[交流讨论]eviews6.0中面板数据处理的一些方法和经验总结
发布:kemufei | 分类:Eviews软件培训
关于本站
人大经济论坛-经管之家:分享大学、考研、论文、会计、留学、数据、经济学、金融学、管理学、统计学、博弈论、统计年鉴、行业分析包括等相关资源。
经管之家是国内活跃的在线教育咨询平台!
经管之家新媒体交易平台
提供"微信号、微博、抖音、快手、头条、小红书、百家号、企鹅号、UC号、一点资讯"等虚拟账号交易,真正实现买卖双方的共赢。【请点击这里访问】
TOP热门关键词
免费学术公开课,扫码加入 |
首先建立工作文件。在打开工作文件窗口的基础上,点击EViwes主功能菜单上的Objects键,选New Object功能,从而打开New Object(新对象)选择窗。在Type of Object选择区选择Pool(合并数据库),并在Name of Object选择区为混合数据库起名Pool01(初始显示为Untitled)。
(2)定义序列名并输入数据。
在新建的混合数据库(Pool)窗口的工具栏中点击Sheet键(第2种路径是,点击View键,选Spreadsheet (stacked data)功能),从而打开Series List(列写序列名)窗口,定义时间序列变量Y?和X.点击OK键,从而打开混合数据库(Pool)窗口,(点击Edit+-键,使EViwes处于可编辑状态)输入数据。
补充:点击Order+-键,还可以变换为以时间为序的阵列式排列。
工作文件也可以以合并数据(Pool data)和非合并数据的形式用复制和粘贴的方法建立。
(3)估计模型
点击Estimation键,随后弹出Pooled Estimation(混合估计)对话窗。用EViwes可以估计固定效应模型(包括个体固定效应模型、时刻固定效应模型和时刻个体固定效应模型3种)、随机效应模型、带有AR(1)参数的模型、截面不同回归系数也不同的面板数据模型。用EViwes可以选择普通最小二乘法、加权最小二乘法(以截面模型的方差为权)、似不相关回归法估计模型参数。
补充:在这一块内容里面,eviews6.0和eviews5.1的界面还是存在明显差异的,前者的界面是左右排列,后者的界面是上下排列,而且里面的选项形式也不太一样。5.1软件里面通过选择截距项来确定模型的类型,而6.0的里面是通过选择estimation method来选择模型的类型
- 固定效应模型
- 个体固定效应模型。
- 时刻固定效应模型。
时刻固定效应模型就是对于不同的截面(时刻点)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,那么应该建立时刻固定效应模型。- 时刻个体固定效应模型。
时刻个体固定效应模型就是对于不同的截面(时刻点)、不同的时间序列(个体)都有不同截距的模型。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,那么应该建立时刻个体效应模型。- 随机效应模型
- 时刻个体固定效应模型。
yit = a+ b1 xit + eit
其中误差项在时间上和截面上都是相关的,用3个分量表示如下:
eit = ui + vt + wit
其中ui~N(0, su2)表示截面随机误差分量;vt~N(0, sv2)表示时间随机误差分量;wit~N(0, sw2)表示混和随机误差分量。同时还假定ui,vt,wit之间互不相关,各自分别不存在截面自相关、时间自相关和混和自相关。上述模型称为随机效应模型。
随机效应模型和固定效应模型比较,相当于把固定效应模型中的截距项看成两个随机变量。一个是截面随机误差项(ui),一个是时间随机误差项(vt)。如果这两个随机误差项都服从正态分布,对模型估计时就能够节省自由度,因为此条件下只需要估计两个随机误差项的均值和方差。
假定固定效应模型中的截距项包括了截面随机误差项和时间随机误差项的平均效应,而且对均值的离差分别是ui和vt,固定效应模型就变成了随机效应模型。
补充:如果仅以样本自身效应为条件进行研究,宜选择固定效应模型;如果欲以样本对总体效应进行推论,则应采用随机效应模型。
免流量费下载资料----在经管之家app可以下载论坛上的所有资源,并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库,各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里,你可以找到任何学科方向、有共同话题的朋友。
经管之家(原人大经济论坛),跨越高校的围墙,带你走进经管知识的新世界。
扫描下方二维码下载并注册APP
您可能感兴趣的文章
人气文章
本文标题:[交流讨论]eviews6.0中面板数据处理的一些方法和经验总结
本文链接网址:https://bbs.pinggu.org/jg/ruanjianpeixun_eviewsruanjianpeixun_812893_1.html
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。