Stata面板數(shù)據(jù)的統(tǒng)計(jì)分析資料

1、面板數(shù)據(jù)的統(tǒng)計(jì)分析（Stata）1因素1因素62盈余管理 1因素1因素62盈余管理 因素程度1 因素6公司 100盈余管 因素因素盈余理程度 16理程199920002010如上圖所示的數(shù)據(jù)即為面板數(shù)據(jù)。顯然面板數(shù)據(jù)是三維的，而時(shí)間序列數(shù)據(jù)不合適的。Eviews6.0Stata Stata 比較適合處理面板數(shù)據(jù)，且個(gè)性化強(qiáng)。以下以Stata11.0 為例來(lái)講解怎么樣處理面板數(shù)據(jù)。年份19992000年份199920001226盈余管理程度20101999200020002010222啟動(dòng) Stata11.0，Stata 界面有 4 個(gè)組成部分，Review（在左上角）、Variables（左下

2、角）、輸出窗口（在右上角）、Command（右下角）。首先定義變量， 可以輸入命令，也可以通過(guò)點(diǎn)擊Data-Create new Variable or change variable。特別注意，這里要定義的變量除了因素 1、因素 2、因素 6、盈余管理影響程度等，還要定義年份和公司名稱兩個(gè)變量，這兩個(gè)變量的數(shù)據(jù)類型（Type） 整型），定義好變量之后可以輸入數(shù)據(jù)了。數(shù)據(jù)可以直接導(dǎo)入（File-Import），也可以手工錄入或者復(fù)制粘貼（Data-Data Edit(Browse)），excel 中的操作一樣。以上面說(shuō)的為例，定義變量 year、 company、 factor1、 facto

3、r2、 factor3、factor4、 factor5、 factor6、 DA。company year 分別為截面變量和時(shí)間變量。顯然，通過(guò)這兩個(gè)變量我panel data 的數(shù)據(jù)存儲(chǔ)格式。因此，在使用STATA 估計(jì)命令為：tssetcompanyyear輸出窗口將輸出相應(yīng)結(jié)果。由于面板數(shù)據(jù)本身兼具截面數(shù)據(jù)和時(shí)間序列二者的特性，所以對(duì)時(shí)間序列進(jìn)Lag _factor1 factor1 的一階滯后，那么我們可以采用如下命令：gen Lag_factor1=L.factor1差分變量：Gen fiscal(D)=D.fiscal統(tǒng)計(jì)描述：在正式進(jìn)行模型的估計(jì)之前，我們必須對(duì)樣本的基本分布特

4、性有一個(gè)總體的了 解。對(duì)于面板數(shù)據(jù)而言，我們至少要知道我們的數(shù)據(jù)中有多少個(gè)截面(個(gè)體) ， 我們還要知道主要變量的樣本均值、標(biāo)準(zhǔn)差、最大值、最小值等情況。這些都可以通過(guò)以下三個(gè)命令來(lái)完成： xtdes 命令用于初步了解數(shù)據(jù)的大體分布狀況， Xtsum 用來(lái)查詢對(duì)組內(nèi)、組間、整體計(jì)算各個(gè)變量的基本統(tǒng)計(jì)量（如均值、方差等）factor1，factor2兩個(gè)自變量。xtdes DA factor1facto2xtsum DA factor1 facto2模型回歸。OLS 各個(gè)模型的區(qū)別請(qǐng)上網(wǎng)查查。下面說(shuō)說(shuō)各個(gè)模型的命令：混合 OLS 模型輸入命令：regress DA factor1 facto2

5、固定效應(yīng)模型輸入命令： xtregDAfactor1factor,fe 隨機(jī)效應(yīng)模型輸入命令： xtregDAfactor1factor,模型的選擇及檢驗(yàn)固定效應(yīng)模型要檢驗(yàn)個(gè)體效應(yīng)的顯著性，這可以通過(guò)固定效應(yīng)模型回歸結(jié)果F 模型的結(jié)論。隨機(jī)效應(yīng)模型要檢驗(yàn)隨機(jī)效應(yīng)是否顯著，要輸入命令：xttest0p hausman 檢驗(yàn)來(lái)得出。Hausman 檢驗(yàn)Hausman hausman p 0，則接受原假設(shè)，使用固定效應(yīng)模型。相關(guān)命令：quixtregDAfactor1factor2est store fequixtregDAfactor1factor2est store rehausman fe固定

6、效應(yīng)模型估計(jì)：面板模型選擇問(wèn)題xtreggdp invest culture sci health admin techno,fe固定效應(yīng)模型中個(gè)體效應(yīng)和隨機(jī)干擾項(xiàng)的方差估計(jì)值(sigma u 和 e），二者之間的相關(guān)關(guān)系(rho)最后一行給出了檢驗(yàn)固定效應(yīng)是否顯著的 F 統(tǒng)計(jì)量和相應(yīng)的 P 值隨機(jī)效應(yīng)模型估計(jì)：xtreggdp invest culture sci health admin techno,re OLS 模型： xttest0P 0.0000OLS 模型Ml：xtreggdp invest culture sci health admintechno,mleHausman 檢驗(yàn)

7、Hausman 檢驗(yàn)究竟選擇固定效應(yīng)模型還是隨機(jī)效應(yīng)模型： 第一步：估計(jì)固定效應(yīng)模型，存儲(chǔ)結(jié)果xtreggdp invest culture sci health admin techno,fe est store fe第二步：估計(jì)隨機(jī)效應(yīng)模型，存儲(chǔ)結(jié)果xtreggdp invest culture sci health admin techno,re est store re第三步：進(jìn)行 hausman 檢驗(yàn)hausman feHausman 檢驗(yàn)量為：H=(b-B)Var(b)-Var(B)-1(b-B)x2(k)Hausman k 的H hausman Hausman 本假設(shè)得不到滿足，

8、遺漏變量的問(wèn)題，或者某些變量是非平穩(wěn)等等可以改用 hausman 檢驗(yàn)的其他形式：hausman fe, sigmaless面板模型異方差和自相關(guān)的檢驗(yàn)（比較復(fù)雜：三個(gè)模型、兩個(gè)維度對(duì)于固定效應(yīng)模型的異方差檢驗(yàn)和自相關(guān)的檢驗(yàn)：序列自相關(guān)檢驗(yàn)Xtserial gdp invest culture sci health admin techno如果沒(méi)有 xtserial 命令即輸入上面的命令后彈出 no command，則輸入 findit xtserial.ado 可以自動(dòng)搜索到進(jìn)行安裝截面自相關(guān)檢驗(yàn)xtreg DA factor1 factor2 ,fe xttest2截面（組間）異方差檢驗(yàn)（不考慮序列異方差即組內(nèi)）xtreggdp invest culture sci health admin techno,fe xttest3隨機(jī)效應(yīng)模型的自相關(guān)檢驗(yàn)： 序列自相關(guān)檢驗(yàn)xtreggdp invest culture sci health admin techno,re Xttest1處理：異方差用 robust序列自