STATA面板數(shù)據(jù)模型操作命令講解

STATA面板數(shù)據(jù)模型估計(jì)命令一覽表一、靜態(tài)面板數(shù)據(jù)的STATA處理命令固定效應(yīng)模型隨機(jī)效應(yīng)模型y=a+xp+8.固定效應(yīng)模型隨機(jī)效應(yīng)模型y=xzR=a+8ititit（一）數(shù)據(jù)處理輸入數(shù)據(jù)?tssetcodeyear該命令是將數(shù)據(jù)定義為"面板”形式?xtdes該命令是了解面板數(shù)據(jù)結(jié)構(gòu).xtdescode:1,■■■j20n=20year:2004,2005,Delta(year)Span(year)(code^year...,2014=1unit=11periodsuniquelyidenfifieseachobservafion)T=11Distributlonoft_i:min5%25%50%75%95%max11111111111111-req.Percentcum.Pattern20100.00100.001111111111120100.00xxxxxxxxxxx?summarizesqcpiunemgse5ln各變量的描述性統(tǒng)計(jì)（統(tǒng)計(jì)分析）?summarizescVariiable]cpiunemgse5InabsMeanStd.Dev.MinMaw四220.91427982.9303464.75e-O626.22301cpiZ201.10655.0324961.0451.25unem22D.0B49455?0071556.DIZ.046220.10507.04275230246.2357seS220.026S541.0116715.0053.0693InZ20.1219364.0240077.074.203?genlag_y=L.y///////產(chǎn)生一個(gè)滯后一期的新變量

