发布时间 : 星期三 文章EVIEWS用面板数据模型预测更新完毕开始阅读
图17
在Dependent Variable(相依变量)选择窗填入CP?;在Common coefficients(系数相同)选择窗填入IP?;Cross section specific coefficients(截面系数不同)选择窗保持空白;在Intercept(截距项)选择窗点击Common;在Weighting(权数)选择窗点击No weighting。点击Pooled Estimation(混合估计)窗口中的OK键。得输出结果如图18。
图18
相应表达式是
CPit= 129.6313 +0.7587 IPit
(2.0) (79.7) R2 = 0.98, SSEr = 4824588, t0.05 (103) = 1.99
15个省级地区的人均支出平均占收入的76%。
注意:如果从时间和截面上看模型截距都为零,就可以建立不含截距项的(? = 0)的
?160
混合估计模型。以二变量模型为例,建立混合估计模型如下,
yit = ?1 xit +?it, i = 1, 2, …, N; t = 1, 2, …, T (2)
无截距项的混合模型EViwes估计方法:在Pooled Estimation(混合估计)对话框中Intercept(截距项)选择窗中选None,其余选项同上。
Eviwes对面板数据混合模型采用的是混合最小二乘(Pooled OLS)估计法。
个体固定效应回归模型的EViwes估计方法:在EViwes的Pooled Estimation对话框中Intercept选项中选Fixed effects。其余选项同上。
图19
161
图20
注意:
(1)EViwes输出结果中没有给出描述个体效应的截距项相应的标准差和t值。不认为截距项是模型中的重要参数。
(2)当对个体固定效应模型选择加权估计时,输出结果将给出加权估计和非加权估计两种统计量评价结果。
(3)输出结果的联立方程组形式可以通过点击View选Representations功能获得。 (4)点击View选Wald Coefficient Tests…功能可以对模型的斜率进行Wald检验。例如c(1)=0.7。
(5)点击View选Residuals/Table, Graphs, Covariance Matrix, Correlation Matrix功能可以分别得到按个体计算的残差序列表,残差序列图,残差序列的方差协方差矩阵,残差序列的相关系数矩阵。
162
(6)点击Procs选Make Model功能,将会出现估计结果的联立方程形式,进一步点击Solve键,在随后出现的对话框中可以进行动态和静态预测。
(7)Eviwes对个体固定效应回归模型的估计采用的就是离差(within)OLS估计法。 以个体固定效应回归模型为例介绍EViews预测方法。
在个体固定效应回归估计窗口点击Proc键选make model功能。在打开的对话框中点击Solve键,可得到样本内每个个体的动态和静态预测序列。以其中的安徽,北京为例,预测效果很好。
4800CPAH4400CPAH (Baseline)11000CPBJ100009000CPBJ (Baseline)4000800070003600600032001996 用1996?2001年数据建立的个体固定效应回归模型进行样本外1期预测的EViews操作: 在个体固定效应回归估计窗口,点击Procs选Make Model功能。点击Solve。在出现的对话框的Dynamics中选择Dynamiic solution(动态解)。在Solution sample 对话框中输入“2002 2002”。点击“确定”键,得每个个体样本外1期(2002年)预测结果。其中安徽、北京、福建2002年人均消费预测值如下
19971998199920002001200250001996199719981999200020012002
4683.8?4784.4= 0.02。
4784.49689.7?10473.1北京2002年消费(cp)的预测误差是= 0.07。
10473.16871.1?6665.0福建2002年消费(cp)的预测误差是= 0.03。
6665.0预测效果很好。
时点固定效应回归模型的EViwes估计方法:在Pooled Estimation(混合估计)窗口中的Dependent Variable(相依变量)选择窗填入CP?;在Common coefficients(系数相同)选择窗填入IP?;在Cross section specific coefficients(截面系数不同)选择窗选None;在Period选择窗选Fixed。点击确定键。
安徽2002年消费(cp)的预测误差是
163