固定效应模型的估计原理说明 - 图文 下载本文

截距项选择Random effects(个体随机效应)

得到如下部分输出结果:

13

相应的表达式是:

??345.2?0.72IP?2.6D?367.0D?...?106.1D CPitit1215 (68.5) R?0.98,SSE?2979246

2其中虚拟变量D1,D2,...,D15的定义是:

?1,如果属于第i个个体,i=1,2,...,15Di??

0,其他 ?

接下来利用Hausman统计量检验应该建立个体随机效应回归模型还是个体固定

效应回归模型。

H0:个体效应与回归变量(IPit)无关(个体随机效应回归模型) H1:个体效应与回归变量(IPit)相关(个体固定效应回归模型) 分析过程如下:

14

得到如下检验结果:

由检验输出结果的上半部分可以看出,Hausman统计量的值是14.79,相对应的概率是0.0001,即拒接原假设,应该建立个体固定效应模型。

检验结果的下半部分是Hausman检验中间结果比较。个体固定效应模型对参数的估计值为0.697561,随机效应模型对参数的估计值为0.724569。两个参数的估计量的分布方差的差为0.000049。

15

综上分析,1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费和人金收入问题应该建立个体固定效应回归模型。人均消费平均占人均收入的70%。随地区不同,自发消费(截距项)存在显著性差异。

(4)面板单位根检验 以cp序列为例。

首先在工作文件窗口中打开cp变量的15个数据组。

单位根检验过程如下:

16