首页天道酬勤面板数据回归结果解读,面板数据多元回归分析

面板数据回归结果解读,面板数据多元回归分析

张世龙 05-12 06:42 17次浏览

“面板数据”(panel data )是指不同对象在不同时间的指标数据。 目前,面板数据被广泛应用于经济研究。 本文简要介绍使用SPSSAU的面板数据回归分析步骤。

一、数据格式下图显示面板数据的示例。 数据是9个地区2008~2018共计11年的各项经济指标数据。

区域序列反映了数据的不同截面,即不同的研究个体。 日期列反映了数据的时序性,也就是不同时期的数据。 面板数据是两者的结合,上传数据时需要注意识别研究个体编号(地区)和时间点(年)分别是什么。

二、模型识别面板数据中进行回归影响关系的研究时,称为面板模型(面板回归)。 面板模型一般可分为三种类型: FE模型(固定效应模型)、POOL模型、RE模型(随机效应模型)。

最终应该选择哪个模型可以通过各检查来判断。 SPSSAU分别进行f检验、BP检验和Hausman检验(豪斯曼检验),三种检验相结合,最终判断哪个模型最好。

由于在经济数据方面,FE模型往往更好,很多研究中直接缺省使用FE模型而不检查,一般来说三种模型的选择存在差异,但结论上一般差异不大。

3358 www.Sina.com/http://www.Sina.com /本节将上述九个地区的11年数据作为案例数据进行说明。

数据包括X1 (城乡居民年末储蓄存款) X2 (年末常住人口) X3 (城镇化率) X4 (教育支出)共计4个自变量,变量为GDP。

点击三、SPSSAU操作【计量经济研究】【面板型号】。

SPSSAU面板型号

需要研究4个自变量对因变量GDP的影响,识别面板数据,将地区和日期分别放入对应的“个体id”和“时间”框中。

操作面板

四、结果分析SPSSAU共输出3种表格,分别为检测明细表、面板模型结果明细表、模型中间过程结果表。

用f检验比较FE模型和POOL模型。 在BP检查中决定应该制作RE模型还是POOL模型。 在Hausman检查中选择FE模型或RE模型。 分析步骤参照SPSSAU提供的“分析建议”和“智能分析”。 在此案例中,表示通过检查最终选择“FE模型”。

SPSSAU提供所有三个模型的分析结果。 只需以FE模型的结果为基准。

SPSSAU的分析结果

由表可知,对于X1 (城乡居民年末储蓄存款),其表现出0.01水平的显著性(t=11.880,p=0.000 0.01 ),且回归系数的值为0.9670,X1 )城乡居民年末储蓄存款

对于X2 (年末常住人口),它无显著性(t=1.623,p=0.1080.05 ),因此X2 (年末常住人口)表现出不影响GDP的关系。

相对于X3 (城镇化率),其表现出0.01水平的显著性(t=-4.073,p=0.000 0.01 ),且回归系数值为-1.0760,X3 )城镇化率)对GDP有明显的负影响关系

关于X4 (教育支出),由于看不到显著性(t=1.461,p=0.1480.05 ),所以X4 (教育支出)显示了不影响GDP的关系。

每个模型的特定工艺值可参考相应模型的“模型中间工艺结果表”,但在此不再赘述。

案例:

操作步骤:有兴趣的小伙伴可以登录SPSSAU官网实际操作。

https://spssau.com/front/spssau

转载: https://珠兰.智惠.com/p/142382955。 只用于学习,如果有侵权请联系我。

面板数据回归分析步骤,eviews可以做面板数据吗