足一些经典假设，这些假设是我们估计模型参数的基础。
Panel Data模型EViews操作过程(2013)
Data模型的EViews操作过程两种模式：Ⅰ. 关于Panel工作文件；Ⅱ. 关于Pool对象。
数据的预处理1.在EXCEL文件中，将每个变量各年的原始数据按照年份顺序排成一列，称之为堆积数据（见表“汇总0”）。
2．输入截面单元的标识（表示地区的符号，前面加_；如：_HB、_NMG等）。
3．将数据表按照时间分类（即排序，见表“汇总”）。
Ⅰ. 关于Panel工作文件的操作过程案例1：我国农村居民消费函数（2000-2010年，27个省市数据，工作文件：NXF）一、输入数据1、创建Panel工作文件选择File / New / Workfile，在出现的创建工作文件对话框中：（1）在文件结构类型中，选择“平衡面板（Balanced Panel）”；（2）输入起始、终止期，截面单元个数。
2．更改截面标识（可以省略）序列crossid 中是以数字1、2、…标记截面标识，为了便于区分，可以重新定义一个字符串序列。
（1）点击object / New object ，选择series Alpha 并输入序列名（设为dq ）； （2）双击dq 序列，在打开的序列窗口中粘贴截面标识的字符串序列；（3）双击工作文件窗口中的Range ，在弹出的对话框中，将截面标识的的ID 序列改成新的标识序列：dq3．输入数据键入命令：DATA Y X ，然后用复制+粘贴方式从Excel 文件中将各个变量的堆积数据（注意：数据事先要按照截面单元堆积，本例中是按照“地区”）复制到工作文件之中；此时工作文件中各个变量都是堆积数据。
工作文件中将生成分别表示截面标识和时期标识的两个序列：Crossid — 截面标识 dateid — 时期标识二、模型估计过程1．估计混合模型直接在命令窗口键入命令：LS Y C X2．估计变截距模型在方程窗口中点击Estimate按钮，在弹出的方程描述框中选择Panel Options选项卡，此时可以在截面和时期列表中选择None、Fixed、Random，用来选择单因素（或双因素）固定效应、随机效应变截距模型；同时可以选择GMM、GLS、SUR等估计方法。
SAS、Stata、SPSS、Eviews软件介绍与评论
最近大家都在忙着写毕业论文，很多同学很不幸跟我一样选择走上了实证论文这条不归路。
作为一个从来没学过计量经济学的小菜鸟，这个真的很折磨人。
作为一个菜鸟，也有些菜鸟心得，下面给后来的新菜鸟们一些自己的小收获，仅供参考啊。
可能有些方面不是很完善，或者干脆就是错误的理解，还请各位不吝赐教。
在开始介绍之前，先偷来一篇关于我们经常用的几款计量软件（sas，stata,spss，eviews）的对比：SAS一般用法。
SAS 由于其功能强大而且可以编程，很受高级用户的欢迎。
也正是基于此，它是最难掌握的软件之一。
使用SAS 时，你需要编写SAS 程序来处理数据，进行分析。
如果在一个程序中出现一个错误，找到并改正这个错误将是困难的。
数据管理。
在数据管理方面，SAS 是非常强大的，能让你用任何可能的方式来处理你的数据。
它包含SQL（结构化查询语言）过程，可以在SAS 数据集中使用SQL 查询。
但是要学习并掌握SAS 软件的数据管理需要很长的时间，在Stata 或SPSS 中，完成许多复杂数据管理工作所使用的命令要简单的多。
然而，SAS 可以同时处理多个数据文件，使这项工作变得容易。
它可以处理的变量能够达到32,768 个，以及你的硬盘空间所允许的最大数量的记录条数。
统计分析。
SAS 能够进行大多数统计分析（回归分析，logistic 回归，生存分析，方差分析，因子分析，多变量分析）。
SAS 的最优之处可能在于它的方差分析，混合模型分析和多变量分析，而它的劣势主要是有序和多元logistic 回归（因为这些命令很难），以及稳健方法（它难以完成稳健回归和其他稳健方法）。
