eviews教程第25章时间序列截面数据模型
(3) 对转换后变量使用OLS (X 包括常数项和回归
量x ) (25.12) 其中。

EViews在输出中给
出了由(3)得到的的参数估计。

使用协方差矩阵的标准估计量计算
标准差。

EViews给出了随机影响的估计值。

计算公式为： (25.13) 得到的是的最优线性无偏预测值。

最后，
EViews 给出了加权和不加权的概括统计量。

加权统计量来自(3)中的
GLS 估计方程。

未加权统计量来自普通模型的残差，普通模型中包括
(3)中的参数和估计随机影响： (25.14) 三、截面加权当残差具有截面异方差性和
同步不相关时最好进行截面加权回归： (25.15) EViews进行FGLS ，并且从一阶段Pool 最小
二乘回归得出。

估计方差计算公式为： (25.16) 其中是OLS 的拟合值。

估计系数值和协方差矩阵
由标准GLS 估计量给出。

四、SUR 加权当残差具有截
面异方差性和同步相关性时，SUR 加权最小二乘是可行的GLS 估计量： (25.17) 其中是同步相关的对称阵： (25.18) 一般项，在所有的t 时为常
数。

EViews估计SUR 模型时使用的是由一阶段Pool
最小二乘回归得到： (25.19) 分母中的最大值函数是为了解决向下加权协方差项产
生的不平衡数据情况。

如果缺失值的数目可渐进忽略，这种方法生成
可逆的的一致估计量。

模型的参数估计和参数协方差矩阵计
算使用标准的GLS 公式。

五、怀特（White ）协方差估计在Pool 估计中可计算怀特的异方差性一致协方差估计（除了SUR 和
随机影响估计）。

EViews 使用堆积模型计算怀特协方差矩阵： (25.20) 其中K 是估计参数总数。

这种方差估计量足以解释各截面
成员产生的异方差性，但不能解释截面成员间同步相关的可能。

* *
第二十五章时间序列/截面数据模型在经典计量经济学模型
中，所利用的数据（样本观测值）的一个特征是，或者只利用时间序
列数据(time series) ，或者只利用截面数据(cross section) 。

我们
经常遇到在同一时间包含不同截面成员信息的数据，或在若干时间区
间观测到相关的一些截面成员的数据。

例如许多欧洲国家的GDP 时间
序列数据，或者是一段时间不同地区的失业状态数据。

我们称这些数
据为联合利用时间序列/截面数据（Pooled time series，cross
section ）。

有的书中也称这类数据为面板数据(panel data) ，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。

处理时间序列/截面数据的EViews 对象称为一个Pool 。

EViews 提供了许多专用工具处理Pool 数据，包括数据管理，选择时
间序列长度和截面成员的多少，以及进行数据估计。

本章将主
要介绍怎样建立Pool 数据以及定义和处理Pool 对象。

§25.1
Pool 对象 Pool对象的核心是建立用来表示截面成员的名
称表。

为明显起见，名称要相对较短。

例如，国家作为截面成员时，
可以使用USA 代表美国，CAN 代表加拿大，UK 代表英国。

定义
了Pool 的截面成员名称就等于告诉了EViews ，模型的数据结构。

在
上面的例子中，EViews 会自动把这个Pool 理解成对每个国家使用单
独的时间序列。

必须注意，Pool 对象本身不包含序列或数据。

一个Pool 对象只是对基本数据结构的一种描述。

因此，删除一个Pool
并不会同时删除它所使用的序列，但修改Pool 使用的原序列会同时
改变Pool 中的数据。

一、创建Pool 对象在本章中，使用
的是一个研究投资需求的例子，包括了五家企业和三个变量的20个
年度观测值的时间序列： 5家企业： 3个变量： CM：通用汽车公司 I ：总投资CH ：克莱斯勒公司 F ：前一年企业的市
场价值 GE：通用电器公司 S ：前
一年末工厂存货和设备的价值 WE ：西屋公司 US ：美国钢铁公司要创建Pool 对象，选择Objects/New
Object/Pool…并在编辑窗口中输入截面成员的识别名称：对
截面成员的识别名称没有特别要求，但必须能使用这些识别名称建立
合法的EViews 序列名称。

