面板数据模型实例分析

1.已知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（cp，不变价格）和人均收入（ip，不变价格）居民，利用数据（1）建立面板

数据（panel data）工作文件；（2）定义序列名并输入数据；（3）估计选择面板模型；（4）面板单位根检验。

年人均消费（consume）和人均收入（income）数据以及消费者价格指数（p）分别见表9.1，9.2和9.3。

表9.1 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（元）数据人均消费1996 1997 1998 1999 2000 2001 2002

CONSUMEAH 3607.43 3693.55 3777.41 3901.81 4232.98 4517.65 4736.52

CONSUMEBJ 5729.52 6531.81 6970.83 7498.48 8493.49 8922.72 10284.6

CONSUMEFJ 4248.47 4935.95 5181.45 5266.69 5638.74 6015.11 6631.68

CONSUMEHB 3424.35 4003.71 3834.43 4026.3 4348.47 4479.75 5069.28

CONSUMEHLJ 3110.92 3213.42 3303.15 3481.74 3824.44 4192.36 4462.08

CONSUMEJL 3037.32 3408.03 3449.74 3661.68 4020.87 4337.22 4973.88

CONSUMEJS 4057.5 4533.57 4889.43 5010.91 5323.18 5532.74 6042.6

CONSUMEJX 2942.11 3199.61 3266.81 3482.33 3623.56 3894.51 4549.32

CONSUMELN 3493.02 3719.91 3890.74 3989.93 4356.06 4654.42 5342.64

CONSUMENMG 2767.84 3032.3 3105.74 3468.99 3927.75 4195.62 4859.88

CONSUMESD 3770.99 4040.63 4143.96 4515.05 5022 5252.41 5596.32

CONSUMESH 6763.12 6819.94 6866.41 8247.69 8868.19 9336.1 10464

CONSUMESX 3035.59 3228.71 3267.7 3492.98 3941.87 4123.01 4710.96

CONSUMETJ 4679.61 5204.15 5471.01 5851.53 6121.04 6987.22 7191.96

CONSUMEZJ 5764.27 6170.14 6217.93 6521.54 7020.22 7952.39 8713.08

表9.2 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均收入（元）数据人均收入1996 1997 1998 1999 2000 2001 2002