尽管支持调查数据的分析，但与Stata 比较仍然是相当有限的。
绘图功能。
在所有的统计软件中，SAS 有最强大的绘图工具，由SAS/Graph 模块提供。
然而，SAS/Graph 模块的学习也是非常专业而复杂，图形的制作主要使用程序语言。
SAS 8 虽然可以通过点击鼠标来交互式的绘图，但不象SPSS 那样简单。
面板数据（paneldata）简单建模过程一．pool对象工作文件的建立
面板数据（Panel Data）简单建模过程一．Pool对象工作文件的建立Pool对象工作文件是Eviews中专门用来存放时间序列/截面数据这种二维结构数据的的。
Pool对象工作文件的创建方法是在工作文件窗口选择Objects/New Object/Pool,在出现的对话框左边选择Pool，在右上角可以为新对象起名，如输入INC，表示收入，点击OK后，出现定义对话框，在编辑窗口中可以输入截面成员的识别名，识别名应该尽量方便并且简洁，在截面识别名前最好加上下划线“_”，这样比较清楚表达指标所属截面单元。
本案中_bj表示北京，_tj表示天津，以此类推输入。
如图1。
图1：识别名定义框如果还需要建立相同截面单元结构的合成对象时，可以不需要再如上例一样重新建立，可以通过对象的复制方法进行，注意，这里复制的只是数据结构，并非数据本身。
本案中需要建立消费（CONS）对象文件，因此在工具栏选择Objects/ Copy/Copy Object，并将复制新对象重新命名为CONS即可。
二．Pool序列的建立打开对象文件inc，在工具栏选择View/Spreed Sheet，在弹出对话框中输入要建立的序列名，如本案中，要建立收入序列输入INC?，此处“？”表全部收入序列，若北京地区的的收入序列就输入INC-BJ。
输入后相应的序列将在工作文件中生成，并且弹出数据输入框，如图2所示。
消费序列CONS？的建立同上。
图2：INC?序列截面堆栈数据输入框从图中清楚看出，数据是按照截面单元组织在一起的，如果想将其改变为按照时间堆栈的方式排列可以点击工具栏中的的order，如图3所示。
图3：INC?序列时间堆栈数据输入框要进行数据的输入时必须要点击工具栏的Edit，将单元格激活。
三．数据读入数据的录入可以以手工的方式通过复制后粘帖录入。
当然，也可以通过直接调用的形式读入读入数据，本案以excel文件为例。
在输入数据之前，必须把数据处理为按照时间或者截面单元堆栈的形式，如表4所示。
计量软件大比拼（SAS
计量软件⼤⽐拼（SAS STATA R MATLAB EVIEWS Python）经济管理类学科，在做计量时，可供选择的软件有许多，Stata, matlab, R, SAS相对来说⽤的⽐较多。
但是它们各有千秋，⽆所谓谁⽐谁好，每个同学要根据你的数据处理需求和你的计算机编程基础，然后选择1-2个软件使⽤。
1. 如果是做应⽤计量（特别是横截⾯数据、⾯板数据），Stata是不⼆之选，因为不管是管理数据还是跑回归，实在太太太⽅便了。
现在主流期刊的应⽤微观计量⽂章⾥⾯能⽤到的模型stata⼏乎都有，⽽且其中的绝⼤多数都是⽤stata做的。
⽽且最⼤的优点是，简单！2. 如果做应⽤的时间序列，Eviews似乎是⼀个不错的选择。
但是我⼀般不做这⽅⾯，也不是很有发⾔权。
3. 如果做理论计量，stata eviews是没有现成的包的，⽽且即便Stata可以编程，可编程能⼒也是很差的，⽽且不稳健。
所以懂R和Matlab就⾮常顺⼿。
当然也可以⽤Python，最近Sargent就写了本⽤Python做计量的书。
还有⼀个Julia，是这三种语⾔的混合，但是速度快很多，缺点是太过于⼩众。
4. 如果对速度要求⾼，特别是⾦融计量很多对速度有要求的，可以考虑C、Fortran等语⾔。
C和Fortran肯定是最快的。
还有⼀个叫做OX的，速度快，但是也很⼩众。
但是这些语⾔的缺点是学习难度⽐较⾼，开发时间⽐较慢。
Julia据说速度堪⽐C，⽽且语法特别像Matlab、Python（意味着容易学习），但是处于刚起步阶段，⽤的⼈太少了。
