12.3、混合横截面模型—零基础入门教程

Eviews 统计分析从入门到精通（视频+数据+课件）------------------------------- 点击获取

点击上方链接可以查看完整版视频教程

混合横截面模型是一种用于分析混合横截面数据的统计模型。混合横截面数据是指同时包含横截面和时间序列的数据，即在不同时间点上观察到不同个体的数据。混合横截面模型结合了横截面模型和时间序列模型的特点，能够同时考虑个体间的差异和时间的变化。它可以用于研究个体特征对某一变量的影响，同时探索个体内部和个体间的异质性。混合横截面模型常用的方法包括固定效应模型、随机效应模型和混合效应模型等。混合横截面模型在经济学、社会学、管理学等领域广泛应用，用于研究市场竞争、消费行为、组织绩效等问题。

混合横截面模型

如果一个面板数据在时间和截面个体之间均无显著性差异，将其作为混合数据直接进行OLS回归便会得到较高的估计效率，这样的模型成为混合横截面模型。

操作简述

1.建立pool对象

与面板数据模型相同，变系数模型同样基于Pool对象估计。Pool对象建立完成并输入数据后，系统显示如图所示的窗口，其中P和MB分别代表利润率和市价账面比。

2.混合横截面模型的F检验和LR检验

EViews中对混合横截面模型设定的F检验和LR检验统计量的计算，需要以固定效应模型的估计结果为基础。因此，横截面模型设定的F检验和LR检验需要分两步进行：第一步是估计固定效应模型；第二步是计算相应的检验统计量和伴随概率。

(1)固定效应模型的估计

固定效应模型估计的主要步骤如下：

①在图所示的窗口中单击Proc按钮并选择Estimate命令，

打开如图所示的 Pool Estimation 对话框。

②在Depandent Variable输入框中输入待模型的被解释变量，本例中输入P;在Regressors and AR terms选项组下的Common coefficients输入框中输入解释变量名称，本例中输入MB。

③在Estimation method选项组下的Cross-section下拉列表中选择fixed选项，表示估计固定效应。

设置完成后，单击确定按钮，输出如图所示的固定效应模型估计结果。

(2)F检验、LR检验的检验统计量和伴随概率的计算

EViews内置了混合横截面模型LR检验的相应模块，用户通过菜单操作便可完成混合横截面模型LR检验统计量和伴随概率的计算，具体方法如下。

在上图所示的固定效应模型输出结果窗口单击e按钮并依次选择Fixed/random effect test|Redudant Fixed effects-Likehood ratio命令，即可得到如图所示的F 检验和LR 检验的输出结果。

从检验结果可以看出，F统计量和LR检验的伴随概率分别为0.5813和0.2808,均大于0.1,无法拒绝混合横截面模型相对于固定效应模型更有效的假设，因此需要建立混合横截面模型。

混合横截面模型的估计

与面板数据模型相同，混合横截面模型的估计也是通过如图所示的Pool Estimation对话框实现的。

混合横截面模型估计的相应设置如下：

(1)在Depandent Variable输入框中输入待模型的被解释变量，本例中输入P，在Regressors and AR terms选项组下的Common coefficients输入框中输入解释变量名称，本例中输入MB。

(2)在Estimation method选项组下的Cross-section和period下拉列表中均选择none选项，表示估计混合横截面模型。

设置完成后，单击确定按钮，输出如图所示混合横截面模型估计结果。

混合横截面模型的估计结果分为两个部分：一是系数估计值，可以看出系数估计值为0.616,P值为0.0000,系数估计符合预期且显著。

如果上述教程没有解决您的问题，可以联系分析师获取支持：

分析师服务（24小时在线）

如果您需要代做服务，可选择下方服务选项：

‍1、问卷设计、问卷调查：点击联系

2、数据分析、实证分析：点击联系‍

3、科研配图、论文配图：点击联系

4、文章指导、润色美化：点击联系

5、数据查找、代查代下：点击联系

6、数据修改、调整合理：点击联系‍

7、职称评审、课题申报：点击联系

8、格式排版、文章翻译：点击联系‍