Eviews面板数据之固定效应模型

在面板数据线性回归模型中，如果对于不同的截面或不同的时间序列，只是模型的截距项是不同的，而模型的斜率系数是相同的，则称此模型为固定效应模型。固定效应模型分为三类：

1.个体固定效应模型

个体固定效应模型是对于不同的纵剖面时间序列（个体）只有截距项不同的模型：

yitikxkituit (1)

k2K从时间和个体上看，面板数据回归模型的解释变量对被解释变量的边际影响均是相同的，而且除模型的解释变量之外，影响被解释变量的其他所有（未包括在回归模型或不可观测的）确定性变量的效应只是随个体变化而不随时间变化时。

检验：采用无约束模型和有约束模型的回归残差平方和之比构造F统计量，以检验设定个体固定效应模型的合理性。F模型的零假设：

H0:123N10

FN1:F(N1,N(T1)K1)

URSS(NTNK1)(RRSSURSS)RRSS是有约束模型（即混合数据回归模型）的残差平方和，URSS是无约束模型ANCOVA估计的残差平方和或者LSDV估计的残差平方和。

实践：

一、数据：已知1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（cp，不变价格）和人均收入（ip，不变价格）居民，利用数据（1）建立面板数据（panel data）工作文件；（2）定义序列名并输入数据；（3）估计选择面板模型；（4）面板单位根检验。年人均消费（consume）和人均收入（income）数据以及消费者价格指数（p）分别见表1，2和3。

表1 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（元）数据

人均消费 CONSUMEAH CONSUMEBJ CONSUMEFJ CONSUMEHB CONSUMEHLJ CONSUMEJL CONSUMEJS CONSUMEJX CONSUMELN CONSUMENMG

1996 3607.43 5729.52 4248.47 3424.35 3110.92 3037.32 4057.5 2942.11 3493.02 2767.84 1997 3693.55 6531.81 4935.95 4003.71 3213.42 3408.03 4533.57 3199.61 3719.91 3032.3 1998 3777.41 6970.83 5181.45 3834.43 3303.15 3449.74 48.43 3266.81 30.74 3105.74 1

1999 3901.81 7498.48 5266.69 4026.3 3481.74 3661.68 5010.91 3482.33 39.93 3468.99 2000 4232.98 8493.49 5638.74 4348.47 3824.44 4020.87 5323.18 3623.56 4356.06 3927.75 2001 4517.65 22.72 6015.11 4479.75 4192.36 4337.22 5532.74 34.51 46.42 4195.62 2002 4736.52 10284.6 6631.68 5069.28 4462.08 4973.88 6042.6 49.32 5342. 4859.88 CONSUMESD CONSUMESH CONSUMESX CONSUMETJ CONSUMEZJ 3770.99 6763.12 3035.59 4679.61 57.27 4040.63 6819.94 3228.71 5204.15 6170.14 4143.96 6866.41 3267.7 71.01 6217.93 4515.05 8247.69 3492.98 5851.53 6521. 5022 8868.19 3941.87 6121.04 7020.22 5252.41 9336.1 4123.01 6987.22 7952.39 5596.32 104 4710.96 7191.96 8713.08

表2 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均收入（元）数据

人均收入 INCOMEAH INCOMEBJ INCOMEFJ INCOMEHB INCOMEHLJ INCOMEJL INCOMEJS INCOMEJX INCOMELN INCOMENMG INCOMESD INCOMESH INCOMESX INCOMETJ INCOMEZJ 1996 4512.77 7332.01 5172.93 4442.81 3768.31 3805.53 5185.79 3780.2 4207.23 3431.81 40.28 8178.48 3702.69 5967.71 6955.79 1997 4599.27 7813.16 6143. 4958.67 4090.72 4190.58 5765.2 4071.32 4518.1 3944.67 5190.79 8438. 39.92 6608.39 7358.72 1998 4770.47 8471.98 85.63 5084. 4268.5 4206. 6017.85 4251.42 4617.24 4353.02 5380.08 8773.1 4098.73 7110. 7836.76 1999 50.6 9182.76 6859.81 5365.03 4595.14 4480.01 6538.2 4720.58 48.61 4770.53 5808.96 10931. 4342.61 79.83 8427.95 2000 5293.55 10349.69 7432.26 5661.16 4912.88 4810 6800.23 5103.58 5357.79 5129.05 .97 11718.01 4724.11 8140.5 9279.16 2001 5668.8 11577.78 8313.08 5984.82 25.87 5340.46 7375.1 5506.02 5797.01 5535. 7101.08 12883.46 5391.05 58.7 104.67 2002 6032.4 12463.92 91.36 6679.68 6100.56 6260.16 8177. 6335. 6524.52 6051 7614.36 13249.8 6234.36 9337.56 11715.6

表3 1996—2002年中国东北、华北、华东15个省级地区的消费者物价指数 物价指数 PAH PBJ PFJ PHB PHLJ PJL PJS PJX PLN PNMG PSD PSH PSX PTJ PZJ 1996 109.9 111.6 105.9 107.1 107.1 107.2 109.3 108.4 107.9 107.6 109.6 109.2 107.9 109 107.9 1997 101.3 105.3 101.7 103.5 104.4 103.7 101.7 102 103.1 104.5 102.8 102.8 103.1 103.1 102.8 1998 100 102.4 99.7 98.4 100.4 99.2 99.4 101 99.3 99.3 99.4 100 98.6 99.5 99.7 1999 97.8 100.6 99.1 98.1 96.8 98 98.7 98.6 98.6 99.8 99.3 101.5 99.6 98.9 98.8 2000 100.7 103.5 102.1 99.7 98.3 98.6 100.1 100.3 99.9 101.3 100.2 102.5 103.9 99.6 101 2001 100.5 103.1 98.7 100.5 100.8 101.3 100.8 99.5 100 100.6 101.8 100 99.8 101.2 99.8 2002 99 98.2 99.5 99 99.3 99.5 99.2 100.1 98.9 100.2 99.3 100.5 98.4 99.6 99.1 2