5. 如果是⾦融计量领域，强烈建议学会SAS。
SAS是最权威，速度也很快，当然最⼤的问题是昂贵，⽽且可编程能⼒不是多么好。
但是⾦融⾥⾯数据量都⾮常⾮常⾮常⼤，⼀般的软件都瘫的时候，SAS就派上⽤场了。
6. 像我⾃⼰，做应⽤的时候都是⽤stata整理数据，能⽤stata的坚决不⽤其他软件。
但是因为有的时候做⼀些理论计量的⼯作，所以matlab也是必不可少的。
stata分析面板数据
引言概述面板数据（Paneldata）是一种特殊类型的数据，它同时包含了横向和纵向的信息。
对于研究人员来说，面板数据的分析具有重要的意义，因为它可以对个体、时间和个体在不同时间上的变异进行深入研究。
Stata是一种流行的统计软件，具备强大的面板数据分析功能，可以处理各种面板数据相关的统计问题。
本文将介绍Stata分析面板数据的方法与技巧。
正文内容一、数据准备与导入1.定义面板变量：在Stata中，我们需要先将面板数据转换为面板变量。
可以使用“xtset”命令来定义面板变量，并指定个体和时间的标识变量。
例如，命令“xtsetidyear”可以将变量“id”作为个体标识变量，“year”作为时间标识变量。
2.导入面板数据：Stata支持多种数据格式的导入，如Excel、CSV等。
可以使用“importdelimited”命令导入CSV格式的面板数据。
命令格式如下：“importdelimitedfilename,varnames(1)”.其中，filename是文件名，varnames(1)表示将第一行作为变量名。
二、面板数据的描述统计分析1.描述性统计：在面板数据分析中，我们首先需要对数据进行描述性统计。
可以使用“summarize”命令计算平均值、标准差、最小值、最大值等统计指标。
例如，“summarizevarname”可以计算变量varname的平均值、标准差等。
2.变量相关分析：面板数据中的变量通常具有时间序列的特征，因此，变量之间的相关性也具有时间相关性。
可以使用“xtcorr”命令来计算面板数据中变量的相关系数矩阵。
命令格式如下：“xtcorrvar1var2,pwcorr”.其中，var1和var2是需要计算相关系数的变量。
三、面板数据的固定效应模型分析1.固定效应模型简介：固定效应模型是一种常见的面板数据分析方法，它考虑了个体固定效应，并通过个体虚拟变量来捕捉个体固定效应对因变量的影响。
用stata处理面板数据(中文版)_stata关于面板数据说明
Chp8 Panel Data一直想把看Panel模型时的感悟整理成笔记，但终因懒惰而未能成行。
今天终于下决心开了个头，可遗憾的是，这个开头却是从本章的结尾写起，因为这一部分最容易写。
不过，凡事有了好的开头基本上也算成功一半了，所以后面的整理工作还要有劳各位的督促。
文中的不足还望不吝指出。
8.1简介8.2一般模型8.2.1固定效应模型（Fixed Effect Model）8.2.2随机效应模型（Random Effect Model）8.3自相关性8.4动态Panel Data8.5门槛Panel Data8.6非稳定Panel Data及协整8.7Panel V AR8.8Stata8.0实现在介绍了Panel Data的基本理论后，下面我们介绍如何使用STATA8.0软件包来实现模型的估计。
前面我们已经提到，Panel Data具有如下数据存储格式：company year invest mvalue11951755.94833.011952891.24924.9119531304.46241.7119541486.75593.621951588.22289.521952645.52159.421953641.02031.321954459.32115.531951135.21819.431952157.32079.731953179.52371.631954189.62759.9其中，变量company和year分别为截面变量和时间变量。