genF_y=F.y///////genD_y=D.y///////genD2_y=D2.ygenF_y=F.y///////genD_y=D.y///////genD2_y=D2.y///////產(chǎn)生一個(gè)超前項(xiàng)的新變量產(chǎn)生一個(gè)一階差分的新變量產(chǎn)生一個(gè)二階差分的新變量（二）模型的篩選和檢驗(yàn)?1、檢驗(yàn)個(gè)體效應(yīng)（混合效應(yīng)還是固定效應(yīng)）（原假設(shè)：使用OLS混合模型）?xtregsqcpiunemgse5ln,feNumlb對(duì)于固定效應(yīng)模型而言，回歸結(jié)果中最后一行匯報(bào)的F統(tǒng)計(jì)量便在于檢驗(yàn)所有的個(gè)體效應(yīng)整體上顯著。在我們這個(gè)例子中發(fā)現(xiàn)F統(tǒng)計(jì)量的概率為0.0000，檢驗(yàn)結(jié)果表明固定效應(yīng)模型優(yōu)于混合OLS模型。?2、檢驗(yàn)時(shí)間效應(yīng)（混合效應(yīng)還是隨機(jī)效應(yīng)）（檢驗(yàn)方法：LM統(tǒng)計(jì)量）（原假設(shè)：使用OLS混合模型）?quixtregsqcpiunemgse5ln,re（加上“qui”之后第一幅圖將不會(huì)呈現(xiàn)）xttest0?2、檢驗(yàn)時(shí)間效應(yīng)（xxreg&qepiimem口s-e51nPreRainiidanni-eF1Fec±sCLLSretgressioinisrotipva.riablRainiidanni-eF1Fec±sCLLSretgressioinisrotipva.riablefcodeNiLiimIbe-ro1FobsNtiifthb^rorgroups2ZO20R-sq:wi-fchinbexweenou宜rml1O.ZZOB6O37iSO.OH丁石口ta二perigroup:minavgmmxIXii.oi.±corr3373Z9ZDlazszd-Lrl/zM&h.0衛(wèi)0?z。corr3373Z9ZDlazszd-Lrl/zM&h.0衛(wèi)0?z。--37-s4.MQ7--5a23G8375-15_7BS^P47-^35dL6-15.GlLS8-12_tS50700SBoJ-2703a^-B30Qo57O.O.O.&.Q.O.007334_yaoi535Bq3身317NM5SQ-口5ZB.4.41-8-?!■--z■14X身5一*=PTLinaiinconsC"Fr*.c"tiono4FC"Fr*.c"tiono4Fva.riblffccdue-"to-u_可以看出，LM檢驗(yàn)得到的P值為0.0000，表明隨機(jī)效應(yīng)非常顯著?？梢?jiàn)，隨機(jī)效應(yīng)模型也優(yōu)于混合OLS模型。?3、檢驗(yàn)固定效應(yīng)模型or隨機(jī)效應(yīng)模型（檢驗(yàn)方法：Hausman檢驗(yàn)）原假設(shè)：使用隨機(jī)效應(yīng)模型（個(gè)體效應(yīng)與解釋變量無(wú)關(guān)）通過(guò)上面分析，可以發(fā)現(xiàn)當(dāng)模型加入了個(gè)體效應(yīng)的時(shí)候，將顯著優(yōu)于截距項(xiàng)為常數(shù)假設(shè)條件下的混合OLS模型。但是無(wú)法明確區(qū)分FEorRE的優(yōu)劣，這需要進(jìn)行接下來(lái)的檢驗(yàn)，如下：Step1：估計(jì)固定效應(yīng)模型，存儲(chǔ)估計(jì)結(jié)果Step2：估計(jì)隨機(jī)效應(yīng)模型，存儲(chǔ)估計(jì)結(jié)果Step3：進(jìn)行Hausman檢驗(yàn)?quixtregsqcpiunemgse5ln,feeststorefequixtregsqcpiunemgse5ln,reeststorerehausmanfe（或者更優(yōu)的是hausmanfe（或者更優(yōu)的是hausmanfe,sigmamore/sigmaless）可以看出，hausman檢驗(yàn)的P值為0.0000，拒絕了原假設(shè)，認(rèn)為隨機(jī)效應(yīng)模型的基本假設(shè)得不到滿(mǎn)足。此時(shí)，需要采用工具變量法和是使用固定效應(yīng)模型。（三）靜態(tài)面板數(shù)據(jù)模型估計(jì)?1、固定效應(yīng)模型估計(jì)?xtregsqcpiunemgse5ln,fe（如下圖所示）?xtregsqcpi1unemgse51n.TeFlxed-eTTecxsCwlrmn?rearesslonNumbero-Tobs—22:0■GiF-o-upva.ii11abl?m:codeNLiiinberofgroups=20R-sq;within—O.23Q7Obsperqtoup:min—11between一0-.O-ZC7avg—dLl-Ooversl!1Il—D.0064—J.J.FC5f1955—11.69corrLi_i,XbJ—-Or.5206ProbaIF—O.O-O-O-OsqcoeTBsrd.Err.rP>-1rIC9536con-fHinterval]cpi2.君了O.60O.550-6.70106312.5-4526hinein6294Ea2O2i&-3.8EOBOOO-2S2aS9OS-92a36726g3.■SSZZB-1■6ZO,1OB-Id■1327■&1.35MZ1se37Ba2397915.2744□5.12QQQ4B.113^151OB.30411ri20.SS567±2-3O2GG±.65Q.dLOdL-2.G7S2S544.543_coins.357B5125.55524L1O.06O.■&49-=LCK5。胃衛(wèi)衛(wèi)11.3139^2siginia—uZ.6037963s-iginia—e2.0017081rho-6434O77JLractioinofvariiajncedue±□>u_iJFtestThatal11LI—i=O:FC19b=12,Prob>F=O,OOOO其中選項(xiàng)fe表明我們采用的是固定效應(yīng)模型，表頭部分的前兩行呈現(xiàn)了模型的估計(jì)方法、界面變量的名稱(chēng)（id）、以及估計(jì)中使用的樣本數(shù)目和個(gè)體的數(shù)目。第3行到第5行列示了模型的擬合優(yōu)度、分為組內(nèi)、組間和樣本總體三個(gè)層面，通常情況下，關(guān)注的是組內(nèi)（within），第6行和第7行分別列示了針對(duì)模型中所有非常數(shù)變量執(zhí)行聯(lián)合檢驗(yàn)得到的F統(tǒng)計(jì)量和相應(yīng)的P值，可以看出，參數(shù)整體上相當(dāng)顯著。需要注意的是，表中最后一行列示了檢驗(yàn)固定效應(yīng)是否顯著的F統(tǒng)計(jì)量和相應(yīng)的P值。顯然，本例中固定效應(yīng)非常顯著。?2、隨機(jī)效應(yīng)模型估計(jì)若假設(shè)本例的樣本是從一個(gè)很大的母體中隨機(jī)抽取的，且a.與解釋變量均不相關(guān)，則我們可以將a視為隨機(jī)干擾項(xiàng)的一部分。此時(shí)，設(shè)定隨機(jī)效應(yīng)模型i更為合適。?xtregsqcpiunemgse5ln,re（如下圖所示）xtregsqcpiunemgse51nPreRanctom—effecTsoilsregresslon￡Lroupvaf1ab~lq:codanumberofotosMLimlhc-rbFigroiupsZ2O20wlrhiRanctom—effecTsoilsregresslon￡Lroupvaf1ab~lq:codanumberofotosMLimlhc-rbFigroiupsZ2O20wlrhintaetweenoveh"al1D-22Q&D.0276Oa0276Obspergroup:minavgdna.x11±±.oOCasstimed>Wa~ldclhiiprobac47.dLOo.oooosqcoef.[9535Con-FHinterval]5i

