基于EViews 6的面板数据计量分析

对于面板数据，EViews 6 提供的估计方法有如下三种，

最小二乘估计——LS - Least Squares (and AR)

二阶段最小二乘估计——TSLS - Two-Stage Least Squares (and AR)

动态面板数据模型的广义矩估计——GMM / DPD - Generalized Method of Moments

/Dynamic Panel Data

第1节“LS - Least Squares (LS and AR)”估计

如果选择最小二乘方法估计面板数据模型，在“Equation Estimation”窗口中，须依次设置“Specification”、“Panel Options”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“Equation specification”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“Panel Options”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“Panel Options”

该页面包含三方面内容。

1 效应设置

在“Effects specification”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“Equation specification”编辑区设定模型截距项。

2 GLS加权

设置“GLS Weights”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“No weights”；

面板数据在个体间存在异方差时，选择“Cross-section weights”；

面板数据的个体间存在同期相关性和异方差时，选择“Cross-section SUR”；

对于给定的个体，存在时间上的异方差时，选择“Period weights”。

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“Period SUR”；

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

通过选择“Coef covariance method”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“White cross-section”；这时也可选择“Cross-section SUR”选项，最常见的选择是White的截面加权法（White

cross-section）

对于模型残差，只存在时间上的异方差时，选择“White Period”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-section SUR”选项；

对于模型残差，只存在个体间的异方差时，选择“Cross-section weights”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“Period SUR”

选项；

对于模型残差面板数据分析，只存在时间上的异方差时，选择“Period weights”选项。

选择“No d.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EViews 6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，EViews 6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

“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“Weighting Options”、回归系数重命名“Coefficient Name”和迭代算法选项“Iteration Control”四方面的选项。除回归系数重命名“Coefficient Name”编辑窗口外，该页面的其它选项依赖于“Panel Options”页面的设置。

对于随机效应模型，可选择“Weighting Options”确定随机效应方差的估计方法；

对于固定效应模型，可选择“Iteration Control”确定迭代估计方法的收敛和迭代选择；

如果“Panel Options”页面选择了GLS加权，在“Options”页面可选择“Weighting Options”、“Coefficient Name”和“Iteration Control”三方面的选项，

1 系数导数的计算方法

在EViews 6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“Use numeric only”，EViews 6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，“Keep GLS weights”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，EViews 6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，

在编辑栏输入变量名。

4 迭代算法选择

“Max Iterations Convergence ”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。

“Display Settings ”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“Simultaneous updating ”和“Sequential updating ”，选择前者EViews 同时对系数向量和GLS 加权矩阵迭代；如果选择“Sequential updating ”，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“Update coefs to convergence ”和“ Update coefs once ”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 - Least Squares (LS and AR)”估计结果

案例：Grunfeld(1958)建立了下面的投资方程：

12it it it i t it I F C u αββξλ=+++++

这里面板数据分析，I it 表示对第i 个企业在t 年的实际总投资，F it 表示企业的实际价值（即公开出售的股份）

，C it 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

2 双因素随机效应模型的EViews6输出结果

1.5 面板数据模型的检验

1 固定效应的检验

EViews 检验过程：

View/Fixed/Random Effects Testing/Redundant Fixed Effects – Likelihood Ratio.

检验结果：

0表示估计值为负

H02下有约束模型的估计

H03下有约束模型的估计

H01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/Random Effects Testing/Correlated Random Effects- Hausman Test

检验结果：

(1)

基于双随机效应和双固定效应的Hausman 检验统计量 m 1 = 8.842，其p = 0.012，在

5%的显著性水平下，Hausman 检验拒绝了零假设5

0H ；

(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-Stage Least Squares (and AR)”估计

如果选择二阶段最小二乘估计方法（“TSLS - Two-Stage Least Squares (and AR)”）面板数据模型，在“Equation Estimation ”窗口中，须依次设置“Specification ”、“Panel Options ”、“Instruments ”和“Options ”页面。其中，“Specification ”、“Panel Options ”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“Instrument list ”编辑框指定工具变量，列示所使用的工具变量序列。“Instruments list ”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“Include lagged regressors for equations with AR terms ”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。

第3节“GMM / DPD - Generalized Method of Moments/Dynamic Panel Data”估计

在EViews6中，使用GMM方法估计面板数据模型，也需要设置“Specification”、“Panel Options”、“Instruments”和“Options”四个页面。

1“Specification”页面

在“Specification”页面的“Estimation settings”选择框选择“GMM / DPD -Generalized Method of Moments / Dynamic Panel Data”。“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“Dynamic Panel Wizard...”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

z编辑被解释变量

z选择被解释变量的滞后阶数，即解释

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！