此处推荐在每个识别名中使用“_”字符，
它不是必须的，但把它作为序列名的一部分，可以很容易找到识别名
称。

二、观察或编辑Pool 定义要显示Pool 中的截面
成员识别名称，单击工具条的Define 按钮，或选择
View/Cross-Section Identifiers 。

如果需要，也可以对识别名称列
进行编辑。

三、使用Pool 和序列 Pool中使用的
数据都存在普通EViews 序列中。

这些序列可以按通常方式使用：可以列表显示，图
形显示，产生新序列，或用于估计。

也可以使用Pool 对象来处理各单独序列。

四、序列命名在Pool 中使用序列的关键是序列命名：使用基本名和截面识别名称组合命名。

截面识别名称可以放在序列名中的任意位置，只要保持一致即可。

例如，现有一个Pool 对象含有识别名＿JPN ，＿USA ，＿UK ，想建立每个截面成员的GDP 的时间序列，我们就
使用“GDP ”作为序列的基本名。

可以把识别名称放在基本名的后面，此时序列名为GDP ＿JPN ，GDP ＿USA ，GDP ＿UK ；或者把识别名称放在基本名的前面，此时序列名为JPN ＿GDP ，USA ＿GDP ，UK ＿GDP 。

把识别名称放在序列名的前面，中间或后面并没什么
关系，只要易于识别就行了。

但是必须注意要保持一致，不能这样命名序列：JPNGDP ，GDPUSA ，UKGDP1，因为EViews 无法在Pool 对象中识别这些序列。

五、Pool 序列一
旦选定的序列名和Pool 中的截面成员识别名称相对应，就可以利用这些序列使用Pool 了。

其中关键是要理解Pool 序列的概念。

一个Pool 序列实际就是一组序列, 序列名是
由基本名和所有截面识别名构成的。

Pool 序列名使用基本名和“？”占位符，其中“？”代表截面识别名。

如果序列名为GDPJPN ，GDPUSA ，GDPUK ，相应的Pool 序列为GDP? 。

如果序列名为JPNGDP ，USAGDP ，UKGDP ，相应的Pool 序列为 ?GDP。

当使用一个Pool 序列名时，EViews 认为将准备使用Pool 序列中的所有序列。

EViews 会自动循环查找所
有截面识别名称并用识别名称替代“？”。

然后会按指令使用这些替
代后的名称了。

Pool 序列必须通过Pool 对象来定义，因为如果没有
截面识别名称，占位符“？”就没有意义。

§25.2 输入Pool 数据有很多种输入数据的方法，在介绍各种方法之前，首先要理解时间序列/截面数据的结构，区别堆积数据
和非堆积数据形式。

时间序列/截面数据的数据信息用三维表示：时期，截面成员，变量。

例如：1950年，通用汽车公司，投资数据。

使用三维数据比较困难，一般要转化成二维
数据。

有几种常用的方法。

一、非堆积数据存在工作文件的数据都是这种非堆积数据，
在这种形式中，给定截面成员、给定变量的观测值放在一起，但和其他变量、其他截
面成员的数据分开。

例如，假定我们的数据文件为下面的形式：其中基本名I 代表
企业总投资、F 代表前一年企业的市场价值、S 代表前一年末工厂存货和设备的价值。

每
个企业都有单独的I 、F 、S 数据。

EViews会自动按第四章介绍的标准输入程序读取非
堆积数据。

并把每个截面变量看作一个单独序列。

注意要按照上述的Pool 命名规则命名。

确认后EViews 会打开新建序列的堆积式数据表。

我们看到的是按截面成员堆积的序列，Pool 序列名在每列
表头，截面成员/年代识别符标识每行：二、堆积数据选择View/Spreadsheet （stacked data ），EViews 会要求输入序列名列表 Pool数据排列成堆积形式，一个变
量的所有数据放在一起，和其他变量的数据分开。

大多数情况下，不同截面成员的数据从
上到下依次堆积，每一列代表一个变量：我们称上表数据是以截面成员堆积的，单击Order+/-实现堆积方式转换，也可以按
日期堆积数据：每一列代表一个变量，每一列内数据都是按年排列的。

如果数据按
年排列，要确保各年内截面成员的排列顺序要一致。

三、手工输入/剪切和粘贴可以通
过手工输入数据，也可。