uneimgse51ncons-4a407446-11^1-Z3O4-S.1O3B79-77.5?b7M5-日衛(wèi)5365-xagfixxs4?52O6ddAO.792OZ3.^lO5Bi615-13369IO.O-3QOZ5.^S-S37SQa370O-DO3O.038&■oooO.當(dāng)Qa732-5a236637-194-1B25-15-768^^47.■93516-15-CIS-4S-XZ.fiSSZSs4gma_ilisigmia._erbio-dL-^65fi5^22uOO±7O6±C1Fractioniofvairianceduetou_i>?3、時(shí)間固定效應(yīng)（以上分析主要針對(duì)的是個(gè)體效應(yīng)）?tabyear,gen(dumt)如果希望進(jìn)一步在上述模型中加入時(shí)間效應(yīng)，可以采用時(shí)間虛擬變量來(lái)實(shí)現(xiàn)。首先，我們需要定義一下T-1個(gè)時(shí)間虛擬變量。?tabyear,gen(dumt)（tab命令用于列示變量year的組類(lèi)別，選項(xiàng)gen（dumt）用于生產(chǎn)一個(gè)以dumt開(kāi)頭的年度虛擬變量）dropdumtl（作用在于去掉第一個(gè)虛擬變量以避免完全共線(xiàn)性）若在固定效應(yīng)模型中加入時(shí)間虛擬變量，則估計(jì)模型的命令為:?xtregsqcpiunemgse5lndumt*,fe

HxtregsqcpiiIunemgse51ndumt*3feFixed-effects(wi1thin)regressionNumberofobs=220Groupvariable3:codeNumberofgroups—20畦一gq:w1xh1n-CL283Eobsper■group:itiln—11betweer1=O.0261avg=11.0overall1一O.0935max—11F(15H185)土89corr(u_i?xb>--O.1752Prob>F—O-00-00wCaeir.Erir.tp?lt1[OSWConf.Tn±erva1]cpi3.7748344.961B72o.?e0.448-6.0142^313.56396Linem-37.OOQ5764a58628-CL574567-164.421go.a=Lg5g3.1110525.OSSB950.&10.542-6?92S67613.15Q7SseS77.3562615.70028』?934OOO4G.B9-164108-34091n13.O3ill2IB-3Z3850.930.329-13.2551139.31735dumt2BG1057S.6316355-0.480.634-1.547193.^145076^duiniL33376552?63-17213一。?530.595-1.56S87Ba9145675dLi[mT4.1626^71.G458275a.250.801-1.1114371.43GB31dumiL5-5598&65?64731640.0.3BE-.71717451.836&68dumt6.4316^14.67335010.640.52289674081.760124dunilt7.423262^?644S6270.664512一?848知741.655513duort81-0-88107.68464031.590.114-.26259972a43SB13dumtSL605751?77246662.084OB9uOB177453a12g?27dumtlO1-SO6O54.795&77Z.402.460.O1S?33628713,^75022dninntdLl2.22M3.90306370.015.43900254.002257_cons-瓦6810465.922799-1.130.26±-18.B65&55.003865s1gina_ii2.1964505sigma_e1.^82827rhhO.55058173(fractionofvaria.ncedueto)F±estthata-!11u_i■=<>:R(ig.185)=10a75Pr□baF=OaOOOO（四）異方差和自相關(guān)，?1、異方差檢驗(yàn)（組間異方差）本節(jié)主要針對(duì)的是固定效應(yīng)模型進(jìn)行處理（四）異方差和自相關(guān)，⑴檢驗(yàn)原假設(shè)：同方差需要檢驗(yàn)?zāi)Ｐ椭惺欠翊嬖诮M間異方差，需要使用xttest3命令。?quixtregsqcpiunemgse5ln,fexttest3.quixtregsqcpiunemgse5ln,fe.xttestBModi-1edwaldtestforgroupw'sEheteroskedasticityinf1xedef~ectreqressionmodelHO:sigmati)^2=sign)a^2forallicM2(20)=11561.60Prob>ch-i2=0.0000顯然，原假設(shè)被拒絕。此時(shí)，需要進(jìn)一步以獲得參數(shù)的GLS估計(jì)量，命令為xtgls：

5.O352OLX3-20264一.653562622a44OS3-3.5.O352OLX3-20264一.653562622a44OS3-3.54459-63.-1.SO7617-20.49-OB2-6.90902-JLa039029-313.79^9161-3.64S2C21.77116￡?5^531.555BO55a9E9B7T2-161161231-fi717^151.5637^2-3.64384-3.7B129LIO.7009-S.J6721O3cpiunemgse5?xtglssqcpiunemgse5ln,panels(heteroskedastic).COITiiSo.o,Gr.6o.6其中，組間異方差通過(guò)panels()選項(xiàng)來(lái)設(shè)定。上述結(jié)果是采用兩步獲得，即，先采用OLS估計(jì)不考慮異方差的模型，進(jìn)而利用其殘差計(jì)算。。。，并最終得到FGLS估計(jì)量。?2、序列相關(guān)檢驗(yàn)對(duì)于T較大的面板而言，a.往往無(wú)法完全反映時(shí)序相關(guān)性，此時(shí)￡.便可能存在序列相關(guān)，在多數(shù)情況下被設(shè)定為AR(1)過(guò)程。原假設(shè)：序列不存在相關(guān)性。FE模型的序列相關(guān)檢驗(yàn)對(duì)于固定效應(yīng)模型，可以采用Wooldridge檢驗(yàn)法，命令為xtserial:?xtserialsqcpiunemgse5ln.xtserialsq頃unemgInwoolbridgetestforautocorrelationinpaneldataHO:nofirstorderautocorrelationF(1,19)=1246.120Prob>F=0.0000可以發(fā)現(xiàn)，這里的P=0.0000，我們可以在1%的顯著性水平下愛(ài)拒絕不存在序列相關(guān)的原假設(shè)?？紤]到樣本，該檢驗(yàn)的最后一步是用?對(duì)?進(jìn)行OLS回歸，eeiti，t-1因此，輸入以下命令得到。檢驗(yàn)該值是否顯著異于-0.5,因?yàn)樵谠賟=0.8858設(shè)下（不相關(guān)）?，可見(jiàn)本例中不相等，拒絕原假設(shè)，說(shuō)明存在序列相關(guān)。itq=-0.5?matliste(b).mar1iste(b)5ymmerrice(b)[1,1]一L.—000006yl.BB5B2499（2）RE模型的序列相關(guān)檢驗(yàn)對(duì)于RE模型，可以采用xttest1命令來(lái)執(zhí)行檢驗(yàn):?quixtregsqcpiunemgse5lndumt*,rexttest1-qunxtreg3-qcp~iLinemgse5IIndumltwpreaxfcestlTesltsfor~theerrorcomponeiriiltmode1:sq^codGir±2—Xb■+■in匚仁口+vrcodc-1]vLcodeBt]=1a.inbaavLcodeBCx—1_>j+eLcodear]iesic1maxedresujlxs:|Varsd—sqrtCvar>這里匯報(bào)了4個(gè)統(tǒng)計(jì)量，分別用于檢驗(yàn)RE模型中隨機(jī)效應(yīng)（單尾和雙尾）、序列相關(guān)以及二者的聯(lián)合顯著性，檢驗(yàn)結(jié)果表明存在隨機(jī)效應(yīng)和序列相關(guān)，而且對(duì)隨機(jī)效應(yīng)和序列相關(guān)的聯(lián)合檢驗(yàn)也非常顯著。（3）穩(wěn)健型估計(jì)上述結(jié)果表明，無(wú)論是FE還是RE模型，干擾項(xiàng)中都存在顯著的序列相關(guān)。為此，我們進(jìn)一步采用xtregar命令來(lái)估計(jì)模型，首先考慮固定效應(yīng)模型：?xtregarsqcpiunemgse5Indumt*,feIbi152*fi5e377215312^5-^000199365edi666s59d■TscsifriJo-O?T--N4?54zox152*fi5e377215312^5-^000199365edi666s59d■TscsifriJo-O?T--N4?54zox□.3:7Ksn*lQ750^Be32N5

rL<0-4與7少才0&L1Z

mTo-oNa;衛(wèi)715455-9

171fi±5341z3tt.-7?

