1、 x?。点击”OK”后，跳出数据输入界面，如下面第4张图所示。在这个界面上点击键，即可以输入或者从EXCEL处复制数据。在输入数据后，记得保存数据。保存操作如下：在跳出的“workfile save”文本框选择“ok”即可，则自动保存到我的文档。然后在“workfile”界面如下会显示保存路径：d:my documentsa.wf1。若要保存到自己选择的路径下面，则在保存时选择“save as”,在跳出的文本框里选择自己要保存的路径以及命名文件名称。4、单位根检验。一般回归前要检验面板数据是否存在单位根，以检验数据的平稳性，避免伪回归，或虚假回归，确保估计的有效性。单位根检验时要分变量检验。（
2、补充：网上对面板数据的单位根检验和协整检验存在不同意见，一般认为时间区间较小的面板数据无需进行这两个检验。）（1）生成数据组。如下图操作。点击”make group”后在跳出的”series list”里输入要单位根检验的变量，完成后就会跳出如下图3所示的组数据。（2）生成时序图。在”gragh options”界面的”specifi”下选择生成的时序图的形状，一般都默认设置，生成的时序图如下图3所示。观察时序图的趋势，以确定单位根检验的检验模式。（3）单位根检验。单位根检验时，在”group unit root test”里的”test for root in”按检验结果一步步检验，如果原值
3、”level”的检验结果符合要求，即不存在单位根，则单位根检验就不需要检验下去了，如果不符合要求，则需继续检验一阶差分”1st difference”、二阶差分”2nd difference”。”include in test equation”是检验模式的选择，根据上面时序图的形状来选择。从上面的时序图可以看出，原值的检验模式应该选择含有截距项和趋势的检验模式，即”include in test equation”选择”individual intercept and trend”。检验结果如下图3所示。从检验结果可以看出，检验结果除了levin检验方法外其他方法的结果都不符合要求（Prob
4、.xx小于置信度（如0.05）,则认为拒绝单位根的原假设，通过检验）。所以继续检验一阶差分和二阶差分，直到检验结果达到要求。如果变量原值序列通过单位根检验，则称变量为0阶单整；如果变量一阶差分后的序列通过单位根检验，则称变量为一阶单整，以此推之。注意：单位根检验的方法（test type）较多，可以使用LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher这5种方法进行面板单位根检验。一般，为了方便起见，只采用相同根单位根检验LLC和不同根单位根检验Fisher-ADF这两种检验方法，如果它们都拒绝存在单位根的原假设，则可以认为此序列是平稳的，反之就是非平稳的。5、协整
5、检验。协整检验检验的是模型的变量之间是否存在长期稳定的关系，其前提是解释变量和被解释变量在单位根检验时为同阶单整。操作如下图所示。6、回归估计面板数据模型根据常数项和系数向量是否为常数，分为3种类型：混合回归模型（都为常数）、变截距模型（系数项为常数）和变系数模型（皆非常数）。混合模型： 变截距模型： 变系数模型：判断一个面板数据究竟属于哪种模型，用F统计统计量： 来检验以下两个假设：，。其中，、分别为变系数模型、变截距模型和混合模型的残差平方和，K为解释变量的个数，N为截面个体数量，为常数项，为系数向量。若计算得到的统计量的值小于给定显著性水平下的相应临界值，则接受假设，用混合模型拟合样本。
6、反之，则需用检验假设，如果计算得到的值小于给定显著性水平下的相应临界值，则认为接受假设，用变截距模型拟合，否则用变系数模型拟合。具体操作：1）、分别对面板数据进行3种类型模型的回归，得到、。此外，一般来说，用样本数据推断总体效应，应用随机效应回归模型；直接对样本数据进行分析，采用固定效应回归模型。首先回到面板数据表，如果是在如下这个界面时，点击按钮，在跳出的“series list”文本框里输入模型变量，如下图。 也可以通过重新打开工作文件，如下图操作。选择自己当初保存的路径和文件名，点击打开。打开后，跳出工作文件双击， 然后分别进行变系数、变截距和混合模型的回归估计：点击，进行变系数回归（变
7、系数）变截距回归混合模型估计前面同2）操作，在“pool estimation”输入如下2）、确定模型形式把模型估计取得的s1、s2、s3数值代入前述公式（第13页），如下 计算得到F1、F2值，检验假设H1、H2，从而确定采用何种模型形式（变系数、变截距、混合效应）。3）、回归分析若检验结果表明应采用变系数模型，回到以下界面进行估计上图列示了回归结果，其中：Coefficient为系数，比如AH的系数为0.760053，截距项为477.4820-315.8649t-Statistic为t值，检验每一个自变量的合理性。|t|大于临界值表示可拒绝系数为0的假设，即系数合理。Prob为系数的概率，
8、若其小于置信度（如0.05）则表明|t|大于临界值，即认为系数合理。从结果可以看出，本例中系数合理。R-squared为样本决定系数，表示总离差平方和中由回归方程可以解释部分的比例，比例越大说明回归方程可以解释的部分越多。值为0-1，越接近1表示拟合越好，0.8认为可以接受，但是R2随因变量的增多而增大，所以可以通过增加自变量的个数来提高模型的R-squared。本例中R-squared0.995382，接近1，拟合度相当好。Adjust R-seqaured为 修正的R-squared，与R-squared有相似意义。F-statistic表示模型拟合样本的效果，即选择的所有自变量对因变量的
9、解释力度。F大于临界值则说明拒绝0假设。若Prob（F-statistic）小于置信度（如0.05）则说明F大于临界值，方程显著性明显。本例中Prob（F-statistic）为0.000000， 模型方程显著。Durbin-Watson stat：检验残差序列的自相关性。其值在0-4之间。_01_02_03_04_05_06_07_08_09_10_11_12_13_14_15_16_17_18_19_20_21_22_23_24_25_26_27_28_29_30_31_32_33_34w? trade? ex? im? pr? mo? rc? tech? dex? dim?log（ex?） log（im?） log（pr?） log（mo?） rc? log（tech?）
