本站分享:AI、大数据、数据分析师培训认证考试,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训

用EVIEWS进行估计时提示Near singular matrix解析

eviews培训 cdadata 31359℃

用EVIEWS进行估计时提示Near singular matrix

eviews gmm估计步骤,广义矩估计 eviews,eviews 极大似然估计

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

转载请注明:数据分析 » 用EVIEWS进行估计时提示Near singular matrix解析

喜欢 (20)or分享 (0)