0-3G?36013-53s

i---5S-■i&G2

2415a-ill----Qdz'QeooQQQQQ3.3OOQOOOOOQQOOOO------------Mses衛(wèi)8±53rsz2s

245i3a!34i6qz:lQr46

2Ti4054-013110

3BCX&3073^T^-3s

mooaahlos'dmGBe

5>zoLX5-&3S11SL

90■-ix±ll■-lx

■--■■■--22^-^374&55153^>43t-360b^7zztt-s^^5號(hào)opfi30C95F巖15^1-05tarl3-r!:a5n2m45B7flQQJLl.-BIfluLIuusuuIIMIIMcddddddddu^-asws

§zm

mlzc

eMrz

33加z

4云m5

m?4m2#一

廠T-FhMrProb》F=0.000(-testthatallu」=D:F(19,166)=17.43nodifledBhargavaetal.Durbin-watson=.219834953altagi-WdLBI=.641462?3、“異方差一序列相關(guān)”穩(wěn)健型標(biāo)準(zhǔn)誤Prob》F=0.000(雖然上述估計(jì)方法在估計(jì)方差-協(xié)方差矩陣時(shí)考慮了異方差和序列相關(guān)的影響，但都未將兩者聯(lián)立在一起考慮，要獲得“異方掛序列相關(guān)”穩(wěn)健型標(biāo)準(zhǔn)誤，只需在xtreg命令中附加vce(robust)或者vce(cluster)選項(xiàng)即可。例如，對(duì)于FE模型，我們可以執(zhí)行如下命令：?xtregsqcpiunemgse5ln,fevce(robust).Ktregsqcpiiunemgse11nafevce(robust)FixedGroup-effectsvariab"le(w1thin)regression;:CEdeNumberNumberofofobs-groups=22020R-sq:withinbetk^eeroverall-0.2B07i=0.0767I-0.0064abspergroup:麗n-avg=max=1111.0nCDrrtij-l,xb)=-0.52961=(5.19)Prob>F—2.520.0656(stdErr.adjListedfor20clustersincodej叫Coef.Robust5td?Err.tp>h1[9砍ConF.Interval]cpiunemg5651n_CD<152.9216&S-187.62^-6.3666847B.2397320.2B567?3578512B.637S57SS.064193.S709155a.l2D7711.421564.11775-2.-1-7613603578090.4560.0460.125Q.1940.0920.932-5.111051-371.949^5-14.6779-43.40^37-3.61^918-B.26069810.V5445-3.3DS55C1.9445372LW?B8S44.1512C8.976401sigma_iL?51gma_erho2.6807^632-0017081.54340771(firacrloinofvarianceduetou_-i>與之前未經(jīng)處理的估計(jì)結(jié)果相比，附加命令vce(robust)選項(xiàng)時(shí)的結(jié)果，雖然系數(shù)的估計(jì)值未發(fā)生變化，但此時(shí)得到的標(biāo)準(zhǔn)誤明顯增大了，致使得到的估計(jì)結(jié)果更加保守。對(duì)于面板數(shù)據(jù)模型而言，STATA在計(jì)算所謂的“robust”標(biāo)準(zhǔn)誤時(shí)，是以個(gè)體為單位調(diào)整標(biāo)準(zhǔn)誤的。因此，我們得到的Robust”標(biāo)準(zhǔn)誤其實(shí)是同時(shí)調(diào)整了異方差和序列相關(guān)后的標(biāo)準(zhǔn)誤。換言之，上述結(jié)果與設(shè)定vce（cluster）選項(xiàng)的結(jié)果完全相同。?4、截面相關(guān)檢驗(yàn)原假設(shè)：截面之間不存在著相關(guān)性（1）FE模型檢驗(yàn)對(duì)于FE模型，可以利用xttest2命令來(lái)檢驗(yàn)截面相關(guān)性：?quixtregsqcpiunemgse5ln,fexttest2（該命令主要針對(duì)的是大T小N類(lèi)型的面板數(shù)據(jù)，在本例中無(wú)法使用，故圖標(biāo)略去。）（2）RE模型檢驗(yàn)對(duì)于RE模型，可以利用xtcsd命令來(lái)檢驗(yàn)截面相關(guān)性：?quixtregsqcpiunemgse5ln,rextcsd,pesaran（下面命令是另一個(gè)檢驗(yàn)指標(biāo)）xtcsd,frees,quixtreg3qcpiunenng5c5lnBre.xtcsdjipesaranPessran'stestofcrosssectional"inidepeinideirkce=Pr=1.2725,Ktcsd.freesFrees"testofcrosssectionalinidepeinidsncG-11.2551iCf11i:h!wnlub-srrmil-rQdi<■rrihuriuralpha=0.10:0.2333alpha-0.05:0.3103alpha=0.01;0.46491可以看出，兩種不同的檢驗(yàn)方法均顯示面板數(shù)據(jù)存在著截面相關(guān)性。?5、“異方差一序列相關(guān)一截面相關(guān)”穩(wěn)健型標(biāo)準(zhǔn)誤（1）FE模型估計(jì)