INCOMEAH 4512.77 4599.27 4770.47 5064.6 5293.55 5668.8 6032.4

INCOMEBJ 7332.01 7813.16 8471.98 9182.76 10349.69 11577.78 12463.92

INCOMEFJ 5172.93 6143.64 6485.63 6859.81 7432.26 8313.08 9189.36

INCOMEHB 4442.81 4958.67 5084.64 5365.03 5661.16 5984.82 6679.68

INCOMEHLJ 3768.31 4090.72 4268.5 4595.14 4912.88 5425.87 6100.56

INCOMEJL 3805.53 4190.58 4206.64 4480.01 4810 5340.46 6260.16

INCOMEJS 5185.79 5765.2 6017.85 6538.2 6800.23 7375.1 8177.64

INCOMEJX 3780.2 4071.32 4251.42 4720.58 5103.58 5506.02 6335.64

INCOMELN 4207.23 4518.1 4617.24 4898.61 5357.79 5797.01 6524.52

INCOMENMG 3431.81 3944.67 4353.02 4770.53 5129.05 5535.89 6051

INCOMESD 4890.28 5190.79 5380.08 5808.96 6489.97 7101.08 7614.36

INCOMESH 8178.48 8438.89 8773.1 10931.64 11718.01 12883.46 13249.8

INCOMESX 3702.69 3989.92 4098.73 4342.61 4724.11 5391.05 6234.36

INCOMETJ 5967.71 6608.39 7110.54 7649.83 8140.5 8958.7 9337.56

INCOMEZJ 6955.79 7358.72 7836.76 8427.95 9279.16 10464.67 11715.6

表9.3 1996—2002年中国东北、华北、华东15个省级地区的消费者物价指数物价指数1996 1997 1998 1999 2000 2001 2002

PAH 109.9 101.3 100 97.8 100.7 100.5 99

PBJ 111.6 105.3 102.4 100.6 103.5 103.1 98.2

PFJ 105.9 101.7 99.7 99.1 102.1 98.7 99.5

PHB 107.1 103.5 98.4 98.1 99.7 100.5 99

PHLJ 107.1 104.4 100.4 96.8 98.3 100.8 99.3

PJL 107.2 103.7 99.2 98 98.6 101.3 99.5

PJS 109.3 101.7 99.4 98.7 100.1 100.8 99.2

PJX 108.4 102 101 98.6 100.3 99.5 100.1

PLN 107.9 103.1 99.3 98.6 99.9 100 98.9

PNMG 107.6 104.5 99.3 99.8 101.3 100.6 100.2

PSD 109.6 102.8 99.4 99.3 100.2 101.8 99.3

PSH 109.2 102.8 100 101.5 102.5 100 100.5

PSX 107.9 103.1 98.6 99.6 103.9 99.8 98.4

PTJ 109 103.1 99.5 98.9 99.6 101.2 99.6

PZJ 107.9 102.8 99.7 98.8 101 99.8 99.1

（1）建立面板数据工作文件

首先建立工作文件。打开工作文件后，过程如下：

建立面板数据库。

在窗口中输入15个不同省级地区的标识。

（2）定义序列名并输入数据

产生3*15个尚未输入数据的变量名。这样可以通过键盘输入或黏贴的方法数据数据。

（3）估计、选择面板模型

打开一个pool窗口，先输入变量后缀（所要使用的变量）。点击Estimate，打开估计窗口。

A.混合模型的估计方法

左边的Common表示相同系数，即表示不同个体有相同的斜率。

得到如下输出结果：

相应的表达式是：

?129.630.76it it

CP IP =+ (2.0) (79.7) 2

0.98,4824588r R SSE == 上式表示15个省级地区的城镇人均指出平均占收入的76%。

B.个体固定效应回归模型的估计方法

将截距项选择区选Fixed effects （固定效应）

得到如下输出结果：

相应的表达式为：

1215?515.60.7036.3537.6...198.6it it CP IP D D D =+-+++ (6.3) (55) 20.99,2270386r R SSE == 其中虚拟变量1215,,...,D D D 的定义是：

1,1,2,...,150,i i i D =?=??如果属于第个个体,其他

15个省级地区的城镇人均指出平均占收入70%。从上面的结果可以看出北京市

居民的自发性消费明显高于其他地区。

接下来用F 统计量检验是应该建立混合回归模型，还是个体固定效应回归模型。

0H ：i αα=。模型中不同个体的截距相同（真实模型为混合回归模型）

。 1H ：模型中不同个体的截距项i α不同（真实模型为个体固定效应回归模型）

。 F 统计量定义为：

()/[(1)()]()/(1)/()/()

r u r u u u SSE SSE NT k NT N k SSE SSE N F SSE NT N k SSE NT N k --------==---- 其中r SSE 表示约束模型，即混合估计模型的残差平方和，u SSE 表示非约束模型，即个体固定效应回归模型的残差平方和。非约束模型比约束模型多了1N -个被估参数。 所以本例中：

0.05(4824588227386)/(151)8.1(14,89) 1.82270386/(105151)

F F --===-- 所以推翻原假设，建立个体固定效应回归模型更合理。

C.时点固定效应回归模型的估计方法

将时间选择为固定效应。

得到如下输出结果：

相应的表达式为：

127

? 2.60.78105.9134.1...93.9it it CP IP D D D =++++- (76.6) 2

0.987,4028843R SSE == 其中虚拟变量127,,...,D D D 的定义是：

1,0,t D ?=??如果属于第t 个截面，t=1996,...,2002其他

D.个体随机效应回归模型估计

截距项选择Random effects（个体随机效应）

得到如下部分输出结果：

相应的表达式是：

1215

?345.20.72 2.6367.0...106.1it it CP IP D D D =+-+++ (68.5) 2

0.98,2979246R SSE == 其中虚拟变量1215,,...,D D D 的定义是：

1,0,i D ?=??如果属于第i 个个体,i=1,2,...,15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。

