短面板數(shù)據(jù)分析的基本程序?qū)I(yè)課件

短面板數(shù)據(jù)分析的基本程序

1歡迎下載可修改短面板數(shù)據(jù)分析的基本程序1參考書計量經(jīng)濟學(xué)導(dǎo)論第四版（伍德里奇）中文版或英文版用Stata學(xué)計量經(jīng)濟學(xué)

高級計量經(jīng)濟學(xué)及stata應(yīng)用（陳強）2歡迎下載可修改參考書2歡迎下載可修改2內(nèi)容安排第1講

短面板數(shù)據(jù)分析第2講

長面板數(shù)據(jù)分析（PPT第3講

內(nèi)生性與工具變量法第4講

動態(tài)面板數(shù)據(jù)模型第5講

雙重差分模型及其應(yīng)用第6講

基于DID的權(quán)威文獻(xiàn)做對了嗎？（學(xué)生報告與討論）第7講

PSMDID第8講

如何識別核心變量的作用機制？3歡迎下載可修改內(nèi)容安排第1講

短面板數(shù)據(jù)分析3歡迎下載可修改3短面板數(shù)據(jù)面板數(shù)據(jù)（paneldata）是同時在時間和截面上取得的二維數(shù)據(jù)，也稱時間序列與截面混合數(shù)據(jù)（pooledtimeseriesandcrosssectiondata）。是在一段時間內(nèi)跟蹤同一組個體的數(shù)據(jù)。既有橫截面的維度（n個個體），又有時間維度（T個時期）。4歡迎下載可修改短面板數(shù)據(jù)面板數(shù)據(jù)（paneldata）是同時在時間和截面4

Stata中面板數(shù)據(jù)結(jié)構(gòu)companyyearinvestmvalue11951755.9483311952891.24924.9119531304.46241.7119541486.75593.621951588.22289.521952645.52159.4219536412031.321954459.32115.531951135.21819.431952157.32079.731953179.52371.631954189.62759.95歡迎下載可修改Stata中面板數(shù)據(jù)結(jié)構(gòu)companyyearinves5regioncodeyearrgdpinflation北京12000

北京12001

北京12002

北京12003

北京12004

北京12005

北京12006

北京12007

北京12008

天津22000

天津22001

6歡迎下載可修改regioncodeyearrgdpinflation北京16短面板：N>T;反之為長面板。平衡面板數(shù)據(jù)（balancedpaneldata）：如果每個個體在相同的時間內(nèi)都有觀測值記錄。