显然，通过这两个变量我们可以非常清楚地确定panel data的数据存储格式。
因此，在使用STATA8.0估计模型之前，我们必须告诉它截面变量和时间变量分别是什么，所用的命令为tsset1，命令格式如下：tsset panelvar timevar这里需要指出的是，由于Panel Data本身兼具截面数据和时间序列二者的特性，所以对时间序列进行操作的运算同样可以应用到Panel Data身上。
详细的EVIEWS面板数据分析操作
详细的EVIEWS面板数据分析操作引言EVIEWS是一款专业的经济统计软件，广泛应用于经济学和金融领域的数据分析和建模。
EVIEWS提供了丰富的面板数据分析功能，可以帮助用户进行面板数据的处理、描述统计、回归分析等操作。
本文将详细介绍EVIEWS中面板数据分析的操作流程和常用功能。
EVIEWS面板数据的导入首先，我们需要将面板数据导入到EVIEWS中进行分析。
EVIEWS支持多种数据格式的导入，包括Excel、CSV、数据库等。
在导入面板数据时，需要保证数据具有正确的格式，例如面板数据应包含个体（cross-sectional）和时间（time-series）的维度，且面板数据的变量应按照一定的顺序排列。
在导入面板数据后，我们可以利用EVIEWS提供的数据操作命令对数据进行处理和调整。
例如，可以通过group命令将数据按照个体或时间进行分组，通过sort命令对数据进行排序，以便后续的面板数据分析。
面板数据的描述统计分析在面板数据导入并处理完毕后，我们可以进行面板数据的描述统计分析。
EVIEWS提供了丰富的统计功能，可以计算面板数据的平均值、标准差、相关系数等指标。
下面介绍几个常用的描述统计功能：1.summary命令：该命令可以计算面板数据每个变量的平均值、标准差、最大值、最小值等统计指标，并输出到EVIEWS的结果窗口中。
2.correlation命令：该命令可以计算面板数据各变量之间的相关系数矩阵，并输出到结果窗口中。
3.tabulate命令：该命令可以对面板数据进行交叉分组统计，例如计算变量A在变量B的每个取值下的频数和比例。
通过对面板数据进行描述统计分析，可以初步了解数据的分布特征和变量间的关系，为后续的面板数据分析提供基础。
面板数据的回归分析除了描述统计分析，EVIEWS还提供了面板数据的回归分析功能。
通过面板数据回归分析，可以探究变量间的因果关系和影响程度。
下面介绍两个常用的回归分析命令：1.panel least squares（PLS）命令：该命令可以进行面板数据的最小二乘回归分析。
Eviews数据统计与分析教程12章-面板数据(Panel-Data)模型
EViews统计分析基础教程
二、Pool对象的基本操作
2.Pool对象数据的输入 （2）非堆积数据
在非堆积数据中，给定的截面数据和变量是放在一起的，但 同其他的截面成员和变量的数据是分开的。每一个截面成员 的观测值被放在一纵列中，每一列是截面成员不同时期的样 本观测值。 非堆积数据形式的导入方法与第三章所介绍的数据导入方法 相同。
EViews统计分析基础教程
二、Pool对象的基本操作
1.Pool对象的建立
在Pool对象的编辑窗口中输入截面成员的标识名称，例如做 中国省际面板数据分析时，选取中部五省份为截面成员，即 湖南、湖北、河南、江西和安徽，分布用字母HN,HB，HE， JX，AH表示。这些截面成员各名称之间可用空格隔开，也 可以通过回车键进行换行，即每一个名称占一行。需注意的 是，截面成员的标识名称的设定需简单，便于操作。通常可 以在截面成员标识名称前加下划线“_”。如下图所示。
EViews统计分析基础教程
三、Pool对象模型估计
通过Pool对象可以对固定影响、随机影响变截距模型和固定 影响变系数模型进行估计。常用的方法有最小二乘估计法、 加权最小二乘法等。
EViews统计分析基础教程
