面板数据为什么要做单位根检验？为什么是对每个变量做检验，这样能得到什么？

因为在面板数据和序列数据中，如果存在单位根，会产生伪回归等严重后果，所以必须对每个变量进行单位根检验，这样能够保证每个变量的平稳性，平稳变量回归才是有效的。

按照正规程序，面板数据虽然减轻了数据的非平稳性，使得变量的相关性降低，但是各变量还是有趋势、截距问题，可能还是非平稳数据，存在单位根，所以面板数据模型在回归前需检验每个变量是否存在单位根。

扩展资料：

面板数据维度的确定

在面板数据进行模型估计前，要进行面板数据的维度确定。由于面板数据既有截面数据又有时间序列，而stata不能自动识别，因此，必须使得stata得知哪一部分是截面数据，而哪一部分是时间序列。

设置面板数据维度的基本命令为：

xtset panelvar timvar [, tsoptions]

其中panelvar代表截面数据变量，timvar代表时间序列变量。

选取某一面板数据进行维度设定（该数据研究职业培训津贴对厂商废弃率的影响）：

xtset fcode year

因为在面板数据和序列数据中，如果存在单位根，会产生伪回归等严重后果，所以必须对每个变量进行单位根检验，这样能够保证每个变量的平稳性，平稳变量回归才是有效的。

按照正规程序，面板数据虽然减轻了数据的非平稳性，使得变量的相关性降低，但是各变量还是有趋势、截距问题，可能还是非平稳数据，存在单位根，所以面板数据模型在回归前需检验每个变量是否存在单位根。

扩展资料：

1、存在单位根的后果：自回归系数估计量不服从渐进正态分布，t检验失效；两个相互独立的单位根可能出现伪相关或者伪回归

2、经济数据中很容易出现单位根：一般经济变量像GDP、消费指数等等，都是存在时间趋势，所以一般在建模前都需要做单位根检验，消除不平稳，保证模型有效。

3、单位根检验的一般方法：ADF检验，全称是 Augmented Dickey-Fuller test，顾名思义，ADF是 Dickey-Fuller检验的增广形式。DF检验只能应用于一阶情况，当序列存在高阶的滞后相关时，可以使用ADF检验，所以说ADF是对DF检验的扩展。ADF检验的原理就是判断序列是否存在单位根：如果序列平稳，就不存在单位根；否则，就会存在单位根。所以，ADF检验的 H0 假设就是存在单位根，如果得到的显著性检验统计量小于三个置信度（10%，5%，1%），则对应有（90%，95，99%）的把握来拒绝原假设。

参考资料来源：百度百科-单位根检验

因为面板数据虽然减轻了数据的非平稳，使得变量的相关性降低，但是各变量还是有趋势、截距问题，可能还是非平稳数据，存在单位根。这样回归会造成伪回归。
是检验每个变量的趋势，或是走势，但是是对每个变量做单位根检验。一般经济变量如GDP cpi等等吧，都是存在时间趋势，或是有截距项的。都是要做单位根检验。
使用eviews里的pool，或者stata各版本 都能得到的！