原标题:短面板数据学习手册(固定效果和随机效果等的总结) ) ) ) ) ) ) ) ) ) ) )。
本文由计量经济学服务中心整理
转载请注明出处
一.静态面板数据操作
(一)数据处理
输入数据
use 'E:statadataFDI.dta ',clear
tsset code year此命令将数据定义为“面板”
xtdes这个命令是理解面板的数据结构
summarizelngdplnfdilnielnexlnimlncilngp
各变量的说明性统计(统计分析) ) ) ) )。
扩展命令:
gen lag_y=L.y生成延迟了一个周期的新变量
gen F_y=F.y生成先行项的新变量
gen D_y=D.y生成一阶差分的新变量
gen D2_y=D2.y生成二阶差分的新变量
2 .静态(短)面板数据固定效果总结
固定效果篇
主要包括混合效应VS固定效应、LSDV方法、双向固定效应等
1、验证个体效应(混合效应还是固定效应)原假设:使用OLS混合模型) )。
xtreglngdplnfdilnielnexlnimlncilngp,fe
这里,选项fe显示我们采用了固定效果模型,标题部分的前两行显示了模型的推定方法、接口变量的名称(id )、用于推定的样本数和个体数。 第3行到第5行表示模型的适合性、组内、组间、样本整体的3个等级。 通常,关注组内(within ),第6行和第7行分别显示了对模型中所有非常变量执行联合检验得到的f统计量及其相应的p值,可见整个参数相当显著。 必须注意的是,表中最后一个矩阵显示了验证固定效果是否显著的f统计量和对应的p值。 很明显,在这个例子中固定效果非常明显。
固定效应模型中,回归结果最后一行报告的f统计量是验证所有个体效应整体显著。 在我们的例子中发现f统计量的概率为0.0000,检测结果表明固定效应模型优于混合OLS模型。
xtreglngdplnfdilnielnexlnimlncilngp,fe r
xtreglngdplnfdilnielnexlnimlncilngp,fe r
中选择所需的族
xtreglngdplnfdilnielnexlnimlncilngp,Fe VCE (群集id ) )。
2、固定效应LSDV法
reglngdplnfdilnielnexlnimlncilngpi.id,FeVCE(clusterid ) )。
3、双向固定效应
xtreglngdplnfdilnielnexlnimlncilngpi.year,fe r
结果,强烈拒绝了原来的没有时间效果的假设,认为模型有时间效果
3 .静态(短)面板数据随机效应总结
1、检验时间效应(混合效应还是随机效应) )检验方法: LM统计量) )原假设:使用OLS混合模型) )。
quixtreglngdplnfdilnielnexlnimlncilngp,re (标记为“qui”后的第一个图不显示) ) )。
xttest0
LM检查所得p值为0.0000,可见随机效应非常明显。 可见随机效应模型也优于混合OLS模型。
2、使用MLE估计
xreglngdplnfdilnielnexlnimlncilngp,mle nolog
四.静态(短)面板数据集间估计量
组间估计量
xtreglngdplnfdilnielnexlnimlncilngp,be
五.静态(短)面板数据固定和随机效应检测
检查固定效果模型or随机效果模型(检查方法: Hausman检查)。
假设:使用随机效应模型(个体效应与描述变量无关) ) )。
以上分析表明,在模型中加入个体效应时,显著优于以截尾项为常数的假设条件下的混合OLS模型。 但是,不能明确区分FE or RE的优劣。 这需要以下检查。
Step1(推定固定效果模型,存储推定结果Step2)进行推定随机效果模型,存储推定结果的Step3) Hausman检查
xtreglngdplnfdilnielnexlnimlncilngp,re
est store re
xtreglngdplnfdilnielnexlnimlncilngp,fe
est store fe
hausman fe re
(或更好的是hausman fe,sigmamore/sigmaless )
hausman检验的p值为0.0000,拒绝原假设,认为随机效应模型的基本假设得不到满足。 在这种情况下,必须采用工具变量法或使用固定效果模型。 回到搜狐,查看更多
责任编辑: