Eviews面板数据操作

一、 数据输入

1、创建工作文档。如下图操作，在” workfile create”文本框的“workfile structure type”选择“balanced panel”,”panel specification”的”start date”和”end date”输入数据的起止期间，”wf”输入工作文档的名称，点击” OK” 即跳出新建的工作文档a界面。

2、创建新对象。操作如下图。在”new object”文本框的”type of object”选择”pool”，”name for object ”输入新对象的名称。创建成功后的界面如下面第3张图所示。

-

3、输入数据。双击”workfile”界面的

，跳出”pool”界面，输入个体。

一般输入方式为如下：若上海输入_sh，北京输入_bj,…。个体输入完成后，点击该界面的

键，在跳出的”series list”输入变量名称，注意变量后要加问号。

格式如下：y x。点击”OK”后，跳出数据输入界面，如下面第4张图所示。在这个界面上点击

键，即可以输入或者从EXCEL处复制数据。

在输入数据后，记得保存数据。保存操作如下：

在跳出的“workfile save”文本框选择“ok”即可，则自动保存到我的文档。 然后在“workfile”界面如下会显示保存路径：d:\\my documents\\。 若要保存到自己选择的路径下面，则在保存时选择“save as”, 在跳出的文本框里选择自己要保存的路径以及命名文件名称。

4、单位根检验。一般回归前要检验面板数据是否存在单位根，以检验数据的平稳性，避免伪回归，或虚假回归，确保估计的有效性。单位根检验时要分变量检验。（补充：网上对面板数据的单位根检验和协整检验存在不同意见，一般认为时间区间较小的面板数据无需进行这两个检验。）

（1）生成数据组。如下图操作。点击”make group”后在跳出的”series list”里输入要单位根检验的变量，完成后就会跳出如下图3所示的组数据。 （2）生成时序图。如下图操作。在”gragh options”界面的”specifi”下选择生成的时序图的形状，一般都默认设置，生成的时序图如下图3所示。观察时序图的趋势，以确定单位根检验的检验模式。

（3）单位根检验。单位根检验时，在”group unit root test”里的”test for root in”按检验结果一步步检验，如果原值”level”的检验结果符合要求，即不存在单位根，则单位根检验就不需要检验下去了，如果不符合要求，则需继续检验一阶差分”1st difference”、二阶差分”2nd difference”。”include in test equation”是检验模式的选择，根据上面时序图的形状来选择。从上面的时序图可以看出，原值的检验模式应该选择含有截距项和趋势的检验模式，即”include in test equation”选择”individual intercept and trend”。检验结果如下图3所示。从检验结果可以看出，检验结果除了levin检验方法外

其他方法的结果都不符合要求（小于置信度(如,则认为拒绝单位根的原假设，通过检验）。所以继续检验一阶差分和二阶差分，直到检验结果达到要求。如果变量原值序列通过单位根检验，则称变量为0阶单整；如果变量一阶差分后的序列通过单位根检验，则称变量为一阶单整，以此推之。

注意：单位根检验的方法（test type）较多，可以使用LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher这5种方法进行面板单位根检验。一般，为了方便起见，只采用相同根单位根检验LLC和不同根单位根检验Fisher-ADF这两种检验方法，如果它们都拒绝存在单位根的原假设，则可以认为此序列是平稳的，反之就是非平稳的。

5、协整检验。协整检验检验的是模型的变量之间是否存在长期稳定的关系，其前提是解释变量和被解释变量在单位根检验时为同阶单整。操作如下图所示。 6、回归估计

面板数据模型根据常数项和系数向量是否为常数，分为3种类型：混合回归模型（都为常数）、变截距模型（系数项为常数）和变系数模型（皆非常数）。 混合模型： yitxitit i1,2,变截距模型：yitixitit i1,2,变系数模型：yitixitiit i1,2,,N;t1,2,,N;t1,2,,N;t1,2,,T ,T ,T

判断一个面板数据究竟属于哪种模型，用F统计统计量： 来检验以下两个假设：

H1:12N，H2:12N,12N。

其中，S1、S2、S3分别为变系数模型、变截距模型和混合模型的残差平方和，K为解释变量的个数，N为截面个体数量，为常数项，为系数向量。若计

算得到的统计量F2的值小于给定显着性水平下的相应临界值，则接受假设H2，用混合模型拟合样本。反之，则需用F1检验假设H1，如果计算得到的F1值小于给定显着性水平下的相应临界值，则认为接受假设H1，用变截距模型拟合，否则用变系数模型拟合。具体操作：

1）、分别对面板数据进行3种类型模型的回归，得到S1、S2、S3。此外，一般来说，用样本数据推断总体效应，应用随机效应回归模型；直接对样本数据进行分析，采用固定效应回归模型。

首先回到面板数据表，如果是在如下这个界面时，

点击

按钮，在跳出的“series list”文本框里输入模型变量，如下图。 也可以通过重新打开工作文件，如下图操作。 选择自己当初保存的路径和文件名，点击打开。 打开后，跳出工作文件 双击

，

然后分别进行变系数、变截距和混合模型的回归估计： 点击

，进行变系数回归

（变系数）

变截距回归 混合模型估计

前面同2）操作，在“pool estimation”输入如下 2）、确定模型形式

把模型估计取得的s1、s2、s3数值代入前述公式（第13页），如下

计算得到F1、F2值，检验假设H1、H2，从而确定采用何种模型形式（变系数、变截距、混合效应）。 3）、回归分析

若检验结果表明应采用变系数模型，回到以下界面进行估计

点击

，进行变系数回归

上图列示了回归结果，其中：

①Coefficient为系数，比如AH的系数为，截距项为为t值，检验每一个自变量的合理性。|t|大于临界值表示可拒绝系数为0的假设，即系数合理。Prob为系数的概率，若其小于置信度(如则表明|t|大于临界值，即认为系数合理。从结果可以看出，本例中系数合理。

③R-squared为样本决定系数，表示总离差平方和中由回归方程可以解释部分的比例，比例越大说明回归方程可以解释的部分越多。值为0-1，越接近1表示拟合越好，>认为可以接受，但是R2随因变量的增多而增大，所以可以通过增加自变量的个数来提高模型的R-squared。本例中，接近1，拟合度相当好。 Adjust R-seqaured为 修正的R-squared，与R-squared有相似意义。 ④F-statistic表示模型拟合样本的效果，即选择的所有自变量对因变量的解释力度。F大于临界值则说明拒绝0假设。若Prob(F-statistic)小于置信度(如则说明F大于临界值，方程显着性明显。本例中Prob(F-statistic)为， 模型方程显着。

⑤Durbin-Watson stat：检验残差序列的自相关性。其值在0-4之间。 _01 _02 _03

_04 _05 _06 _07 _08 _09 _10 _11 _12 _13 _14 _15 _16 _17 _18 _19 _20 _21 _22 _23 _24 _25 _26 _27 _28 _29 _30 _31 _32 _33 _34

w trade ex im pr mo rc tech dex dim

log(ex) log(im) log(pr) log(mo) rc log(tech)