ewiews面板回归模型操作_Eviews常用面板回归模型案例实战

一、Eviews对面板数据构建面板回归模型

数据简介:本文使用中国31个省,10年(2003-2012年),5个变量。其中LN表示对数化,CX表示储蓄,JYNX表示教育年限,GDP表示地区生产总值,LNFY表示老年抚养比率,SNFY表示少儿抚养比率。CX为被解释变量,其余为解释变量。

二、面板回归模型概述

图1

我们分别建立混合回归模型(又称不变系数模型)、变截距模型、变系数模型。对文件名为pooldata进行面板回归。

图2

三、Eviews回归模型操作

图3

面板回归分析界面认识——

方框1处:被解释变量

方框3处:common coefficients,在这栏中输入的变量对所有截面成员有相同系数。(可理解混合效应)

cross—section specific,在这栏中输入的变量对pool中每个截面成员系数不同。(可理解为变系数)

period specific。在这栏中输入的变量对poo中每个时期的系数不同。

方框2处:Fixed and Random 其实就是对变截距模型下,选择使用固定效应还是随机效应。

fixed ——f,random——r,none——n

当common中输入被解释变量时:

f-f :个体时点固定效应模型

r-r :个体时点随机效应模型

f-n :个体固定效应模型

n-f :时点固定效应模型

r-n :个体随机效应模型

3.1 混合效应模型

图4

图5

上式结果表明,该模型拟合效果极低,这其实跟我们的一般认识是一致的。用一个模型来刻画30个省10年的回归,由于个体间存在差异性且时间差异,用一个模型来刻画整体特征难免效果不好。我们会在变系数模型看到,所有省的模型都不一致将会更好拟合数据。教育年限和少儿抚养比对储蓄影响在0.05显著水平下无影响。

3.2 个体时点随机效应模型

图6

图7

结果表明,该模型拟合优度大大提高,远远优于混合效应模型。其中GDP对储蓄率的影响较小。Fixed Effect (Cross)之和接近0(8.88178E-16),Fixed Effect(Period)之和接近0(1.00267E-15)。即偏差之和为0,各地区各年份的平均值为-0.358。

3.3 个体固定效应模型

图8

图9

该模型拟合优度较好,少儿抚养比对储蓄无显著影响。且可以推断,Fixed Effect(Cross)之和也为0,实际通过求和为1.15186E-15,与0无异。因为都表示偏差。31个固定效应之和为-0.051,即各地区平均截距。

3.4 时点固定效应模型

图10

该模型拟合优度仅为0.224,说明模型效果极差,其中教育年限和少儿抚养比对储蓄率无显著影响。Fixed Effects(Period)之和为-3.17801E-15,与0无异。(也即偏差之和为0)。随着年份增长,该偏差在逐渐由负转正。各年份平均为1.293。

3.5 个体随机效应模型

图11

图12

该模型拟合优度较低,少儿抚养比对储蓄无显著影响,Random Effect (Cross)之和为-5.41928E-15,与0无异。

3.5 变系数模型

图13

图14

图15

图16

变系数模型的拟合程度最好,这和我们所理解的相符合。多个回归方程刻画多个省会大大增加模型拟合优度。

表情包
插入表情
评论将由博主筛选后显示,对所有人可见 | 还能输入1000个字符
相关推荐
©️2020 CSDN 皮肤主题: 深蓝海洋 设计师:CSDN官方博客 返回首页