StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

一、面板数据与模型

1.面板数据分类

(1)短面板(N>T)和长面板(N<T) (2)动态面板(解释变量包含被解释变量的滞后值)和静态面板 (3)平衡面板(每个个体在相同的时间内都有观测值)和非平衡面板

2.面板数据模型

(1)非观测效应模型(存在不可观测的个体效应模型)

  • 固体效应模型(fixed effects model,fe) StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

  • 随机效应模型 (random effects model,re) StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

  • 选择fe还是re,用hausman检验。Help hausman查看用法,例如: . xtreg ln_wage age msp ttl_exp, fe . estimates store fixed . xtreg ln_wage age msp ttl_exp, re . hausman fixed ., sigmamore

(2)混合回归模型(不存在不可观测的个体效应模型) StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

二、面板数据模型估计及标准误的修正

1.面板数据模型的估计方法

(1)固定效应模型

  • 固定效应变化(组内变换)

  • stata命令:xtreg y x ,fe

  • 引入时间效应的双向固定效应的stata命令:xi:xtreg y x i.year,fe 其中i.year直接生成了年份的虚拟变量,控制了时间效应。 另外,也可以通过 tab year,gen(year)这一命令生成年份的虚拟变量。

LSDV

  • 将不可观测的个体效应 αi看做待估计的参数, αi 就是第i个个体的截距

  • 估计n个截距的方法就是引入n-1个虚拟变量(如果省略常数项,则引入n个虚拟变量)

  • 如果不存在时间效应:xi:reg y x i.code 其中i.code直接生成了个体的虚拟变量

  • 如果存在时间效应:xi:reg y x i.code i.year

(2)随机效应模型估计

  • GLS

  • Stata命令:xtreg y x ,re

  • 双向控制,xi:xtreg y x i.year,re

三、短面板数据分析的基本程序

1.简介

(1)以检验啤酒税将降低交通死亡率的假说为例[美国48个州,1982-1988年的数据] (2)模型设定与数据 StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 (3)变量:

  • 被解释变量:fatal(交通死亡率)

  • 核心解释变量:beertax(啤酒税)

  • 可观测的控制变量:spircons(酒精的消费量)、unrate(失业率)、perinck(人均收入)

  • μi:不可观测的个体效应

  • γt:时间效应

2.基本流程

(一)模型设定与数据

1.查看数据: des StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 2.查看面板数据特征: xtdes Xtdes给出面板数据的特征。本例中,判断为短面板数据 StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 3.将数据设为面板数据格式: xtset state year xtset 个体变量 时间变量(告诉stata,这是面板数据),如本例中写 xtset state year StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序(二)描述性统计与作图

1.描述性统计(sum+关键变量名): sum fatal beertax spircons unrate perinck StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 2.画出关键变量与被解释变量的散点图和回归直线: twoway (scatter fatal beertax) (lfit fatal beertax) 符号与理论上相反,可能的原因:没有控制其他变量。 后面昨晚LSDV估计后,用avplot命令画出二者的偏回归图(控制了其他变量。) StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 3.生成年份虚拟变量: tab year, gen(year) 4.LSDV回归: reg fatal beertax spircons unrate perinck year2-year7 i.state StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

【3,4步骤可合并成: reg fatal beertax spircons unrate perinck i.year i.state

5.画出关键变量与被解释变量的偏回归图: avplot beertax StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 6.画出所有解释变量与被解释变量的偏回归图: avplots StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 7.画出关键变量的时间序列图 : xtline fatal StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 8.画出关键变量的时间序列图: xtline beertax StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序(三)模型的选择

1.比较混合回归模型和固定效应模型: xtreg fatal beertax spircons unrate perinck year2-year7,fe StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

  1. PLS or FE? 2.tab year,gen(year) 3.在使用命令“xtreg,fe”时,如果不加选项cluster(state),则输出结果还包含一个F检验,其原假设为“H0:all μi=0”,若拒绝原假设,则选择固定效应模型。

2.安装xtcsd命令: ssc install xtcsd StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 3.检验截面相关问题:

  • xtcsd,pes xtcsd,fri xtcsd,fre StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

xtcsd命令只有在运行完fe或re回归后,才能使用

4.安装命令: ssc install xtscc StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 5.(存在截面相关问题时)处理了误差项截面相关问题的LSDV估计: xi:xtscc fatal beertax spircons unrate perinck year2-year7 i.state StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 6.(存在截面相关问题时)对州虚拟变量做F检验: testparm _Istate* StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 7.(不存在截面相关问题时)使用聚类到州获得的标准误处理自相关和异方差问题: xi:reg fatal beertax spircons unrate perinck year2-year7 i.state, cluster(state) StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 8.(不存在截面相关问题时)对州虚拟变量做F检验: testparm _Istate* StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

(四)比较固定效应模型fe和随机效应模型re

1.(Husman检验)固定效应估计: xtreg fatal beertax spircons unrate perinck year2-year7, fe StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 2.(Husman检验)存储固定效应估计的结果: est store FE 3.(Husman检验)随机效应估计: xtreg fatal beertax spircons unrate perinck year2-year7, re StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 4.(Husman检验)将两个估计结果进行比较(hausman 检验,如果P值小于0.05,则表示拒绝原假设。用fe更合适: hausman FE ., sigmamore StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

  1. hausman FE ., sigmaless StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

3.报告计量结果

  • 由于之前的hausman 检验选择了fe模型,所以要报告固定效应模型的估计结果,同时要解决误差项可能存在的自相关、异方差和截面相关问题。

  • 前面xtcsd检验表明存在截面相关。

(一)假设选择固定效应模型 1.固定效应模型估计: xtreg fatal beertax spircons unrate perinck year2-year7, fe StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 2.检验截面相关问题 xtcsd,pes abs xtcsd,fri abs xtcsd,fre abs StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序(二)如果不存在截面相关,检验是否存在异方差 1.安装xttest3: ssc install xttest3 StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

  1. xtreg fatal beertax spircons unrate perinck year2-year7, fe StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

  2. xttest3 StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序(三)自相关检验 1.安装xtserial: search xtserial StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 2.生成州虚拟变量: tab state,gen(state) StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 3.完成自相关检验: xtserial fatal beertax spircons unrate perinck state2-state48 year2-year7 StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序(四)最终报告由如下命令估计的结果 这里给出不同解释变量组合,进行回归后的结果保存:

    xtreg fatal beertax spircons unrate perinck year2-year7, fe robust  
  est store result1
  xtreg fatal beertax unrate perinck year2-year7, fe robust  
  est store result2
  xtreg fatal beertax spircons perinck year2-year7, fe robust  
  est store result3

StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序(五)结果汇报 1.安装estout命令,esttab是estout的一个命令: ssc install estout StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 2.结果报告(括号内是t统计量值): esttab result1 result2 result3 ,se ar2 StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序 3.把结果保存到word中(括号内是稳健标准误): esttab result1 result2 result3 using tab.rtf ,se ar2 4.把结果保存到excel中(括号内是稳健标准误): esttab result1 result2 result3 using tab.csv ,se ar2 StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序(六)补充

假设选择随机效应模型 xtreg fatal beertax spircons unrate perinck year2-year7, re cluster(state) //对自相关和异方差稳健的随机效应模型估计 StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序xtscc redfatal redbeertax redspircons redunrate redperinck redyear2 redyear3 redyear4 redyear5 redyear6 redyear7 //xtscc可以同时解决三大问题

完整do命令:

    use "D:\administrator\Desktop\互联网金融\第一讲数据及do文件\traffic-original.dta", clear
  des
  xtdes
  xtset state year
  sum fatal beertax spircons unrate perinck
  twoway (scatter fatal beertax) (lfit fatal beertax)
  graph save Graph "D:\administrator\Desktop\Graph.gph"
  twoway (scatter fatal beertax) (lfit fatal beertax)
  tab year, gen(year)
  reg fatal beertax spircons unrate perinck year2-year7 i.state
  avplot beertax
  avplots
  xtline fatal
  xtline beertax
    xtreg fatal beertax spircons unrate perinck year2-year7,fe
  ssc install xtcsd
  xtcsd,pes
  xtcsd,fri
  xtcsd,fre
  ssc install xtscc
  xi:xtscc fatal beertax spircons unrate perinck year2-year7 i.state
  testparm _Istate*
  xi:reg fatal beertax spircons unrate perinck year2-year7 i.state, cluster(state)
  testparm _Istate*
  xtreg fatal beertax spircons unrate perinck year2-year7, fe
  est store FE
  xtreg fatal beertax spircons unrate perinck year2-year7, re
  hausman FE ., sigmamore
  hausman FE ., sigmaless
  ssc install xttest3
  xtreg fatal beertax spircons unrate perinck year2-year7, fe
  xtcsd,pes abs
  xtcsd,fri abs
  xtcsd,fre abs
  xttest3
  search xtserial
  tab state,gen(state)
  xtserial fatal beertax spircons unrate perinck state2-state48 year2-year7
  xtreg fatal beertax spircons unrate perinck year2-year7, fe robust
  est store result1
  xtreg fatal beertax unrate perinck year2-year7, fe robust
  est store result2
  xtreg fatal beertax spircons perinck year2-year7, fe robust
  est store result3
  ssc install estout
  esttab result1 result2 result3 ,se ar2
  esttab result1 result2 result3 using tab.rtf ,se ar2
  esttab result1 result2 result3 using tab.csv ,se ar2
  xtreg fatal beertax spircons unrate perinck year2-year7, re cluster(state)

—————————————— 写在最后,这是作者对上课内容的整理笔记,点个↓

StataIC——短面板数据分析(以检验啤酒税将降低交通死亡率的假说为例)一、面板数据与模型二、面板数据模型估计及标准误的修正三、短面板数据分析的基本程序

 

上一篇:linux – Mercurial和Hudson在网络托管上.我可以安装Mercurial吗?


下一篇:c# – 如何在Hudson中自动化Silverlight单元测试?