Foranyi,thereareTobservations.非平衡面板數(shù)據(jù)（unbalancedpanel）:Tmaydifferentoveri.7歡迎下載可修改短面板：N>T;反之為長面板。7歡迎下載可修改7Benefitsofpaneldataanalysis8歡迎下載可修改Benefitsofpaneldataanalysi8usetraffic.dtades第一步:構(gòu)造計量模型9歡迎下載可修改第一步:構(gòu)造計量模型9歡迎下載可修改9面板數(shù)據(jù)模型非觀測效應(yīng)模型（unobservedeffectsmodel）固定效應(yīng)模型(FixedEffectsModel,FE)隨機效應(yīng)模型(RandomEffectsModel,RE)混合回歸模型（PooledRegressionModel）10歡迎下載可修改面板數(shù)據(jù)模型非觀測效應(yīng)模型（unobservedeffe109、人的價值，在招收誘惑的一瞬間被決定。2023/8/102023/8/10Thursday,August10,202310、低頭要有勇氣，抬頭要有低氣。2023/8/102023/8/102023/8/108/10/20232:50:18AM11、人總是珍惜為得到。2023/8/102023/8/102023/8/10Aug-2310-Aug-2312、人亂于心，不寬余請。2023/8/102023/8/102023/8/10Thursday,August10,202313、生氣是拿別人做錯的事來懲罰自己。2023/8/102023/8/102023/8/102023/8/108/10/202314、抱最大的希望，作最大的努力。10八月20232023/8/102023/8/102023/8/1015、一個人炫耀什么，說明他內(nèi)心缺少什么。。八月232023/8/102023/8/102023/8/108/10/202316、業(yè)余生活要有意義，不要越軌。2023/8/102023/8/1010August202317、一個人即使已登上頂峰，也仍要自強不息。2023/8/102023/8/102023/8/102023/8/109、人的價值，在招收誘惑的一瞬間被決定。2023/7/3111固定效應(yīng)模型(FixedEffectsModel,FE)12歡迎下載可修改固定效應(yīng)模型(FixedEffectsModel,FE129、人的價值，在招收誘惑的一瞬間被決定。2023/8/102023/8/10Thursday,August10,202310、低頭要有勇氣，抬頭要有低氣。2023/8/102023/8/102023/8/108/10/20232:50:18AM11、人總是珍惜為得到。2023/8/102023/8/102023/8/10Aug-2310-Aug-2312、人亂于心，不寬余請。2023/8/102023/8/102023/8/10Thursday,August10,202313、生氣是拿別人做錯的事來懲罰自己。2023/8/102023/8/102023/8/102023/8/108/10/202314、抱最大的希望，作最大的努力。10八月20232023/8/102023/8/102023/8/1015、一個人炫耀什么，說明他內(nèi)心缺少什么。。八月232023/8/102023/8/102023/8/108/10/202316、業(yè)余生活要有意義，不要越軌。2023/8/102023/8/1010August202317、一個人即使已登上頂峰，也仍要自強不息。2023/8/102023/8/102023/8/102023/8/109、人的價值，在招收誘惑的一瞬間被決定。2023/7/3113隨機效應(yīng)模型(RandomEffectsModel,RE)14歡迎下載可修改隨機效應(yīng)模型(RandomEffectsModel,R14混合回歸模型（PooledRegressionModel）15歡迎下載可修改混合回歸模型（PooledRegressionModel15模型的估計固定效應(yīng)模型固定效應(yīng)變換（FixedEffectsTransformation）（組內(nèi)變換）(WithinTransformation)LSDV(LeastSquareDummyVariable16歡迎下載可修改模型的估計固定效應(yīng)模型16歡迎下載可修改16(式1)給定第i個個體，將(式1)兩邊對時間取平均可得，(式2)固定效應(yīng)變換

17歡迎下載可修改(式1)給定第i個個體，將(式1)兩邊對時間取平均可得，(17

(式1)–(式2)得：可以用OLS方法估計β，稱為“固定效應(yīng)估計量”（FixedEffectsEstimator），記為由于主要使用了每個個體的組內(nèi)離差信息，故也稱為“組內(nèi)估計量”（withinestimator）。令

，則

18歡迎下載可修改(式1)–(式2)得：可以用OLS方法估計β，稱為“18Stata命令xtreg,fexi:xtregi.year,fe19歡迎下載可修改Stata命令19歡迎下載可修改19LSDV(LeastSquareDummyVariable)基本思想：將不可觀測的個體效應(yīng)ai看做待估計的參數(shù)，ai就是第i個個體的截距。估計n個截距的方法就是引入n?1個虛擬變量（如果省略常數(shù)項，則引入n個虛擬變量）。20歡迎下載可修改LSDV(LeastSquareDummyVariab20例如：共有7個州，方程可以寫成：7個州的回歸線斜率相同，但截距不同。第1個州的截距是：第2個州的截距是：第3個州的截距是：第4個州的截距是：21歡迎下載可修改例如：共有7個州，方程可以寫成：7個州的回歸線斜率相同，但截21Stata命令xi:regi.codexi:regi.codei.year22歡迎下載可修改Stata命令22歡迎下載可修改22隨機效應(yīng)模型估計GLS

TheusualpooledOLScangiveconsistentestimators,butasitsstandarderrorsignorethepositiveserialcorrelationinthecompositeerrorterm,theywillbeincorrect.23歡迎下載可修改隨機效應(yīng)模型估計GLS23歡迎下載可修改23Solution:GLStransformationtoeliminatetheserialcorrelation:TheseestimatorscanbebasedonthepooledOLSorfixedeffectsresiduals.24歡迎下載可修改Solution:GLStransformationt24RandomEffectsEstimator:ThefeasibleGLSestimatorthatusesinplaceof25歡迎下載可修改RandomEffectsEstimator:inp25RE,FEandPLS26歡迎下載可修改RE,FEandPLS26歡迎下載可修改26Stata命令xtreg,rexi:xtregi.year,re27歡迎下載可修改Stata命令27歡迎下載可修改2728歡迎下載可修改28歡迎下載可修改28進(jìn)一步的解釋

heteroscedasticityconsistentor“White”standarderrorsareobtainedbychoosingoptionvce(robust)whichisavailableformostestimationcommands.29歡迎下載可修改進(jìn)一步的解釋29歡迎下載可修改29Stata’sestimationcommandswithoptionrobustalsocontainacluster()optionanditisthisoptionwhichallowsthecomputationofso-calledRogersorclusteredstandarderrors.30歡迎下載可修改30歡迎下載可修改30

