python广义矩估计_用EVIEWS进行估计时提示Near singular matrix解析
用EVIEWS进行估计时提示Near singular matrix我想用EViews估计一模型,选择的是面板数据,在pool estimation中,cross-secti选择为fixed进行估计时,提示为——-Near singular matrix.如果cross-secti选择为NONE可以估计.请问这是为什么,该怎样解决,国内的同学学计量是不是只学操作软件,不学理论的?既然你用pool那
用EVIEWS进行估计时提示Near singular matrix
我想用EViews估计一模型,选择的是面板数据,在pool estimation中,cross-secti选择为fixed进行估计时,提示为——-Near singular matrix.如果cross-secti选择为NONE可以估计.请问这是为什么,该怎样解决,
国内的同学学计量是不是只学操作软件,不学理论的?
既然你用pool那么你就是否定了individual effect 的存在,怎么还能用fix 呢?这样不是有了Unobserve variable了。显然运行不了。
panel 分析的流程一般是(假如不是dynamic panel) 1,poolability test 确定是否存在 individual effect ,但是这一步可以省略,因为一般是存在的。然后通过Hausman test 确定individual effect 是random 还是fix 如果是random 用GLS 或者between (一般以GLS为好),如果是Fix 一般用within .
建议大家多学理论在学软件
我对计量经济学不太懂,但现在弄论文需要用EVIEWS,你可以帮我看看我的数据哪地方错了吗,指点一下,十分感谢
数据应该是没问题的。
只是方法确实有问题,由于本人从来都没有用过eviews,实在抱歉,不能提出实质性的建议。但是上面我所说的方法,应该是相对准确的。一般panel分析都是按这个路子
说的对,还是要学理论,pool就相当于不分任何效应了,就是普通的回归问题,出现Near singular matrix在普通的回归中有可能是数据长度不够,或矩阵相关性比较高。
1、原因:自变量之间的相关性很高,这可以通过计算相关系数来证明。
2、解决:去掉相关性高的自变量(不要全去掉啊),愿意并可能的话增加其它相关性底的变量;或者对变量变换,比如差分、如果是GDP可换用人均GDP、土地总产出换成每亩产出等。
我认为near singular matrix 的原因是出现了unobserve variable 。那么individual effect 的地方自动全部带上0 。那么解释变量行列的最后一列全是0 。那么它的行列式为0。 所以不存在逆行列
总结:那位可能是在国外读研究生的同学 他说的很对 正如他说的没有用过eviews软件一样 对这个软件里的pool跟panel不大了解 在这个软件里 pool跟panel是两种不同结构的面板 前者是时间长 后者是个体多 通常我们都是在pool里对面板进行估计 这个pool不是指那种不存在个体效应的混和模型 而是我前面说的一种时间长个体少的面板数据 如果想估计他们所说的不存在个体效应的pool 在cross 和period两个选项里都选none 我们国内一般称之为混合模型 英文里也叫pool 所以比较容易混晓 只所以会出现你上面说的near singular matrix 我也经常遇见 可能是你还设置了其他跟个体有关的虚拟变量 因为eviews在估计个体效应时是采用虚拟变量最小二乘法 你又设置了其他虚拟变量 导致多重共线而产生奇异距阵 这时候就出不来结果 此时在cross选none (不存在个体效应)或着在perid选fixed(时间固定效应)应该就能够出结果
喜欢 (15)or分享 (0)
魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。
更多推荐



所有评论(0)