基于EViews 6的面板数据计量分析.pdf

《基于EViews 6的面板数据计量分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

面板数据计量分析白仲林基于EViews6的面板数据计量分析对于面板数据，EViews6提供的估计方法有如下三种，最小二乘估计——LS-LeastSquares(andAR)二阶段最小二乘估计——TSLS-Two-StageLeastSquares(andAR)动态面板数据模型的广义矩估计——GMM/DPD-GeneralizedMethodofMoments/DynamicPanelData第1节“LS-LeastSquares(LSandAR)”估计如果选择最小二乘方法估计面板数据模型，在“EquationEstimation”窗口中，须依次设置“Specification”、“PanelOptions”和“Options”页面。1.1“Specification”页面在“Specification”页面中，完成模型设定和估计样本时间范围的选择。1在“Equationspecification”编辑区，指定模型的被解释变量、截距项和解释变量；2在“Sample”编辑区，指定估计样本时间的范围。1.2“PanelOptions”页面设置模型中不可观测的双（单）因素效应，即面板数据回归模型的选择。点击“PanelOptions” 面板数据计量分析白仲林该页面包含三方面内容。1效应设置在“Effectsspecification”选择区，设定面板数据模型的个体效应和时间效应，可选择的选项有“None”、“Fixed”和“Random”，分别表示“无效应”、“固定效应”和“随机效应”。如果选择了“Fixed”或“Random”，EViews在输出结果中自动添加一个共同常数，即截距项，以保证效应之和为零。否则，截距项必要时，须在“Specification”页面的“Equationspecification”编辑区设定模型截距项。2GLS加权设置“GLSWeights”可以在下拉框中选择如下选项之一。其选择标准为：¢面板数据不存在异方差和自相关性时，选择“Noweights”；¢面板数据在个体间存在异方差时，选择“Cross-sectionweights”；¢面板数据的个体间存在同期相关性和异方差时，选择“Cross-sectionSUR”；¢对于给定的个体，存在时间上的异方差时，选择“Periodweights”。¢对于给定的个体残差，存在时间上的序列相关性和异方差时，选择“PeriodSUR”；当选择了GLS加权（后四项），EViews采用FGLS估计模型。特别，选择了两种SUR选项的FGLS估计也称为Parks估计。3系数协方差估计方法 面板数据计量分析白仲林通过选择“Coefcovariancemethod”选项，确定计算系数标准差的各种稳健估计方法。可选择的选项有其选择标准为：¢对于不存在（个体间的和时间上的）异方差和时间上的序列相关性时，选择“Ordinary”；¢模型残差存在个体间的异方差和同期相关性时，可选择“Whitecross-section”；这时也可选择“Cross-sectionSUR”选项，最常见的选择是White的截面加权法（Whitecross-section）¢对于模型残差，只存在时间上的异方差时，选择“WhitePeriod”选项¢模型残差存在个体间的异方差时，可选择“White[Diagonal]”¢模型残差存在个体间的异方差和同期相关性时，可选择“Cross-sectionSUR”选项；¢对于模型残差，只存在个体间的异方差时，选择“Cross-sectionweights”选项；¢对于指定的个体，观测数据存在时间上的异方差和序列相关性时，选择“PeriodSUR”选项；¢对于模型残差，只存在时间上的异方差时，选择“Periodweights”选项。选择“Nod.f.correction”，计算时不进行自由度修正。注意：(1)模型设定和估计方法的一些组合EViews6不支持，例如，对于个体随机效应模型，设置AR项，或者，选择GLS加权，EViews6不支持。(2)对于双因素随机效应模型，不支持非平衡面板数据。1.3“Options”页面 面板数据计量分析白仲林“Options”页面包括系数导数的计算方法选项“Derivatives”、GLS估计的加权选项“WeightingOptions”、回归系数重命名“CoefficientName”和迭代算法选项“IterationControl”四方面的选项。除回归系数重命名“CoefficientName”编辑窗口外，该页面的其它选项依赖于“PanelOptions”页面的设置。对于随机效应模型，可选择“WeightingOptions”确定随机效应方差的估计方法；对于固定效应模型，可选择“IterationControl”确定迭代估计方法的收敛和迭代选择；如果“PanelOptions”页面选择了GLS加权，在“Options”页面可选择“WeightingOptions”、“CoefficientName”和“IterationControl”三方面的选项，1系数导数的计算方法在EViews6中，可以设置均值方程的（非线性）函数形式，并提供两种计算系数导数的计算方法。选择“Usenumericonly”，EViews6采用有限差分法计算系数的数值导数。否则，采用Newton-Raphson方法和Gauss-Newton/BHHH等方法对计算系数的解析导数。对于线性模型，该选项无效。2加权选项在估计随机效应模型时，EViews提供了计算随机效应方差的三种估计方法，分别是Swamy-Arora,Wallace-Hussain和Wansbeek-Kapteyn方法。缺省选择是“Swamy-Arora”方法，详细内容参考Baltagi(2008).另外，“KeepGLSweights”选项决定是否保存该模型GLS估计的权重。3回归系数重命名缺省时，EViews6使用向量C保存系数和效应的估计值。如果使用其他变量名保存它们， 面板数据计量分析白仲林在编辑栏输入变量名。4迭代算法选择“MaxIterationsConvergence”选项供选择系数和GLS权重的迭代次数和收敛检验。如果模型设定中含AR，设置有AR项模型系数的初始值，可分别选择无AR项模型系数的OLS估计分数、0或者用户自定义值。“DisplaySettings”决定在输出结果中是否显示收敛设置和系数的初始值。最后的两个单项选择用于确定系数向量和加权矩阵收敛迭代设置，可选择“Simultaneousupdating”和“Sequentialupdating”，选择前者EViews同时对系数向量和GLS加权矩阵迭代；如果选择“Sequentialupdating”，系数向量迭代后，EViews更新GLS加权矩阵，再迭代系数向量。但是对于无AR项的GLS模型，两种设置是相同的。如果选择了“Updatecoefstoconvergence”和“Updatecoefsonce”之一，GLS加权矩阵只更新一次，前者对系数向量迭代计算直至收敛。选择后者，系数向量也仅迭代一次。同样，对于无AR项的GLS模型，两种设置也是相同的。1.4“LS-LeastSquares(LSandAR)”估计结果案例：Grunfeld(1958)建立了下面的投资方程：I=+αββξFC++++λuit12itititit这里，Iit表示对第i个企业在t年的实际总投资，Fit表示企业的实际价值（即公开出售的股份），Cit表示资本存量的实际价值。案例中的数据是来源于10个大型的美国制造业公司1935-1954共20年的面板数据。利用EViews6估计双因素固定效应和随机效应模型1双因素固定效应模型的EViews6输出结果 面板数据计量分析白仲林2双因素随机效应模型的EViews6输出结果σˆμ0表示估计值为负σˆνσˆw1.5面板数据模型的检验1固定效应的检验EViews检验过程：View/Fixed/RandomEffectsTesting/RedundantFixedEffects–LikelihoodRatio.检验结果： 面板数据计量分析白仲林22LRF33FLR1LR1F2H0下有约束模型的估计 面板数据计量分析白仲林3H0下有约束模型的估计1H0下有约束模型的估计2随机效应/固定效应检验-Hausman检验EViews6的检验过程：View/Fixed/RandomEffectsTesting/CorrelatedRandomEffects-HausmanTest检验结果： 面板数据计量分析白仲林检验H0下的m2统计量检验H0下的m3统计量检验H0下的m1统计量(1)基于双随机效应和双固定效应的Hausman检验统计量m1=8.842，其p=0.012，在5%5的显著性水平下，Hausman检验拒绝了零假设H；0(2)EViews还给报告了其他两种Hausman检验。最终，应选择个体随机时间固定的双因素效应模型。第2节“TSLS-Two-StageLeastSquares(andAR)”估计如果选择二阶段最小二乘估计方法（“TSLS-Two-StageLeastSquares(andAR)”）面板数据模型，在“EquationEstimation”窗口中，须依次设置“Specification”、“PanelOptions”、“Instruments”和“Options”页面。其中，“Specification”、“PanelOptions”和“Options”页面的设置与最小二乘估计方法相同，下面主要介绍“Instruments”页面设置。在使用二阶段最小二乘估计方法时，需要设置“Instruments”页面，以确定工具变量。该页面有两部分。在“Instrumentlist”编辑框指定工具变量，列示所使用的工具变量序列。“Instrumentslist”页面缺省时，EViews6选择的工具变量是解释变量自身。如果模型设定时，AR项作为解释变量，可选择“IncludelaggedregressorsforequationswithARterms”选项，自动设定模型设定中的变量作为工具变量，并且，EViews6采用非线性OLS估计模型。注意：在“Instruments”编辑框无需指定常数项。 面板数据计量分析白仲林第3节“GMM/DPD-GeneralizedMethodofMoments/DynamicPanelData”估计在EViews6中，使用GMM方法估计面板数据模型，也需要设置“Specification”、“PanelOptions”、“Instruments”和“Options”四个页面。1“Specification”页面在“Specification”页面的“Estimationsettings”选择框选择“GMM/DPD-GeneralizedMethodofMoments/DynamicPanelData”。“Specification”页面的模型设定和样本选择与前面一致。通常采用设定动态面板数据模型的向导“DynamicPanelWizard...”按钮设定动态面板数据模型的向导。它通过如下六步完成。（1）设定被解释变量ò编辑被解释变量ò选择被解释变量的滞后阶数，即解释变量中AR项的阶数。（2）设定外生的解释变量编辑外生解释变量 面板数据计量分析白仲林（3）选择剔除模型中固定效应的变换方法选择差分法Difference(asinArellanoandBond,1991)，差分原始数据。或者，选择正交离差OrthogonalDeviations(ArellanoandBover,1995)（4）设定GMM估计的Arellano-Bond工具变量缺省时，@DYN(CP,-2)指CP(-2)，…，CP(-T)均是ΔCP(1)的工具变量。例如，也可以设定为@DYN(CP,-2,-5)，这时，ΔCP(1)的工具变量是CP(-2)，…，CP(-5).（4）设定GMM估计的其它工具变量（ArellanoandBover，1995） 面板数据计量分析白仲林如果这些变量的变换后结果做为工具变量，在左侧编辑；如果用不进行变换的变量做为工具变量，在右侧编辑。（6）设定GMM估计的迭代方法ò选择GMM估计的迭代选项1-step(fori.i.d.innovations)计算Arellano-Bond1-step估计；2-step(updateweightsonce)计算Arellano-Bond2-step估计；n-step(iteratetoconvergence)多次迭代直至收敛。ò选择估计系数的方差估计方法完成模型设定和GMM工具变量的选择。 面板数据计量分析白仲林另外，还可以利用“PanelOptions”、“Instruments”和“Options”三个页面进一步优化动态模型。其中，“PanelOptions”和“Options”页面的设定与“LS”估计相应页面的设定相似。2动态面板数据模型GMM估计结果计算Sargan检验的p-值scalarpval=@chisq(13.26762939364339,12)p-value=0.35所以，接受“过度约束正确的零假设”。