转载：面板数据分析的思路和Eviews 操作：
面板数据一般有三种：混合估计模型；随机效应模型和固定效应模型。 首先，第一步是作固定效应和随机效应模型的选择，一般是用Hausman 检验。
如果你选用的是所有的企业，反映的是总体的效应，则选择固定效应模型，如果你选用的是抽样估计，则要作Hausman 检验。这个可以在Eviews 5.1里头做。
H0：应该建立随机效应模型。
H1：应该建立固定效应模型。
先使用随机效应回归，然后做Hausman 检验，如果是小概率事件，拒绝原假设则应建立固定效应模型，反之，则应该采用随机效应模型进行估计。
第二步，固定效应模型分为三种：个体固定效应模型、时刻固定效应模型和个体时刻固定效应模型（这三个模型的含义我就不讲了，大家可以参考我列的参考书）。如果我们是对个体固定，则应选择个体固定效用模型。但是，我们还需作个体固定效应模型和混合估计模型的选择。所以，就要作F 值检验。相对于混合估计模型来说，是否有必要建立个体固定效应模型可以通过F 检验来完成。
H0：对于不同横截面模型截距项相同（建立混合估计模型）。SSEr H1：对于不同横截面模型的截距项不同（建立时刻固定效应模型）。SSEu
F 统计量定义为： F=[( SSEr - SSEu)/(T+k－2)]/[ SSEu/(NT-T-k)] 其中，SSEr ，SSEu 分别表示约束模型（混合估计模型的）和非约束模型（个体固定效应模型的）的残差平方和（Sum squared resid）。非约束模型比约束模型多了T –1个被估参数。需要指出的是：当模型中含有k 个解释变量时，F 统计量的分母自由度是NT-T- k。通过对F 统计量我们将可选择准确、最佳的估计模型。
在作回归是也是四步：第一步，先作混合效应模型： 在cross-section 一栏选择None ，Period 也是None ；Weights 是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEr
第二步：作个体固定效用模型：在cross-section 一栏选择Fixed ，Period 也是None ；Weights 是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEu
第三步：根据公式F=[( SSEr - SSEu)/(T+k－2)]/[ SSEu/(NT-T-k)]。计算出结果。其中，T 为年数，不管我们的数据是unbalance 还是balance 看observations 就行了，也即Total pool (balanced) observations:的值，但是如果是balance 我们也可以计算，也即是每一年的企业数的总和。比如说我们研究10年，每一年又500加企业，则NT ＝10×500＝5000。K 为解释变量，不含被解释变量。
第四步，根据计算出来的结果查F 值分布表。看是否通过检验。检验准则：当F> Fα(T-1, NT-T-k) , α=0.01,0.05或0.1时，拒绝原假设，则结论是应该建立个体固定效应模型，反之，接受原假设，则不能建立个体固定效应模型。
参考书：
[1] Cheng Hsiao. Analysis of Panel Dada, 2nd ed. Originally published by Cambridge University Press in 2003.
[2] Greene, Econometric analysis
[3] Wooldridge, Jeffrey M., 2002, “Econometric analysis of cross section and panel data”, 1960-Cambridge, Mass.: MIT Press.
本文来自: 人大经济论坛 Eviews 专版 版，详细出处参考：http://www.pinggu.org/bbs/viewthread.php?tid=782250&page=1&fromuid=564225
转载：面板数据分析的思路和Eviews 操作：
面板数据一般有三种：混合估计模型；随机效应模型和固定效应模型。 首先，第一步是作固定效应和随机效应模型的选择，一般是用Hausman 检验。
如果你选用的是所有的企业，反映的是总体的效应，则选择固定效应模型，如果你选用的是抽样估计，则要作Hausman 检验。这个可以在Eviews 5.1里头做。
H0：应该建立随机效应模型。
H1：应该建立固定效应模型。
先使用随机效应回归，然后做Hausman 检验，如果是小概率事件，拒绝原假设则应建立固定效应模型，反之，则应该采用随机效应模型进行估计。
第二步，固定效应模型分为三种：个体固定效应模型、时刻固定效应模型和个体时刻固定效应模型（这三个模型的含义我就不讲了，大家可以参考我列的参考书）。如果我们是对个体固定，则应选择个体固定效用模型。但是，我们还需作个体固定效应模型和混合估计模型的选择。所以，就要作F 值检验。相对于混合估计模型来说，是否有必要建立个体固定效应模型可以通过F 检验来完成。
H0：对于不同横截面模型截距项相同（建立混合估计模型）。SSEr H1：对于不同横截面模型的截距项不同（建立时刻固定效应模型）。SSEu
F 统计量定义为： F=[( SSEr - SSEu)/(T+k－2)]/[ SSEu/(NT-T-k)] 其中，SSEr ，SSEu 分别表示约束模型（混合估计模型的）和非约束模型（个体固定效应模型的）的残差平方和（Sum squared resid）。非约束模型比约束模型多了T –1个被估参数。需要指出的是：当模型中含有k 个解释变量时，F 统计量的分母自由度是NT-T- k。通过对F 统计量我们将可选择准确、最佳的估计模型。
在作回归是也是四步：第一步，先作混合效应模型： 在cross-section 一栏选择None ，Period 也是None ；Weights 是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEr
第二步：作个体固定效用模型：在cross-section 一栏选择Fixed ，Period 也是None ；Weights 是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEu
第三步：根据公式F=[( SSEr - SSEu)/(T+k－2)]/[ SSEu/(NT-T-k)]。计算出结果。其中，T 为年数，不管我们的数据是unbalance 还是balance 看observations 就行了，也即Total pool (balanced) observations:的值，但是如果是balance 我们也可以计算，也即是每一年的企业数的总和。比如说我们研究10年，每一年又500加企业，则NT ＝10×500＝5000。K 为解释变量，不含被解释变量。
第四步，根据计算出来的结果查F 值分布表。看是否通过检验。检验准则：当F> Fα(T-1, NT-T-k) , α=0.01,0.05或0.1时，拒绝原假设，则结论是应该建立个体固定效应模型，反之，接受原假设，则不能建立个体固定效应模型。
参考书：
[1] Cheng Hsiao. Analysis of Panel Dada, 2nd ed. Originally published by Cambridge University Press in 2003.
[2] Greene, Econometric analysis
[3] Wooldridge, Jeffrey M., 2002, “Econometric analysis of cross section and panel data”, 1960-Cambridge, Mass.: MIT Press.
本文来自: 人大经济论坛 Eviews 专版 版，详细出处参考：http://www.pinggu.org/bbs/viewthread.php?tid=782250&page=1&fromuid=564225