三、Pool对象模型估计
在EViews操作中，单击Pool对象工具栏中的“Estimate”或者 选择“Proc”|“Estimate”选项，将弹出下图所示的对话框。
EViews统计分析基础教程
第12章 面板数据（Panel Data）模型
重点内容： • Pool对象的建立 • Pool对象数据分析 • Pool对象模型估计
EViews统计分析基础教程
一、Panel Data模型原理
面板数据模型的基本形式是
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
这两天来的小结，因为都是些皮毛，博大家一笑。
使用的案例是论坛里张晓峒老师的面板数据模型
/bbs/dispbbs.asp?BoardID=5&ID=25393&replyID=&skin=1
这一讲义写的很不错，紧跟eviews的功能。
应该是4.0版本，因为我的5.0版本没有其中的一些参数。
数据输入方面：强烈推荐stata，不管数据有没有缺失，拷进去就好，然后tsset一下，就可以开始了。
eviews的操作比较麻烦，可以参看前边发的balanced＆unbalanced的文章。
处理过程方面，stata清楚直观，傻瓜性强。
我将张老师的模型用stata8.0实现。
具体如下：
1.混合估计模型：
reg cp ip
2.个体固定效应模型：
tsset id year
xtreg cp ip, fe 或者xtreg cp ip, fe i(id)
F检验自动生成
3.时刻固定效应模型：
. gen d1997=1 if year==1997
. replace d1997=0 if year!=1997
. gen d1998=1 if year==1998
. replace d1998=0 if year!=1998
. gen d1999=1 if year==1999
. replace d1999=0 if year!=1999
. gen d2000=1 if year==2000
. replace d2000=0 if year!=2000
. gen d2001=1 if year==2001
. replace d2001=0 if year!=2001
. gen d2002=1 if year==2002
. replace d2002=0 if year!=2002
. reg cp ip d1997 d1998 d1999 d2000 d2001 d2002
或者xi: reg cp ip i.year
4.时刻个体固定效应模型
. xtreg cp ip d1997 d1998 d1999 d2000 d2001 d2002, fe
F检验可看arlion的代码
或者 xi: xtreg cp ip i.year, fe
5.随机效应模型
xtreg cp ip,re
xttest0
6.回归系数不同的面板数据模型
by id: reg cp ip
然后把斜率＆截距整理合成一下就ok。
为方便大家的比较，把例子的原数据也提供如下:
7.再送一个Hausman检验得了
xtreg cp ip, fe
est store fixed
xtreg cp ip, re
hausman fixed .
eviews的就不提供了，因为张老师的书里说的很清楚了，大家动动手就可以咯。
呵呵，元宵节快乐！
其实，说了这么多，最后的建议还是大家使用stata，那效果是相当不错。
但是eviews里可以根据po ol object的属性、名称做出一对很漂亮的方程，不知道再stata里如何实现。
经过这两天的折腾，深感♂生活的软件环境太优越了，只有在这种环境里，才造成♂挑肥拣瘦的恶习。
如果大家都是1个软件1个软件的钻研，应该会有更多的学理上的认识，而不是应用上的皮毛。
过节了，上面的批评属于自我批评。
继续忙碌了。
呵呵
谢谢楼下的兄弟。
已经根据你的建议改了。
最后一个有什么简单命令吗？。