生活百科 关于【非平衡面板数据】，面板数据解释方法，今天小编给您分享一下，如果对您有所帮助别忘了关注本站哦。
- 内容导航：
- 1、非平衡面板数据：Eviews：三步搞定非平衡面板数据分析（上）
- 2、非平衡面板数据，面板数据解释方法
1、非平衡面板数据：Eviews：三步搞定非平衡面板数据分析（上）
在上节Eviews系列知识中我们说到了数据的录入方法以及数据的相关类型录入方法，今天我们在之前数据录入的基础上来细节操作对于非平衡面板数据的Eviews录入以及简单的数据分析。
何为面板数据？
面板数据，即 Panel Data，也叫"平行数据"，是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。
或者说是一个m*n的数据矩阵，记载的是n个时间节点上，m个对象的某一数据指标。简言之，平衡面板数据说的是在样本期间，样本数量不变、样本个体不变且数据没有缺失，这样的条件对于真实数据的获取来说十分严格，因为有些样本个体虽然不变，但在某些年份某些变量值有缺失，或者个别样本个体在某些年份因为不可抗力因素或无法再跟踪或不满足条件就不再有数值。类似的，有些样本个体有可能新加进来，这类情况下所形成的数据便为非平衡面板数据。
基于此，我们在论文写作中遇到的大多数都是非平衡面板数据，针对非平衡的面板数据进行数据问题研究有很大的现实意义，那么在Eviews录入并分析是一个怎样的过程呢？今天我们分三步来实现非平衡面板的Eviews录入与分析。
准备工作：原始数据整理
当我们从各个统计网站、统计年鉴以及数据库获取原始数据时，数据的排列以及分类都是分散且不规整的，我们需要进行整理和计算，计算根据变量相应的计算公式进行，而整理是需要整理出能够符合软件的要求格式进行录入。
根据面板数据的定义来进行数据的整理，n个时间节点，m个对象，在EXCEL里整理出的格式如下：
开始录入：非平衡面板的录入
首先，按照上节所述的打开Eviews软件，创建新的工作文件（File-New-Workfile），选择unstructured/undated（截面数据），observations处填写研究需要的也即收集到的总样本数，即上表中总共的数据行数，点击OK。
接着：空白处点击Object创建 new-object，分别创建 series alpha类型的code数据,以及series与类型的year数据，然后录入数据。
在录入我们需要的“year”和“code”两个序列时候，我们需要会进一步定义面板数据：
双击range，出现workfile-structure对话框，选择dated panel，在cross p ID series项输入code，在date series项输入year，需要注意右边点balance选项的对勾要去掉，不然eviews会自动填充缺失的时间，那样就又变成平衡面板数据啦！点击OK。这时可以发现多了一项dateid，这是重新编排好的非平衡面板数据，可以不用管
它。
最后，做完上述步骤后，就可以正常录入数据了，在输入栏输入data y x1 x2 x3，按回车，从excle中复制过来数据即可。这样便在eviews中完成了非平衡面板数据的录入。
结果分析：非平衡面板数据分析
在前两步整理并录入数据之后，所要进行的便是数据的分析，对于非平衡面板数据在录入和主动定义之后步骤与平衡面板数据相同。
首先是对数据做描述性统计：
：
对于面板数据和时间序列一样需要进行平稳性检验，为了保证回归的真实性，避免伪回归。平稳性检验方法有很多例如：LLC、 IP、 Breintung、adf -Fisher-和pp–Fisher检验5种方法。这5种方式的原假设都是存在单位根（非平稳数据），当检验统计量的P值大于0.05时，接受原假设，反之则拒绝原假设。有的时候，为了方便研究，只选取针对面板数据的单位根检验方法：Fisher-ADF检验，此处我们也采用ADF检验。
点击View-Unit-ro
ot
-tes
t
2、非平衡面板数据，面板数据解释方法
今天这篇文章，想给大家介绍一下面板数据如何在SPSSAU中实现。