0H ：个体效应与回归变量（it IP ）无关（个体随机效应回归模型）

1H ：个体效应与回归变量（it IP ）相关（个体固定效应回归模型）

分析过程如下：

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。

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：

得到如下检验结果：

从上面的检验结果可以看出来，6种检验方法的结论都认为15个cp序列存在单位根。

选择IPS检验方法进行单位根检验。检验结果如下：

从上面的结果可以看出，cp面板存在单位根，同时每个个体都存在单位根。

2.收集中国2000—2005年各地区城镇居民人均可支配收入X和消费指出Y统计数据如表9.4。数据是6年的，每一年都有32组数据，共192组观测值。

人均可支配收入和消费支出数据（单位：元）

2000 2001 2002 2003 2004 2005

地区可支

配收

入

消费

支出

可支

配收

入

消费

支出

可支

配收

入

消费

支出

可支

配收

入

消费

支出

可支

配收

入

消费

支出

可支

配收

入

消费

支出X Y X Y X Y X Y X Y X Y

全国6279.9

8

4998

.00

6859.5

8

5309

.01

7702.8

6029

.88

8472.2

6510

.94

9421.6

1

7182

.10

10493.

03

7942

.88

北京10349.

69

8493

.49

11577.

78

8922

.72

12463.

92

1028

4.60

13882.

62

1112

3.84

15637.

84

1220

0.40

17652.

95

1324

4.20

天津8140.5

6121

.04

8958.7

6987

.22

9337.5

6

7191

.96

10312.

91

7867

.53

11467.

16

8802

.44

12638.

55

9653

.26

河北5661.1

6

4348

.47

5984.8

2

4479

.75

6679.6

8

5069

.28

7239.0

6

5439

.77

7951.3

1

5819

.18

9107.0

9

6699

.67

山西4724.1

1

3941

.87

5391.0

5

4123

.01

6234.3

6

4710

.96

7005.0

3

5105

.38

7902.8

6

5654

.15

8913.9

1

6342

.63

内

蒙古5129.0

5

3927

.75

5535.8

9

4195

.62

6051.0

4859

.88

7012.9

5419

.14

8122.9

9

6219

.26

9136.7

9

6928

.60

辽宁5357.7

9

4356

.06

5797.0

1

4654

.42

6524.5

2

5342

.64

7240.5

8

6077

.92

8007.5

6

6543

.28

9107.5

5

7369

.27

吉林4810.0

4020

.87

5340.4

6

4337

.22

6260.1

6

4973

.88

7005.1

7

5492

.10

7840.6

1

6068

.99

8690.6

2

6794

.71

黑

龙江4912.8

8

3824

.44

5425.8

7

4192

.36

6100.5

6

4462

.08

6678.9

5015

.19

7470.7

1

5567

.53

8272.5

1

6178

.01

上海11718.

01

8868

.19

12883.

46

9336

.10

13249.

80

1046

4.00

14867.

49

1104

0.34

16682.

82

1263

1.03

18645.

03

1377

3.41

江苏6800.2

3

5323

.18

7375.1

5532

.74

8177.6

4

6042

.60

9262.4

6

6708

.58

10481.

93

7332

.26

12318.

57

8621

.82

浙江9279.1

6

7020

.22

10464.

67

7952

.39

11715.

60

8713

.08

13179.

53

9712

.89

14546.

38

1063

6.14

16293.

77

1225

3.74

安徽5293.5

5

4232

.98

5668.8

4517

.65

6032.4

4736

.52

6778.0

3

5064

.34

7511.4

3

5711

.33

8470.6

8

6367

.67

福建7432.2

6

5638

.74

8313.0

8

6015

.11

9189.3

6

6631

.68

9999.5

4

7356

.26

11175.

37

8161

.15

12321.

