1단계: 데이터의 정상성을 분석합니다(단위근 테스트).
공식 절차에 따라 패널 데이터 모델은 회귀 전에 데이터의 정상성을 테스트해야 합니다. Li Zinai는 일부 비정상 경제 시계열이 동일한 변화 추세를 보이는 경우가 많지만 현재로서는 이러한 데이터를 회귀 분석할 때 높은 R 제곱에도 불구하고 반드시 직접적인 상관관계가 있는 것은 아니라고 지적했습니다. 결과는 의미가 없습니다.
2단계: 공적분 테스트 또는 모델 수정.
사례 1: 단위근 검정 결과, 변수들이 동일한 순서로 적분되어 있는 것으로 확인되면 공적분 검정을 수행할 수 있습니다. 공적분 검정은 변수 간의 장기적인 균형 관계를 조사하는 방법입니다.
소위 공적분이란 두 개 이상의 비정상 변수 시퀀스가 있는 경우 특정 선형 조합 이후의 시퀀스가 정상임을 의미합니다. 이때, 이들 가변 서열들 사이에는 공적분 관계가 있다고 말한다. 그러므로 공적분의 요구 또는 전제는 동일한 질서의 단일적 통합이다.
3단계: 패널 모델 선택 및 회귀.
패널 데이터 모델 선택에는 일반적으로 세 가지 형태가 있습니다.
하나는 혼합 추정 모델(합동 회귀 모델)입니다. 시간적 관점에서 개인 간 큰 차이가 없고 단면적 관점에서 각 구간 간에 큰 차이가 없는 경우 패널 데이터를 직접 혼합하여 OLS(일반 최소 제곱법) 방법을 사용할 수 있습니다. 매개변수를 추정합니다.
하나는 고정 효과 회귀 모델입니다. 모델의 절편이 섹션이나 시계열에 따라 다른 경우 모델에 더미 변수를 추가하여 회귀 매개변수를 추정할 수 있습니다.
하나는 무작위 효과 모델입니다.
확장 정보:
패널 데이터 모델은 LLC, IPS, Breintung, ADF-Fisher 및 PP-Fisher 5가지 방법을 사용하여 패널 단위 루트 테스트를 수행할 수 있습니다.
그 중 LLC-T, BR-T, IPS-W, ADF-FCS, PP-FCS 및 H-Z는 각각 Levin, Lin & Chu t* 통계, Breitung t 통계, lm Pesaran & Shin을 참조합니다. W 통계.
ADF- Fisher 카이제곱 통계, PP-Fisher 카이제곱 통계, Hadri Z 통계 및 Levin, Lin & Chu t* 통계 및 Breitung t 통계의 귀무가설이 존재합니다. .
lm Pesaran & Shin W 통계, ADF-Fisher 카이제곱 통계, PP-Fisher 카이제곱 통계의 귀무가설은 유효한 단위근 과정이 있다는 것이며, 검정 원리는 Hadri Z 통계는 일반적인 단위근 과정이 없다고 가정합니다.