面板数据（panel data）是指不同对象在不同时间上的指标数据。面板数据在计量经济学和实际生活中广泛存在。
面板模型是针对面板数据进行分析，面板数据是一种特殊的数据格式。比如当前研究100家公司5年的财务数据。100家公司，每家5年，最终会有100*5=500行数据。
如果说100家公司全部都有完整的5年数据，即100*5=500行数据，这种叫平衡面板数据。如果说某家公司只有3年的数据，意味着有2年的缺失数据，这种叫非平衡面板数据。
使用SPSSAU进行分析时，‘个体ID’就是下图中的‘公司编号’，‘时间’就是下图中的‘年份’。‘公司编号’一般是指上市公司的股票代码，也或者只是个编号均可；‘年份’一般是指年或者时间点。‘公司编号’和‘年份’两项共同用于告诉系统当前为面板数据，通常无其它意义。
面板数据分析
(一)数据格式
如下图中，展示的就是一个面板数据的例子。数据为9个地区2008~2018共11年的各项经济指标数据。
接上表
地区列反映的是数据不同的截面，即不同的研究个体。日期列反映了数据的时序性，即反映不同时期的数据。面板数据是二者的结合，上传数据时需要注意标识出研究个体编号（地区）和时间点（年份）分别是什么。
(二)模型识别
面板数据进行回归影响关系研究时，即称为面板模型（面板回归）。
一般情况下，面板模型可分为三种类型，分别是FE模型（固定效应模型），POOL模型(就是普通的OLS回归)和RE模型（随机效应模型）。
最终应该选择哪个模型，可通过各个检验进行判断。SPSSAU分别进行F检验，BP检验和Hausman检验（豪斯曼检验）,结合三个检验，最终判断出哪个模型最优。
如果是经济类数据，多数情况下FE模型更优，因而很多研究直接默认不检验直接使用FE模型；一般情况下，三种模型的选择上有区别，但结论上一般区别不会太大。
(三)SPSSAU操作
案例：这里我们以上面提到的9个地区的11年的数据作为案例数据，用以说明。
数据中包括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4个自变量，因变量为GDP。
- 操作步骤：点击【计量经济研究】→【面板模型】。
SPSSAU面板模型
研究4个自变量对于因变量GDP的影响，并且需要标识出面板数据，分别将地区和日期放入对应的‘个体ID’和‘时间’框中。
(四)结果分析
SPSSAU共输出3类表格，分别是检验汇总表格，面板模型结果汇总表格，模型中间过程结果表格。
- 通过F检验比较FE模型（固定效应模型）与POOL模型（混合估计模型）。
- 通过BP检验确定应该建立RE模型（随机效应模型）还是POOL模型。
- 通过Hausman检验选择FE模型或RE模型。
分析步骤参考SPSSAU提供的“分析建议”及“智能分析”。本案例中通过检验给出最终选择“FE模型”。
SSPSSAU会提供多种模型，我们只需要以FE模型结果过作为标准。
SPSSAU分析结果
从表格中可以看出：针对X1(城乡居民年末储蓄存款)而言，其呈现出0.01水平的显著性(t =11.880,p =0.000<0.01)，并且回归系数值为0.967>0，说明X1(城乡居民年末储蓄存款)对GDP会产生显著的正向影响关系。
针对X2(年末常住人口)而言，其并没有呈现出显著性(t =1.623,p =0.108>0.05)，因而说明X2(年末常住人口)对GDP不会产生影响关系。
针对X3(城镇化率)而言，其呈现出0.01水平的显著性(t =-4.073,p =0.000<0.01)，并且回归系数值为-1.076<0，说明X3(城镇化率)对GDP会产生显著的负向影响关系。
针对X4(教育支出)而言，其并没有呈现出显著性(t =1.461,p =0.148>0.05)，因而说明X4(教育支出)对GDP不会产生影响关系。
本文关键词：非平衡面板数据描述性统计，非平衡面板数据可以用双向固定效应模型吗，非平衡面板数据怎么变成平衡面板数据，动态混合非平衡面板数据，非平衡面板数据对回归有影响吗。这就是关于《非平衡面板数据，面板数据解释方法（三步搞定非平衡面板数据分析）》的所有内容，希望对您能有所帮助！
