R语言1-面板数据分析全过程 附代码用途

R语言1-面板数据分析全过程 附代码

用途

面板数据常见于计量经济学领域，本质上是一种线性回归方法。截面数据和时间序列数据的组合可以更多的反应数据情况，同时也需要克服二者都存在的问题。

数据初步处理

在Excel中将原数据进行初步处理和排列并另存为csv格式，建议将文件存放于便于提取的路径下。
![因变量为export.value，自变量分别为gdp、sagr、iagr、tagr、gni.p、food…其中apec和close是哑变量。在这里插入图片描述](https://img-
blog.csdnimg.cn/20200530093827215.png?x-oss-
process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NocmlzdGluZWFncg==,size_16,color_FFFFFF,t_70)
因变量为export.value，自变量分别为gdp、sagr、iagr、tagr、gni.p、food…其中apec和close是哑变量。截面为27个国家，时间跨度为2001-2018年。

数据清洗

在现实的经济数据中，数据不可避免的会存在缺失等问题。因此需要对数据进行清洗，并对缺失数据集进行插补。插补方法较多，R为面板数据提供了专门的程辑包：pan包。
首先进行缺失数据的可视化，然后针对缺失数据集进行插补。注意因变量应该是完整的，pan包主要是处理自变量的缺失。
[ 详细的插补步骤和方法请参考这篇博文

](https://blog.csdn.net/sinat_26917383/article/details/51265213?depth_1-utm_source=distribute.pc_relevant.none-
task-blog-BlogCommendFromBaidu-2&utm_source=distribute.pc_relevant.none-task-
blog-BlogCommendFromBaidu-2)

面板数据的单位根检验

    // 读取数据
    lndataI<-read.csv("E://lndataI.csv",header = TRUE);
    lnDATAI<-as.matrix(lndataI[,3:15])
    //加载程辑包
    library(plm)
    //matrix形式简化检验步骤
    purtest(lnDATAI,test = c("levinlin"),exo = c("trend"),lags = c("AIC"),pmax = 10)
    //可选参数
    test = c("levinlin", "ips", "madwu", "Pm", "invnormal", "logit", "hadri"),
    exo = c("none", "intercept", "trend"),
    lags = c("SIC", "AIC", "Hall")

注意：五种检验方式中，只有Hadri函数的原假设为平稳，其他均为不平稳。
若0阶不平稳，则对原数据进行差分再进行单位根检验，直至平稳。

协整检验

1.pco包提供 pedroni99m
方法。每个变量分割成矩阵再结合成（多维）数组，第一个矩阵必须是自变量，其余为因变量。每个矩阵第一维（行）是时间，第二维（列）是个体（截面），第三维是变量值。
该函数最多检验7维数组 ，即最多检验7个变量。
当standardized value服从标准正态分布（0,1）时，服从H0假设，即数组不协整。
引入ks检验标准正态分布

    // pedroni99m协整检验
    pedroni99m(array(t1,dim = c(19,27,6)),type.stat = 2)
    //标准正态分布检验
    ks.test(standardized value,"pnorm",mean=0,sd=1)

2.urca包提供ca.jo检验
最多检验11个变量，包容哑变量。但变量个数增多后会导致不显示边界值，很不方便。可以通过修改源代码，增加检验变量个数，同时显示所有的critical
values。
亲测可行
代码太长就不贴了。

面板回归详细代码

    // 读入标准面板格式数据
    panel<-pdata.frame(data,index = c("year","id"))
    //构建固定模型-双效应/时间效应/个体效应
    fix<-plm(export.value~gdp+sagr+iagr+tagr+gni.p+I+food+gid+safe+trans+taf+culture+apec+close,data = panel,model = "within")
    fix_two<-plm(export.value~gdp+sagr+iagr+tagr+gni.p+I+food+gid+safe+trans+taf+culture+apec+close,data = panel,model = "within",effect = "twoways")
    fix_time<-plm(export.value~gdp+sagr+iagr+tagr+gni.p+I+food+gid+safe+trans+taf+culture+apec+close,data = panel,model = "within",effect = "time")
    fix_individual<-plm(export.value~gdp+sagr+iagr+tagr+gni.p+I+food+gid+safe+trans+taf+culture+apec+close,data = panel,model = "within",effect = "individual")
    //构建随机模型-双效应/时间效应/个体效应
    ran<-plm(export.value~gdp+sagr+iagr+tagr+gni.p+I+food+gid+safe+trans+taf+culture+apec+close,data = panel,model = "random")
    ran_two<-plm(export.value~gdp+sagr+iagr+tagr+gni.p+I+food+gid+safe+trans+taf+culture+apec+close,data = panel,model = "random",effect = "twoways")
    ran_time<-plm(export.value~gdp+sagr+iagr+tagr+gni.p+I+food+gid+safe+trans+taf+culture+apec+close,data = panel,model = "random",effect = "time")
    ran_individual<-plm(export.value~gdp+sagr+iagr+tagr+gni.p+I+food+gid+safe+trans+taf+culture+apec+close,data = panel,model = "random",effect = "individual")
    //混合模型
    pool<-plm(export.value~gdp+sagr+iagr+tagr+gni.p+I+food+gid+safe+trans+taf+culture+apec+close,data = panel,model = "pooling")
    //F检验-个体or时间
    pooltest(fix_time,fix_individual)
    //F检验-混合or固定
    pooltest(fix,pool)
    //豪斯曼检验-随机or固定
    phtest(fix,ran)
    //==共线性检验==方差膨胀因子
    library(car)
    vif(ran)
    vif(pool)
    vif(fix)
    //==共线性检验==kappa
    kappa(panel[,3:18])

结果分析

略