But

Whileallthesetechniquesofestimatingthecovariancematrixarerobusttocertainviolationsoftheregressionmodelassumptions,theydonotconsidercross-sectionalcorrelation.However,duetosocialnormsandpsychologicalbehaviorpatterns,spatialdependencecanbeaproblematicfeatureofanymicroeconometricpaneldatasetevenifthecross-sectionalunits(e.g.individualsorfirms)havebeenrandomlyselected.31歡迎下載可修改ButWhilea3132歡迎下載可修改32歡迎下載可修改3233歡迎下載可修改33歡迎下載可修改3334歡迎下載可修改34歡迎下載可修改34**引入了時間虛擬變量導(dǎo)致exper消失35歡迎下載可修改**引入了時35歡迎下載可修改35第2步:描述性統(tǒng)計

變量解釋與變量的描述性統(tǒng)計

usetraffic.dtaxtsetstateyearsumfatalbeertaxspirconsunrateperinck關(guān)鍵變量與被解釋變量的散點圖并畫出回歸直線

twoway(scatterfatalbeertax)(lfitfatalbeertax)36歡迎下載可修改第2步:描述性統(tǒng)計變量解釋與變量的描述性統(tǒng)計36歡迎下載36PLSorFEtabyear,gen(year)1.xtregfatalbeertaxspirconsunrateperinckyear2-year7,fe

這里誤差項可能存在自相關(guān)、異方差和截面相關(guān)問題，所以F檢驗顯示的結(jié)果可能不可靠,所以嚴(yán)格的話，首先要檢驗是否存在截面相關(guān)問題，命令如下：

xtcsd,pesxtcsd,frixtcsd,fre

第3步:模型選擇37歡迎下載可修改PLSorFE第3步:模型選擇37歡迎下載可修改37TestingforCross-sectionalDependencextcsd短面板xttest2長面板xtcsdisapostestimationcommandvalidforuseafterrunninganFEorREmodel.xtcsdcanalsoperformPesaran’sCDtestforunbalancedpanels.38歡迎下載可修改TestingforCross-sectionalDe38PLSorFE在使用命令“xtreg,fe”時，如果不加選項cluster(state),則輸出結(jié)果還包含一個F檢驗，其原假設(shè)為“H0:allui=0”,即混合回歸是可以接受的。39歡迎下載可修改PLSorFE在使用命令“xtreg,fe”時，如392.xi:xtsccfatalbeertaxspirconsunrateperinckyear2-year7i.state

對州虛擬變量做F檢驗如果不存在截面相關(guān)，則

xi:regfatalbeertaxspirconsunrateperinckyear2-year7i.state,cluster(state)

對州虛擬變量做F檢驗

40歡迎下載可修改2.xi:xtsccfatalbeertaxs40PLSorRExtregfatalbeertaxspirconsunrateperinckyear2-year7,rexttest0/xttest1（AR(1)）

41歡迎下載可修改PLSorRE41歡迎下載可修改41PLSorRE

42歡迎下載可修改PLSorRE

42歡迎下載可修改42FEorREHausmantest1xtregfatalbeertaxspirconsunrateperinckyear2-year7,feeststoreFExtregfatalbeertaxspirconsunrateperinckyear2-year7,rehausmanFE,sigmamore43歡迎下載可修改FEorRE43歡迎下載可修改43

