面板模型在python上的实现

背景

        有一份城镇GDP相关的数据，共有9个地区分别11年（2008~2018）的数据，无缺失数据。数据中包括X1(城乡居民年末储蓄存款), X2(年末常住人口), X3(城镇化率), X4(教育支出)共4个自变量，因变量为GDP。现希望研究4个自变量对于GDP的影响情况。以及数据值较大，为防止异方差问题因而进行过取对数处理。

理论

        面板模型可继续分为三种类型，分别是FE模型，POOL模型(就是普通的OLS回归)和RE模型。最终应该选择哪个模型，可通过各个检验进行判断。SPSSAU分别进行F检验，BP检验和Hausman检验（豪斯曼检验）,以判断出最终应该使用哪个模型(现实研究中，可能还有其它的检验方法)。

         F检验用于判断FE和POOL模型，如果p 值小于0.05，则应该以FE模型为准。BP检验用于判断RE和POOL模型，如果p 值小于0.05，则应该以RE模型为准。Hausman检验用于判断FE和RE模型，如果p 值小于0.05，则应该以FE模型为准。结合三个检验，最终判断出哪个模型最优。一般对直接比较FE个RE就可以，不需要比较FE和POOL以及RE和POOL，因为FE、RE都会比POOL好。

• 检验类型	检验目的	检验值	检验结论
  F检验	FE模型和POOL模型比较选择	p 值<0.05	FE模型
  BP检验	RE模型和POOL模型比较选择	p 值<0.05	RE模型
  Hausman检验	FE模型和RE模型比较选择	p 值<0.05	FE模型

 分析

        案例部分数据如下：

          固定效应模型（FE）和随机效应模型（RE）拟合变量系数及Hausman检验结果如下： 

             pval值等于0，说明FE比RE更优，因此选FE模型。