用面板数据做回归分析的做法

形如Y=aX+bZ+c型的回归，时间跨度超过30年。希望比较细致的指点，包括需要注意的重点、难点以及细节。最好能利用eviews或state说明，非常感谢！

步骤一：分析数据的平稳性（单位根检验）
为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。
步骤二：协整检验或模型修正
如果基于单位根检验的结果发现变量之间是同阶单整的，那么我们可以进行协整检验。协整检验是考察变量间长期均衡关系的方法。所谓的协整是指若两个或多个非平稳的变量序列，其某个线性组合后的序列呈平稳性。此时我们称这些变量序列间有协整关系存在。因此协整的要求或前提是同阶单整。通过了协整检验，说明变量之间存在着长期稳定的均衡关系，其方程回归残差是平稳的。因此可以在此基础上直接对原方程进行回归，此时的回归结果是较精确的。
步骤三：面板模型的选择与回归
       面板数据模型的选择通常有三种形式：
        一种是混合估计模型（Pooled Regression Model）。如果从时间上看，不同个体之间不存在显著性差异；从截面上看，不同截面之间也不存在显著性差异，那么就可以直接把面板数据混合在一起用普通最小二乘法（OLS）估计参数。一种是固定效应模型（Fixed Effects Regression Model）。如果对于不同的截面或不同的时间序列，模型的截距不同，则可以采用在模型中添加虚拟变量的方法估计回归参数。一种是随机效应模型（Random Effects Regression Model）。如果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，并且这两个随机误差项都服从正态分布，则固定效应模型就变成了随机效应模型。
       在面板数据模型形式的选择方法上，我们经常采用F检验决定选用混合模型还是固定效应模型，然后用Hausman检验确定应该建立随机效应模型还是固定效应模型。
       检验完毕后，我们也就知道该选用哪种模型了，然后我们就开始回归：
       在回归的时候，权数可以选择按截面加权（cross-section weights）的方式，对于横截面个数大于时序个数的情况更应如此，表示允许不同的截面存在异方差现象。估计方法采用PCSE（Panel Corrected Standard Errors，面板校正标准误）方法。Beck和Katz(1995)引入的PCSE估计方法是面板数据模型估计方法的一个创新，可以有效的处理复杂的面板误差结构，如同步相关，异方差，序列相关等，在样本量不够大时尤为有用。

胖胖小龟宝 发表于 2014-6-17 16:28
步骤一：分析数据的平稳性（单位根检验）
为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的 ...

平稳检验后发现是0阶单整，可以直接回归吗

胖胖小龟宝 发表于 2014-6-17 16:28
步骤一：分析数据的平稳性（单位根检验）
为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的 ...

研究A对B的影响，用什么回归模型？

胖胖小龟宝 发表于 2014-6-17 16:28
步骤一：分析数据的平稳性（单位根检验）
为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的 ...

请问做了截面加权后，对回归结果的系数要怎么分析啊