发布时间 : 星期五 文章EVIEWS用面板数据模型预测更新完毕开始阅读
因为H = 11.5 > ?20.05 (1) = 3.8，所以模型存在个体固定效应。应该建立个体固定效应回归模型。
下面用不存在自相关的个体固定效应回归模型估计结果与个体随机效应回归模型估计结果比较。由（4）式，
?=5.8508，s(??) = 0.0666（个体固定效应回归模型估计结果，不存在自相关）； ?WW由（6）式，
~~?RE=6.0727，s(?RE) = 0.0293（个体随机效应回归模型估计结果，对应图12）
~2???(5.8320?6.0727)2(?)WRE H = = = 15.8
~2222?)?s(?)0.0673?0.0293s(?WRE因为H = 15.8 > ?20.05 (1) = 3.8，结论仍然是，模型存在个体固定效应，应该建立个体固
定效应回归模型。
以不存在自相关的个体固定效应回归模型估计结果分析，回归结果是
logfood = - 5.0160 + 5.8320 log(logincome) （7） （-35.1） （86.6）
R2 = 0.994，DW= 2.1，N?T-3N= 28?21-3?28 = 504
上式的导函数是
dlogfoodt5.8320=
dlogincometlogincome导函数不是常量，说明（2）式中的弹性系数是随着城镇人均收入的变化而变化的。当城镇人均收入为666元时，也即log(666) = logcincome = 6.5时，依据上式计算，logfood的弹性系数是0.897。当城镇人均收入增长到13400元时，也即log(13400) = logcincome = 9.5时，logfood对收入的弹性系数下降到0.614。食品支出对城镇人均收入的弹性系数随着人均收入的提高而递减。见图13，改革开放以后，中国城镇居民的生活水平有了很大提高。
建立个体固定效应回归模型的优点是可以克服随个体变化但不随时点变化的一些因素的影响。
用全部数据拟合的结果见图13。
9.08.58.07.57.06.56.0log(income)5.56.06.57.07.58.08.59.09.510.0log(food) 图13 变弹性系数的城镇人均食品支出与收入的关系
下面讨论用个体固定效应回归模型预测。在EViews个体固定效应回归结果窗口点击Proc键，选make model功能，将打开一个对话窗。点击solve键。在打开的对话窗中可以
184
选择动态预测和静态预测。图14是对安徽省人均食品支出的样本内静态预测结果。
3000FOODANH25002000FOODANHF5000FOODBEJ4000FOODBEJF300015002000100050008688909294969800020410000 86889092949698000204 图14 安徽省城镇人均食品支出样本内静态预测结果 图15 北京市人均食品支出样本内静态预测结果
表1 安徽省、北京市城镇人均食品支出的观测值与样本内静态预测值 年 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
FOOD-ANH
323.12 392.18 444.48 552.00 655.00 683.00 768.00 873.81 1003.53 1375.13 1697.66 1938.62 1934.03 1870.79 1844.78 1934.83 1998.95 2045.28 2238.91 2509.02 2781.50
FOOD-ANHF
348.3926 439.1597 491.9863 561.3577 638.1565 684.1713 738.8310 868.0124 1032.644 1305.635 1537.766 1744.392 1768.399 1815.387 1894.558 1954.899 2051.534 2142.673 2322.647 2491.613 2702.179
FOOD-BEJ
466.92 543.36 605.04 743.37 841.30 892.17 1016.8 1126.37 1404.66 1919.00 2436.48 2671.52 2854.35 2865.73 2959.19 3083.37 3229.28 3472.08 3522.69 3925.54 4215.56
FOOD-BEJF
491.839 567.276 619.373 730.672 797.475 874.082 972.242 1160.164 1486.746 1931.150 2228.524 2491.273 2601.141 2746.909 2898.684 3136.932 3374.884 3539.459 3792.037 4088.307 4409.549
185