Dependent Variable（相依变量）选择窗：用于填写被解释变量。
Sample（样本范围）选择窗：用于填写样本区间。
Balanced Sample（平衡样本）选择块：点击挑勾后表示用平衡数据估计。
Common coefficients（系数相同）选择窗：用于填写对于不同横截面斜率（回归系数）相同的解释变量和虚拟变量。
Cross section specific coefficients（截面系数不同）选择窗：用于填写对于不同横截面斜率（回归系数）不同的解释变量。
Intercept（截距项）选择窗：从中可以选None（不要截距项）、Common（同一截距项）、Fixed effects（个体不同截距项不同）、Random effects（随机效应截距项）。
Weighting（权数）选择窗：从中可以选No weighting（等权估计）、Cross section weights（按截面取权数）、SUR（似不相关回归）、iterate to convergence（迭代至收敛）。“等权估计”的方法是所有的观测值都给以相等的权数；“按截面取权数”的方法是以横截面模型残差的方差为权数，属于广义最小二乘法估计。“似不相关回归”的方法是利用横截面模型残差的协方差进行广义最小二乘法估计，该法将自动修正横截面中出现的异方差和短期自相关；“迭代至收敛”方法当选择广义最小二乘法估计时，点击此键将保证参数估计一直到收敛为止。在Options对话框中可以给出收敛准则和最大迭代次数。
用EViwes可以估计固定效应模型（包括个体固定效应模型、时点固定效应模型和时点个体固定效应模型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。
可以在Common coefficients选择窗和Cross section specific coefficients选择窗中填入AR(1)项。如果把AR(1)项填在Common coefficients选择窗中相当于假设模型有相同的自回归误差项，如果把AR(1)项填在Cross section specific coefficients选择窗中相当于假设模型有
不同的自回归误差项。注意：如果把解释变量填入Cross section specific coefficients选择窗中，将会得到很多的回归参数。
估计过程中的缺省方法是等权（No weighting）估计。还可以选择Cross section weights（按截面取权数）和SUR（似不相关回归）。
发帖
雷达卡
京公网安备 11010802022788号
