Eviews 面板数据之固定效应模型在面板数据线性回归模型中，如果对于不同的截面或不同的时间序列，只是模型的截距项是不同的，而模型的斜率系数是相同的，则称此模型为固定效应模型。
固定效应模型分为三类：1.个体固定效应模型个体固定效应模型是对于不同的纵剖面时间序列（个体）只有截距项不同的模型：2Kit i k kit it k y x u λβ==++∑ (1)从时间和个体上看，面板数据回归模型的解释变量对被解释变量的边际影响均是相同的，而且除模型的解释变量之外，影响被解释变量的其他所有（未包括在回归模型或不可观测的）确定性变量的效应只是随个体变化而不随时间变化时。
检验：采用无约束模型和有约束模型的回归残差平方和之比构造F 统计量，以检验设定个体固定效应模型的合理性。
F 模型的零假设：01231:0N H λλλλ-===⋅⋅⋅==()1(1,(1)1)(1)RRSS URSS N F F N N T K URSSNT N K --=---+--+RRSS 是有约束模型（即混合数据回归模型）的残差平方和，URSS 是无约束模型ANCOVA 估计的残差平方和或者LSDV 估计的残差平方和。
实践：一、数据：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1，2和3。
表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）数据表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）数据二、1.输入操作：步骤：（1）File——New——Workfile步骤：（2）Start date——End date——OK步骤：（3）Object——New Object步骤：（4）Type of object——Pool步骤：（5）输入所有序列名称步骤：（6）定义各变量点击sheet—输入consume？income？p?步骤：（7）将表1、2、3中的数据复制到Eviews中2.估计操作：步骤：（1）点击poolmodel——Estimate对话框说明Dependent variable:被解释变量；Common coefficients：系数相同部分Cross-section specific:截面系数不同部分步骤：（2）将截距项选择区选Fixed effects（固定效应）Cross-section：Fixed得到如下输出结果：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）。
对模型进行检验：0.05()115-1==7.69=.90(1)RRSS URSS N F F URSS NT N K --=>--+（4965275-2259743）（14,90）180232259743所以推翻原假设，建立个体固定效应回归模型更合理。
RRSS 求法请参见Eview 面板数据之混合回归模型相应的表达式为：1215596.500.6953.23592.44...230.16it it Consume Income D D D =+-+++(6.64)(49.55)20.99,2259743r 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68.62%。
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。
2.时点固定效应模型时点固定效应模型就是对于不同的截面（时点）有不同截距的模型。
如果确知对于不同的截面，模型的截距显著不同，但是对于不同的时间序列（个体）截距是相同的，那么应该建立时点固定效应模型：2Kit t k kit it k y x u γβ==++∑ (2)时点固定效应模型与个体固定效应模型的操作区别在于步骤（2），将时间项选择区选 Period ：Fixed （时间固定效应）得到如下结果：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t α不同（真实模型为时间固定效应回归模型）。
对模型进行检验：0.05()7-11==3.54=.98(1)RRSS URSS T F F URSS NT T K --=>--+（4965275-4080749）（6,98）2194080749所以推翻原假设，可以建立时点固定效应回归模型RRSS 求法请参见Eview 面板数据之混合回归模型 相应的表达式为：1272.60.78114137.5...97.7it it Consume IP D D D =-++++-(76.0) 20.986,4080749R 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3.时点个体固定效应模型时点个体固定效应模型就是对于不同的截面（时点）、不同的时间序列（个体）都有不同截距模型。
如果确知对于不同的截面、不同的时间序列（个体）模型的截距都显著地不相同，那么应该建立时点个体固定效应模型：2Kit t t k kit it k y x u λγβ==+++∑ (3)时点固定效应模型与个体固定效应模型的操作区别在于步骤（2），将截距项选择区域：Cross-section ：fixed （个体固定效应），时间项选择区选 Period ：Fixed （时间固定效应）得到结果如下：Dependent Variable: CONSUME?Method: Pooled Least SquaresDate: 07/21/14 Time: 15:44Sample: 1996 2002Included observations: 7Cross-sections included: 15Total pool (balanced) observations: 105Variable Coefficient Std. Error t-Statistic Prob.C 806.6751 221.2143 3.646578 0.0005INCOME? 0.653338 0.034541 18.91504 0.0000 Fixed Effects (Cross)AH--C -94.50854BJ--C 698.0132FJ--C -18.86465HB--C -200.3997HLJ--C -246.3712JL--C -54.16421JS--C -31.26919JX--C -392.9844LN--C 47.39508NMG--C -284.2660SD--C -150.8912SH--C 465.4906SX--C -152.6560 TJ--C 103.9569 ZJ--C311.5193 Fixed Effects (Period)1996--C -59.12373 1997--C 17.95469 1998--C -31.45564 1999--C -57.24042 2000--C 36.24382 2001--C -29.26415 2002--C122.8854Effects SpecificationCross-section fixed (dummy variables) Period fixed (dummy variables)R-squared 0.993278 Mean dependent var 4981.017 Adjusted R-squared 0.991577 S.D. dependent var1700.985 S.E. of regression 156.1067 Akaike infocriterion13.12288 Sum squared resid 2022652. Schwarz criterion13.67895 Log likelihood -666.9514 Hannan-Quinncriter.13.34821 F-statistic 584.0406 Durbin-Watson stat 1.455623 Prob(F-statistic)0.000000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。
0121121=====0N T H λλλγγγ--⋅⋅⋅=⋅⋅⋅=：和：对模型进行检验：0.05()2022652222-2==5.83=.2022652(1)83RRSS URSS T N F F URSS NT T N K -+-=>---+（4965275-）（）（20,83）17 所以推翻原假设，可以建立个体时点固定效应回归模型。