31

8794

.41

江西5103.5

8

3623

.56

5506.0

2

3894

.51

6335.6

4

4549

.32

6901.4

2

4914

.55

7559.6

4

5337

.84

8619.6

6

6109

.39

山东6489.9

7

5022

.00

7101.0

8

5252

.41

7614.3

6

5596

.32

8399.9

1

6069

.35

9437.8

6673

.75

10744.

79

7457

.31

河南4766.2

6

3830

.71

5267.4

2

4110

.17

6245.4

4504

.68

6926.1

2

4941

.60

7704.9

5294

.19

8667.9

7

6038

.02

湖北5524.5

4

4644

.50

5855.9

8

4804

.79

6788.5

2

5608

.92

7321.9

8

5963

.25

8022.7

5

6398

.52

8785.9

4

6736

.56

湖南6218.7

3

5218

.79

6780.5

6

5546

.22

6958.5

6

5574

.72

7674.2

6082

.62

8617.4

8

6884

.61

9523.9

7

7504

.99

广东9761.5

7

8016

.91

10415.

19

8099

.63

11137.

20

8988

.48

12380.

43

9636

.27

13627.

65

1069

4.79

14769.

94

1180

9.87

广西5834.4

3

4852

.31

6665.7

3

5224

.73

7315.3

2

5413

.44

7785.0

4

5763

.50

8689.9

9

6445

.73

9286.7

7032

.80

海南5358.3

2

4082

.56

5838.8

4

4367

.85

6822.7

2

5459

.64

7259.2

5

5502

.43

7735.7

8

5802

.40

8123.9

4

5928

.79

重庆6275.9

8

5569

.84

6721.0

9

5873

.69

7238.0

4

6360

.24

8093.6

7

7118

.06

9220.9

6

7973

.05

10243.

46

8623

.29

四川5894.2

7

4855

.78

6360.4

7

5176

.17

6610.8

5413

.08

7041.8

7

5759

.21

7709.8

7

6371

.14

8385.9

6

6891

.27

贵州5122.2

1

4278

.28

5451.9

1

4273

.90

5944.0

8

4598

.28

6569.2

3

4948

.98

7322.0

5

5494

.45

8151.1

3

6159

.29

云南6324.6

4

5185

.31

6797.7

1

5252

.60

7240.5

6

5827

.92

7643.5

7

6023

.56

8870.8

8

6837

.01

9265.9

6996

.90

西藏7426.3

2

5554

.42

7869.1

6

5994

.39

8079.1

2

6952

.44

8765.4

5

8045

.34

9106.0

7

8338

.21

9431.1

8

8617

.11

陕西5124.2

4

4276

.67

5483.7

3

4637

.74

6330.8

4

5378

.04

6806.3

5

5666

.54

7492.4

7

6233

.07

8272.0

2

6656

.46

甘肃4916.2

5

4126

.47

5382.9

1

4420

.31

6151.4

4

5064

.24

6657.2

4

5298

.91

7376.7

4

5937

.30

8086.8

2

6529

.20

青海5169.9

6

4185

.73

5853.7

2

4698

.59

6170.5

2

5042

.52

6745.3

2

5400

.24

7319.6

7

5758

.95

8057.8

5

6245

.26

宁夏4912.4

4200

.50

5544.1

7

4595

.40

6067.4

4

5104

.92

6530.4

8

5330

.34

7217.8

7

5821

.38

8093.6

4

6404

.31

新疆5644.8

6

4422

.93

6395.0

4

4931

.40

6899.6

4

5636

.40

7173.5

4

5540

.61

7503.4

2

5773

.62

7990.1

5

6207

.52

首先建立工作文件，打开工作文件后，过程如下：

建立面板数据库，并命名为XY。

输入不同省市（包括全国）的标识，如下：

点击sheet键，定义变量X和Y。

点击Edit+/-后，在数据窗口键入数据即可。

对模型进行估计，建立个体固定效应回归模型，过程如下：

得到如下输出结果：

本文来源：https://www.bwwdw.com/article/ziye.html