面板数据都要做什么检验

❶ 面板数据模型估计一般要做哪些步骤

步骤一：分析数据的平稳性（单位根检验）。

按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。

步骤二：协整检验或模型修正。

情况一：如果基于单位根检验的结果发现变量之间是同阶单整的，那么我们可以进行协整检验。协整检验是考察变量间长期均衡关系的方法。

所谓的协整是指若两个或多个非平稳的变量序列，其某个线性组合后的序列呈平稳性。此时我们称这些变量序列间有协整关系存在。因此协整的要求或前提是同阶单整。

步骤三：面板模型的选择与回归。

面板数据模型的选择通常有三种形式：

一种是混合估计模型（Pooled Regression Model）。如果从时间上看，不同个体之间不存在显着性差异；从截面上看，不同截面之间也不存在显着性差异，那么就可以直接把面板数据混合在一起用普通最小二乘法（OLS）估计参数。

一种是固定效应模型（Fixed Effects Regression Model）。如果对于不同的截面或不同的时间序列，模型的截距不同，则可以采用在模型中添加虚拟变量的方法估计回归参数。

一种是随机效应模型。

(1)面板数据都要做什么检验扩展阅读：

面板数据模型可以使用LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher5种方法进行面板单位根检验。

其中LLC-T 、BR-T、IPS-W 、ADF-FCS、PP-FCS 、H-Z 分别指Levin, Lin & Chu t* 统计量、Breitung t 统计量、lm Pesaran & Shin W 统计量。

ADF- Fisher Chi-square统计量、PP-Fisher Chi-square统计量、Hadri Z统计量，并且Levin, Lin & Chu t* 统计量、Breitung t统计量的原假设为存在普通的单位根过程。

lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square统计量的原假设为存在有效的单位根过程， Hadri Z统计量的检验原假设为不存在普通的单位根过程。

❷ 面板数据要不要进行内生性检验、稳健性检验

面板数据回归后，稳健性检验一定要做。

稳健性检验的方法：从数据出发，根据不同的标准调整分类，检验结果是否依然显着；从变量出发，从其他的变量替换，如：公司size可以用totalassets衡量，也可以用totalsales衡量从计量方法出发，可以用OLS，FIXEFFECT，GMM等来回归，看结果是否依然robust。

稳健性检验

考察的是评价方法和指标解释能力的强壮性，也就是当改变某些参数时，评价方法和指标是否仍然对评价结果保持一个比较一致、稳定的解释。通俗些，就是改变某个特定的参数，进行重复的实验，来观察实证结果是否随着参数设定的改变而发生变化，如果改变参数设定以后，结果发现符号和显着性发生了改变，说明不是稳健性的，需要寻找问题的所在。

以上内容参考：网络-稳健性检验

❸ eviews做面板数据是否要进行模型检验

面板数据与时间序列有本质的不同。面板数据一般存在的是异方差，在做模型的时候需要进行异方差检验。

❹ 面板数据为什么要做异方差检验

因为异方差存在，说明模型中无法观测到的因素对解释变量有较大影响。

实现同方差是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。如果这一假定不满足，即：随机误差项具有不同的方差，则称线性回归模型存在异方差性。

(4)面板数据都要做什么检验扩展阅读：

面板数据可以克服时间序列分析受多重共线性的困扰，能够提供更多的信息、更多的变化、更少共线性、更多的自由度和更高的估计效率，而面板数据的单位根检验和协整分析是当前最前沿的领域之一。

面板数据的单位根检验的方法主要有Levin，Lin and CHU(2002)提出的LLC检验方法。Im，Pesearn，Shin(2003)提出的IPS检验，Maddala和Wu(1999)，Choi（2001）提出的ADF和PP检验等。

面板数据的协整检验的方法主要有Pedroni(1999，2004)和Kao(1999)提出的检验方法，这两种检验方法的原假设均为不存在协整关系，从面板数据中得到残差统计量进行检验。

Luciano(2003)中运用Monte Carlo模拟对协整检验的几种方法进行比较，说明在T较小（大）时，Kao检验比Pedroni检验更高（低）的功效。