eviews面板数据回归模型,eviews

一、Eviews对面板数据构建面板回归模型

数据：本文使用我国31个省份，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表示少子抚养比率。 CX是被解释变量，剩下的是解释变量。

二.面板回归模型概述

图1

我们分别建立混合回归模型(也称为不变系数模型)、变截尾模型、变系数模型。 文件名为pooldata的面板回归。

图2

三. Eviews回归模型操作

图3

面板回归分析界面识别——

方框1 :解释的变量

框3 ) common coefficients，在此栏中输入的变量对所有截面成员具有相同的系数。 (可以理解混合效果)

cross—section specific。 在此列中输入的变量与pool中每个截面成员的系数不同。 (可以理解为变量系数)

周期特定。 在本栏输入的变量在poo中因时期而异。

方框2 )固定和随机实际上是在变截尾模型下，选择使用固定效果还是随机效果。

fixed ——f，random——r，none——n

输入解释为common的变量时：

f-f :个体时间点的固定效应模型

r-r :个体时间点的随机效应模型

f-n :个体固定效应模型

n-f :时间点固定效应模型

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的拟合效果极低，这实际上与我们的一般认识一致。 用一个模型描绘30个省10年的回归，由于个体之间存在差异，存在时间差，用一个模型描绘整体特征效果不好。 在变量模型中，可以看到所有省的模型不匹配更适合数据。 教育年限和少子养育与储蓄相比，影响在0.05显著水平上没有影响。

3.2个体时点随机效应模型

图6

图7

结果表明，该模型拟合度大大提高，远优于混合效应模型。 其中GDP对储蓄率的影响很小。 固定效果(cross )之和接近0(8.88178e-16 )，固定效果(period )之和接近0 )0(1.00267E-15 )。 也就是说，偏差之和为0，各地区每年的平均值为-0.358。

3.3个体固定效应模型

图8

图9

该模型适应性好，少儿养育与储蓄相比无显著影响。 并且，Fixed Effect(Cross之和也为0，实际上共计1.15186E-15，可以推测为与0没有变化。 因为都表示了偏差。 31个固定效应之和为-0.051，即各地区平均切片。

3.4时间点固定效应模型

图10

该模型拟合度仅为0.224，表明模型效果极差，其中教育年限和少儿养育与储蓄率相比无显著影响。 固定效果(period )之和为-3.17801E-15，与0相同。 也就是说，偏差之和为0。 随着年龄的增长，这一偏差逐渐由负转正。 每年平均为1.293。

3.5个体随机效应模型

图11

图12

该模型拟合优度低，儿童养育与储蓄相比无显著影响，Randomeffect(Cross )之和为-5.41928E-15，与0相同。

3.5变量模型

图13

图14

图15

图16

变量模型拟合度最高，这与我们理解的一致。 多元回归方程描述了多个省会将大大提高模型的拟合度。