Hausman檢驗：基本思想：如果,Fe和Re都是一致的，但Re更有效。如果,Fe仍然一致，但Re是有偏的。因此：如果原假設(shè)成立，則FE與RE估計量將共同收斂于真實的參數(shù)值，反之，兩者的差距過大，則傾向于拒絕原假設(shè)，選擇FEFEorRE44歡迎下載可修改Hausman檢驗：FEorRE44歡迎下載4445歡迎下載可修改45歡迎下載可修改45解決辦法：構(gòu)造一個輔助回歸46歡迎下載可修改解決辦法：構(gòu)造一個輔助回歸46歡迎下載可修改46繼續(xù)基于隨機效應(yīng)估計的自相關(guān)檢驗

xtserialfatalbeertaxspirconsunrateperinckyear2-year747歡迎下載可修改繼續(xù)基于隨機效應(yīng)估計的自相關(guān)檢驗47歡迎下載可修改47Hausmantest2quietlyxtregfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7,rescalartheta=e(theta)globalyandxforhausmanfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7sortstateforeachxofvarlist$yandxforhausman{bystate:egenmean`x'=mean(`x')genmd`x'=`x'-mean`x'genred`x'=`x'-theta*mean`x'}quietlyregredfatalredbeertaxredspirconsredunrateredperinckredyear2redyear3redyear4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7,vce(clusterstate)testmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear748歡迎下載可修改Hausmantest2quietlyxtregfat48Hausmantest349歡迎下載可修改Hausmantest349歡迎下載可修改49基于隨機效應(yīng)估計的截面相關(guān)檢驗

xtregfatalbeertaxspirconsunrateperinckyear2-year7,rextcsd,pesabsxtcsd,friabsxtcsd,freabs

50歡迎下載可修改基于隨機效應(yīng)估計的截面相關(guān)檢驗50歡迎下載可修改50Hausmantest3quietlyxtsccredfatalredbeertaxredspirconsredunrateredperinckredyear2redyear3redyear4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7testmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear751歡迎下載可修改Hausmantest3quietlyxtsccred51

第4步：報告計量結(jié)果假設(shè)Hausmantest選擇FE，則

xtregfatalbeertaxspirconsunrateperinckyear2-year7,fextcsd,pesabsxtcsd,friabsxtcsd,freabs52歡迎下載可修改

第4步：報告計量結(jié)果假設(shè)Hausmantest選擇F52如果存在截面相關(guān)，則最終報告由如下命令估計的結(jié)果：

xtsccfatalbeertaxspirconsunrateperinckyear2-year7,fe

其中標(biāo)準(zhǔn)誤是Driscoll-Kraay,估計量是組內(nèi)估計量如果不存在截面相關(guān)，則檢驗是否存在異方差

xtregfatalbeertaxspirconsunrateperinckyear2-year7,fexttest3**一般都存在異方差53歡迎下載可修改如果存在截面相關(guān)，則最終報告由如下命令估計的結(jié)果：53歡迎下53如果存在異方差（且存在自相關(guān)，前面已做過自相關(guān)的檢驗），則最終報告由如下命令估計的結(jié)果：

xtregfatalbeertaxspirconsunrateperinckyear2-year7,fecluster(state)**標(biāo)準(zhǔn)誤是Rogersorclusteredstandarderrors.54歡迎下載可修改如果存在異方差（且存在自相關(guān)，前面已做過自相關(guān)的檢驗），則最54假設(shè)Hausmantest選擇RE，則最終報告由如下命令估計的結(jié)果：

xtregfatalbeertaxspirconsunrateperinckyear2-year7,recluster(state)**xtscc不能處理隨機效應(yīng)的截面相關(guān)問題**聚類穩(wěn)健的標(biāo)準(zhǔn)誤：對自相關(guān)和異方差穩(wěn)健55歡迎下載可修改假設(shè)Hausmantest選擇RE，則最終報告由如下命令55練習(xí)156歡迎下載可修改練習(xí)156歡迎下載可修改5657歡迎下載可修改57歡迎下載可修改57要求描述性統(tǒng)計并作圖模型選擇PLSorFE?PLSorRE？FEorRE?（三種HausmanTest）3.報告計量結(jié)果并和上表中的結(jié)果進(jìn)行比較58歡迎下載可修改要求描述性統(tǒng)計并作圖58歡迎下載可修改58練習(xí)259歡迎下載可修改練習(xí)259歡迎下載可修改59要求描述性統(tǒng)計并作圖模型選擇PLSorFE?PLSorRE？FEorRE?（三種HausmanTest）3.報告計量結(jié)果60歡