二、1.输入操作： 步骤：（1）File——New——Workfile

步骤：（2）Start date——End date——OK

步骤：（3）Object——New Object

步骤：（4）Type of object——Pool

3

步骤：（5）输入所有序列名称

步骤：（6）定义各变量点击sheet—输入consume？income？p?

4

步骤：（7）将表1、2、3中的数据复制到Eviews中

2.估计操作： 步骤：（1）点击poolmodel——Estimate

5

对话框说明

Dependent variable:被解释变量；Common coefficients：系数相同部分 Cross-section specific:截面系数不同部分

步骤：（2）将截距项选择区选Fixed effects（固定效应） Cross-section：Fixed

6

得到如下输出结果：

接下来用F统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。

H0：i。模型中不同个体的截距相同（真实模型为混合回归模型）。 H1：模型中不同个体的截距项i不同（真实模型为个体固定效应回归模型）。

对模型进行检验：

（4965275-2259743）N1=15-1=7.69F（14,90）F=18023. 0.05URSS225974390(NTNK1)(RRSSURSS)所以推翻原假设，建立个体固定效应回归模型更合理。

RRSS求法请参见Eview面板数据之混合回归模型

7

相应的表达式为：

Consumeit596.500.69Incomeit53.23D1592.44D2...230.16D15

2 (6.) (49.55) R0.99,SSEr2259743

其中虚拟变量D1,D2,...,D15的定义是：

i,i1,2,...,151,如果属于第个个体 Di0,其他 15个省级地区的城镇人均指出平均占收入68.62%。从上面的结果可以看出北京市居民的自发性消费明显高于其他地区。

8

2.时点固定效应模型

时点固定效应模型就是对于不同的截面（时点）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，那么应该建立时点固定效应模型：

yittkxkituit (2)

k2K时点固定效应模型与个体固定效应模型的操作区别在于步骤（2），将时间项选择区选 Period：Fixed（时间固定效应）

得到如下结果：

9

接下来用F统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。

H0：i。模型中不同个体的截距相同（真实模型为混合回归模型）。 H1：模型中不同个体的截距项t不同（真实模型为时间固定效应回归模

型）。

对模型进行检验：

（4965275-4080749）7-1=3.F（6,98）T1F==219. 0.05URSS408074998(NTTK1)(RRSSURSS)所以推翻原假设，可以建立时点固定效应回归模型

RRSS求法请参见Eview面板数据之混合回归模型 相应的表达式为：

Consumeit2.60.78IPit114D1137.5D2...97.7D7

(76.0) R0.986,SSE4080749

2其中虚拟变量D1,D2,...,D7的定义是：

1,如果属于第t个截面，t=1996,...,2002 Dt0,其他 3.时点个体固定效应模型

时点个体固定效应模型就是对于不同的截面（时点）、不同的时间序列（个体）都有不同截距模型。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，那么应该建立时点个体固定效应模型：

yitttkxkituit (3)

k2K时点固定效应模型与个体固定效应模型的操作区别在于步骤（2），将截距项选择区域：Cross-section：fixed（个体固定效应），时间项选择区选 Period：Fixed（时间固定效应）

10

得到结果如下：

Dependent Variable: CONSUME? Method: Pooled Least Squares Date: 07/21/14 Time: 15:44 Sample: 1996 2002 Included observations: 7 Cross-sections included: 15

Total pool (balanced) observations: 105

Variable C INCOME? Fixed Effects (Cross)

AH--C BJ--C FJ--C HB--C HLJ--C JL--C JS--C JX--C LN--C NMG--C SD--C SH--C

Coefficient 806.6751 0.653338 -94.508 698.0132 -18.865 -200.3997 -246.3712 -.121 -31.26919 -392.9844 47.39508 -284.2660 -150.12 465.4906

11

Std. Error 221.2143 0.0341

t-Statistic 3.6578 18.91504

Prob. 0.0005 0.0000

SX--C TJ--C ZJ--C

Fixed Effects (Period)

1996--C 1997--C 1998--C 1999--C 2000--C 2001--C 2002--C

-152.6560 103.9569 311.5193 -59.12373 17.969 -31.455 -57.24042 36.24382 -29.215 122.88

4981.017 1700.985 13.12288 13.675 13.34821 1.455623

Effects Specification

Cross-section fixed (dummy variables) Period fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.993278 Mean dependent var 0.991577 S.D. dependent var 156.1067 Akaike info criterion 2022652. Schwarz criterion -666.9514 Hannan-Quinn criter. 584.0406 Durbin-Watson stat 0.000000

接下来用F统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。

H0：1=2=N1和1=2==T10：

对模型进行检验：

(RRSSURSS)（4965275-2022652）（TN2）22-2=5.83F（20,83）F==17. 0.05URSS2022652(NTTNK1)83所以推翻原假设，可以建立个体时点固定效应回归模型

12