论文刚写完，我主要是使用面板数据分析，并在面板数据分析中使用了子集回归法，下面我将与大家分享有关面板数据分析的经验。简单思路和Eviews操作。

面板数据一般有三种：混合估计模型；随机效应模型和固定效应模型。

首先，第一步是作固定效应和随机效应模型的选择，一般是用Hausman检验。如果你选用的是所有的企业，反映的是总体的效应，则选择固定效应模型，如果你选用的是抽样估计，则要作Hausman检验。这个可以在Eviews 5.1里头做。

H0：应该建立随机效应模型。

H1：应该建立固定效应模型。

先使用随机效应回归，然后做Hausman检验，如果是小概率事件，拒绝原假设则应建立固定效应模型，反之，则应该采用随机效应模型进行估计。

第二步，固定效应模型分为三种：个体固定效应模型、时刻固定效应模型和个体时刻固定效应模型（这三个模型的含义我就不讲了，大家可以参考我列的参考书）。如果我们是对个体固定，则应选择个体固定效用模型。但是，我们还需作个体固定效应模型和混合估计模型的选择。所以，就要作F值检验。

相对于混合估计模型来说，是否有必要建立个体固定效应模型可以通过F检验来完成。

H0：对于不同横截面模型截距项相同（建立混合估计模型）。SSEr

H1：对于不同横截面模型的截距项不同（建立时刻固定效应模型）。SSEu

F统计量定义为：

F=[( SSEr - SSEu)/(N－1)]/[ SSEu/(NT-N-k)]

其中，SSEr，SSEu分别表示约束模型（混合估计模型的）和非约束模型（个体固定效应模型的）的残差平方和（Sum squared resid）。非约束模型比约束模型多了N–1个被估参数。需要指出的是：当模型中含有k个解释变量时，F统计量的分母自由度是NT-T- k。通过对F统计量我们将可选择准确、最佳的估计模型。

在作回归是也是四步：

第一步，先作混合效应模型： 在cross-section 一栏选择None ，Period也是None；Weights是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEr

第二步：作个体固定效用模型：在cross-section 一栏选择Fixed ，Period也是None；Weights是cross-section Weights，然后把回归结果的Sum squared resid值复制出来，就是SSEu

第三步：根据公式F=[( SSEr - SSEu)/(N－1)]/[ SSEu/(NT-N-k)]。计算出结果。其中，T为年数，不管我们的数据是unbalance还是balance看observations就行了，也即Total pool (balanced) observations:的值，但是如果是balance我们也可以计算，也即是每一年的企业数的总和。比如说我们研究10年，每一年又500加企业，则NT＝10×500＝5000。K为解释变量，不含被解释变量。

第四步，根据计算出来的结果查F值分布表。看是否通过检验。检验准则：当F> Fα(N-1, NT-N-k) , α=0.01,0.05或0.1时，拒绝原假设，则结论是应该建立个体固定效应模型，反之，接受原假设，则不能建立个体固定效应模型。

参考书：
[1] Cheng Hsiao. Analysis of Panel Dada, 2nd ed. Originally published by Cambridge University Press in 2003.
[2] Greene, Econometric analysis
[3] Wooldridge, Jeffrey M., 2002, “Econometric analysis of cross section and panel data”, 1960-Cambridge, Mass.: MIT Press.
(本文转载，希望对大家有用)