\/>
��在上節中，我們分別假定模型為固定影響模型和隨機影響模型，在本例中，我們應用豪斯曼檢驗來判別我國31個省市的消費模型中的截距差異是確定的還是隨機的。
Ｈ０∶εi與Ｘit不相關（隨機影響模型）
Ｈ１∶εi與Xit相關（固定影響模型）
在圖1213中，點擊工具欄View→Fixed\/Random Effects Testing→Correlated Random EffectsHausman Test，則結果如圖1214所示。
圖1214
從圖1214可知，豪斯曼檢驗統計量m＝39.37，其p值小於顯著性水平0.05，則拒絕原假設，即城鎮消費模型應設定為固定影響模型。
5. 表麵不相關回歸模型的估計
（1） 創立係統方程
在主菜單選Object→New Object，在彈出的對話框中，選擇system，並給係統方程命名：sur_cy，點擊OK，這時打開係統對象窗口，然後將方程直接鍵入窗口（見圖15）。為簡單起見，我們隻選取北京、遼寧、浙江、四川、安徽、河南等6個省市的數據來建立消費模型。
圖1215
在圖1215中，點擊Estimate，則彈出如圖1216所示窗口。
圖1216
在圖1216中，選擇估計方法Seemingly Unrelated Regression，點擊確定，則彈出結果如圖1217所示。
圖1217
在圖1217中，選擇估計方法OLS，點擊確定，則彈出結果如圖1218所示。
圖1218
根據圖1217和圖1218，可對SUR和OLS估計結果進行比較，如表126所示。
表126SUR估計結果與OLS估計結果的比較
SUR估計結果OLS估計結果
係數標準差
（Std.）t值係數標準差
（Std.）t值
北京
a4168.35557.397.484184.721196.433.50
y0.480.0315.140.480.076.57
遼寧
a1480.05251.895.881545.33449.113.44
y0.610.0321.550.600.0511.47
浙江
a3046.54580.675.252803.241104.292.54
y0.510.0414.000.530.077.31
四川
a1578.57220.557.161657.76452.353.66
y0.590.0320.990.580.069.78
安徽
a1290.50152.838.441219.50254.904.78
y0.580.0230.470.590.0318.09
河南
a875.54263.803.32878.51423.562.07
y0.640.0320.020.640.0512.27
表126中a表示方程中的常數項，y表示收入。例如，北京市的SUR估計結果為：
c∧＝４１６８．３５＋０．４８y
Ｓtd．（５５７．３９）（０．０３）
經比較，可發現，SUR相對於OLS估計結果而言，各方程的係數變化不大，但各係數的標準誤差明顯降低，t值有顯著提高。這說明SUR方法利用各方程同期相關的信息，顯著改善了方程的估計值。
本章小結
1. 麵板數據的特點體現在：能夠提供更多信息、更多變化性、更少共線性、更多自由度和更高效率；能夠更好地研究動態調節，橫截麵分布看上去相對穩定但卻隱藏了許多變化，麵板數據模型由於包含較長時間，能夠弄清諸如經濟政策變化對經濟狀況的影響等問題。
2. 麵板數據模型從分類上看主要有不變係數模型、變截距模型和變係數模型。
3. 在確定是不變係數模型、變截距模型還是變係數模型之前，首先得通過統計檢驗確定模型屬於固定效應模型還是隨機效應模型。
4. 豪斯曼檢驗可以用以確定麵板數據模型是屬於固定效應模型類型還是隨機效應模型的類型。
思考與練習
1. 已知1996—2002年中國東北、華北、華東15個省級地區的居民家庭人均消費（cp，不變價格）和人均收入（ip，不變價格）居民，利用數據：
（1） 建立麵板數據（panel data）工作文件；
（2） 定義序列名並輸入數據；
（3） 估計選擇麵板模型；
（4） 麵板單位根檢驗。
年人均消費（consume）和人均收入（income）數據以及消費者價格指數（p）如表1~表3所示。
表11996—2002年中國東北、華北、華東15個省級地區的居民家庭人均消費（元）數據
人均消費1996199719981999200020012002
CONSUMEAH3607.433693.553777.413901.814232.984517.654736.52
CONSUMEBJ5729.526531.816970.837498.488493.498922.7210284.6
CONSUMEFJ4248.474935.955181.455266.695638.746015.116631.68
CONSUMEHB3424.354003.713834.434026.34348.474479.755069.28
CONSUMEHLJ3110.923213.423303.153481.743824.444192.364462.08
CONSUMEJL3037.323408.033449.743661.684020.874337.224973.88