第11章 面板数据模型 481
其中:a为29个省市的平均自发消费倾向,b为边际消费倾向。
EViews估计方法:在图11.5.5合成数据模型定义对话框左上部的Dependent Variable选择窗填入被解释变量CS?,在中部的Common coefficients(系数相同)选择窗填入解释变量YD?,Cross section specific coefficients(截面系数不同)选择窗保持空白;Intercept选项选择窗点击Common,对话框Weighting(权数)选项点击No weighting。完成合成数据模型定义对话框后,点击OK键,得输出结果如表11.5.3。
表11.5.3 无个体影响的不变系数模型估计结果
相应回归方程为
?= 223.35923 +0.750648 YD CSitit
t = (10.11208) (200.920)
R2=0.990,F=40368.83,S3=17031621,DW=0.511
从表11.5.3结果看,回归系数显著不为0,调整后的样本决定系数达0.9901,说明模型的拟合优度较高。从结果看,平均消费倾向为0.76。
(2)固定效应变截距模型
模型形式为
CSit=ai+b?YDit+uit (i=1,L29,t=1991,L,2004)
其中:ai为29个省市的自发消费倾向,用来反映省市间的消费结构差异,b为边际消费倾向。
EViews估计方法:在EViews的Pooled Estimation对话框中Intercept选项中选Fixed effects。其余选项同上。得输出结果如表11.5.4。
表11.5.4 固定效应变截距模型估计结果
中级计量经济学 482
表11.5.4中给出了变截距模型估计结果,表中的系数0.741232为边际消费倾向,后面三项是估计标准误、检验统计量值和相伴概率。表中下半部是各地区截距估计值。输出结果的方程形式见表11.5.5。
表11.5.5 我国城镇居民消费函数(固定效应变截距模型)
地 区 代号安 徽 北 京 福 建 广 东 甘 肃 广 西
AH BJ FJ GD GS GX
居民消费函数
CSAH = 229.06 + 0.74*YDAH CSBJ = 552.26 + 0.74*YDBJ CSFJ = 182.85 + 0.74*YDFJ CSGD = 539.06 + 0.74*YDGD CSGS = 321.84 + 0.74*YDGS CSGX = 318.54 + 0.74*YDGX
第11章 面板数据模型 483
贵 州 河 北 黑龙江 海 南
GZ HB HLJHN
CSGZ = 245.71 + 0.74*YDGZ CSHB = 132.86 + 0.74*YDHB CSHEN = 127.61 + 0.74*YDHEN CSHLJ = 156.49 + 0.74*YDHLJ CSHN = 166.29 + 0.74*YDHN CSHUB = 409.19 + 0.74*YDHUB CSHUN = 361.23 + 0.74*YDHUN CSJL = 273.41 + 0.74*YDJL CSJS = 155.94 + 0.74*YDJS CSJX = 17.19 + 0.74*YDJX CSLN = 403.91 + 0.74*YDLN CSNMG = 162.82 + 0.74*YDNMGCSNX = 372.01 + 0.74*YDNX CSQH = 353.89 + 0.74*YDQH CSSC = 440.09 + 0.741*YDSC CSSD = 68.52 + 0.74*YDSD CSSH = 317.66 + 0.74*YDSH CSSHX = 423.57 + 0.74*YDSHX CSSX = 149.89 + 0.74*YDSX CSTJ = 262.11 + 0.74*YDTJ CSXJ = 168.08 + 0.74*YDXJ CSYN = 335.55 + 0.74*YDYN
河 南 HEN
湖 北 HUB湖 南 HUN吉 林 江 苏 江 西 辽 宁 宁 夏 青 海 四 川 山 东 上 海 山 西 天 津 新 疆 云 南
JL JS JX LN NX QH SC SD SH SX TJ XJ YN
内蒙古 NMG
陕 西 SHX
浙 江 ZJ CSZJ = 267.56+ 0.74*YDZJ
R2=0.993593,S2=10224633,DW=0.845943
表11.5.5结果表明,回归系数显著不为0,调整后的样本决定系数达0.9936,说明模型的拟合优度较高。从估计结果可以看出,对于本例中的29个省市来说,虽然它们的居民消费倾向相同,但是其居民的自发消费存在显著的差异,其中北京、广东是居民自发消费最高的2个地区,而居民自发消费最低的是江西。
(3)随机效应变截距模型
模型形式为
CSit=(a+vi)+b?YDit+uit (i=1,L29,t=1991,L,2004)
其中:a为29个省市的平均自发消费倾向,b为边际消费倾向,vi为随机变量,代表i地区的随机影响,用来反映省市间的消费结构差异。
EViews估计方法:在EViews的Pooled Estimation对话框中Intercept选项中选Random effects(随机效应截距项),其余选项同上。随机影响变截距模型输出结果如表11.5.6。
表11.5.6 随机影响变截距模型估计结果
中级计量经济学 484
回归结果如下:
?=256.0865+0.742728YD+v?i CSitit
t = (8.906763) (215.3819)
其中反映各地区消费差异的随机影响vi的估计结果见表11.5.7。
第11章 面板数据模型 485
表11.5.7 各地区随机影响的变截距模型估计结果 地 区 随机影响估计值
地 区
随机影响估计值
-223.49 116.04 -95.39 88.53 72.49 147.56 -179.78 34.14 133.76 -106.75 -11.20 -91.55 55.03 -8.11
安 徽 -37.56 江 西北 京 241.54 辽 宁福 建 -80.39 内蒙古广 东 229.89 宁 夏甘 肃 44.55 青 海广 西 40.14 四 川贵 州 -22.82 山 东河 北 -122.46 上 海河 南 -126.33 陕 西黑龙江 -100.94 山 西海 南 -93.33 天 津湖 北 120.50 新 疆湖 南 77.67 云 南吉 林 1.80 浙 江江 苏 -103.53 从表11.5.7给出的估计结果可以看出,在29个省市中,自发消费最高的为北京,其次为广东,最低的是江西,该结果与表11.5.5中所得到的结果基本相一致。
(4)Hausman检验与面板单位根检验
在表11.5.6输出结果窗口中点击View键,选Fixed/Random Effects Testing/Correlated Random Effect-Hausman Test功能,可以直接获得如表11.5.8的Hausman检验结果(主要结果)。
表11.5.8 Hausman检验结果
表11.5.8中第1部分给出的是Hausman检验结果。Hausman统计量的值是4.264457,相对应的概率是0.0389,说明检验结果拒绝了随机效应模型原假设,应该建立个体固定效应模型。图中第2部分给出的是Hausman检验中间结果比较。0.741232是个体固定效应模型对参数的估计,0.742728是随机效应模型对参数的估计。0.000001是相应两个参数估计量的分布方差