對(duì)于FE模型，在確認(rèn)上述存在著截面相關(guān)的情況下，我們可以采用Hoechle(2007)編寫(xiě)的xtscc命令獲取DriscollandKraay(1998)提出的"異方差一序列相關(guān)一截面相關(guān)”穩(wěn)健型標(biāo)準(zhǔn)誤：?xtsccsqcpiunemgse5ln,fe.xtsccsqcp1unemgse51neNumhprnfnh^=220202E.200.00000.2307RegressionwithDriscoll-KraaystandardMethod:Fixed-effectsregressionerrorsNumberF(5SProb>w1th1nofgroups=IS)F=^-squared=Groupvariablemaximum1ag;2(i):codeCocf.Drisc/icraayStd.Err.tPA|t|[95%Conf.Interval]cp12.9Z16964.1737630.7Q0.49Z-5.S1412911.65753unem-187.62925.956-7.230.000-241.9556-133.3025g-6.3666842,230266-2,850,010-11.03469-1.6986878.2397&20a?00B53a740a00134.4^36121a9B5fi1n20.2B5675.1239923.960.0019.56102431.01031_coni5?357S5124.5632780.080.938-9.19329.908903這里，xtscc命令會(huì)自動(dòng)選擇的滯后階數(shù)為2,系數(shù)估計(jì)值和Within-R2與xtreg,fe的結(jié)果完全相同，但標(biāo)準(zhǔn)誤存在著較大差異?？梢?jiàn)，在本例中，截面相關(guān)對(duì)統(tǒng)計(jì)推斷有較大的影響。若讀者有跟高的方法來(lái)確定自相關(guān)的滯后階數(shù)，則可以通過(guò)lag()選項(xiàng)設(shè)定。當(dāng)然，在多數(shù)情況下，這很難做到。不過(guò)我們可以通過(guò)附加lag(0)來(lái)估計(jì)僅考慮異方差和截面相關(guān)的穩(wěn)健型標(biāo)準(zhǔn)誤，命令如下：?xtsccsqcpiunemgse5ln,felag(0).xtsccsqcp^1unemgse51n,fe1ag(0>RegressionwithDriscol1-IKraaystandarderrorsNLimber■oTobs=220Method:Fixed-effectsrEgrEmslonNumber■ofgroups=20由曰叩variabl?=■(1}:code7A19-J=IB.96max~iimiLim1aq:OProb>■F=o.oooowifhinR—squared=O.23iQ71Dr1sc/K.raaycoef.Err.rH>|T|[95Kconf.inTerval]2.9Z169S3.724402O.7BD,442-4.073565IO.71696unem-1S7.BJ'S26.72656-7-D2D.OOO56m-131.6B97g-6.3B66B42.65932-Z.36D.OZ9-12.0164371651419se57B.2397&16.O5B454.37D.OOO44.629OB111.B5Q5In20.ZB5675.5574B33.DQD.0066.56070334.D1O64_coins.357iB5124.130379||O.DQD.532-S.2E7L329.OD2B35(2)RE模型估計(jì)(略，待補(bǔ)充)二、動(dòng)態(tài)面板數(shù)據(jù)的STATA處理命令

差分GMMxtabondlnwicdlngdplanddocfirInroadInpopfinaxtabondlnwicdlngdplanddocfirInroadInpopfina,lag(2)twostep系統(tǒng)GMMxtdpdsyslnwicdlngdplanddocfirlnroadlnpopfinaxtdpdsyslnwicdlngdplanddocfirlnroadlnpopfina,twostep內(nèi)生性檢驗(yàn)?