短面板數(shù)據(jù)分析的基本程序

短面板數(shù)據(jù)分析的基本程序

方紅生浙江大學經(jīng)濟學院

2013年秋參考書計量經(jīng)濟學導論第四版（伍德里奇）中文版或英文版用Stata學計量經(jīng)濟學

高級計量經(jīng)濟學及stata應用（陳強）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用第6講

基于DID的權威文獻做對了嗎？（學生報告與討論）第7講

PSMDID第8講

如何識別核心變量的作用機制？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）。

Stata中面板數(shù)據(jù)結構companyyearinvestmvalue11951755.9483311952891.24924.9119531304.46241.7119541486.75593.621951588.22289.521952645.52159.4219536412031.321954459.32115.531951135.21819.431952157.32079.731953179.52371.631954189.62759.9regioncodeyearrgdpinflation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

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.Benefitsofpaneldataanalysisusetraffic.dta

des第一步:構造計量模型面板數(shù)據(jù)模型非觀測效應模型（unobservedeffectsmodel）固定效應模型(FixedEffectsModel,FE)隨機效應模型(RandomEffectsModel,RE)混合回歸模型（PooledRegressionModel）固定效應模型(FixedEffectsModel,FE)隨機效應模型(RandomEffectsModel,RE)混合回歸模型（PooledRegressionModel）模型的估計固定效應模型固定效應變換（FixedEffectsTransformation）（組內(nèi)變換）(WithinTransformation)LSDV(LeastSquareDummyVariable(式1)給定第i個個體，將(式1)兩邊對時間取平均可得，(式2)固定效應變換

(式1)–(式2)得：可以用OLS方法估計β，稱為“固定效應估計量”（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

Stata命令xtreg,fexi:xtregi.year,feLSDV(LeastSquareDummyVariable)基本思想：將不可觀測的個體效應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）。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：Stata命令xi:regi.codexi:regi.codei.year隨機效應模型估計GLS

TheusualpooledOLScangiveconsistentestimators,butasitsstandarderrorsignorethepositiveserialcorrelationinthecompositeerrorterm,theywillbeincorrect.Solution:GLStransformationtoeliminatetheserialcorrelation:TheseestimatorscanbebasedonthepooledOLSorfixedeffectsresiduals.RandomEffectsEstimator:ThefeasibleGLSestimatorthatusesinplaceofRE,FEandPLSPooledOLS:FixedEffectsEstimator:Stata命令xtreg,rexi:xtregi.year,re進一步的解釋

heteroscedasticityconsistentor“White”standarderrorsareobtainedbychoosingoptionvce(robust)whichisavailableformostestimationcommands.Stata’sestimationcommandswithoptionrobustalsocontainacluster()optionanditisthisoptionwhichallowsthecomputationofso-calledRogersorclusteredstandarderrors.

But

Whileallthesetechniquesofestimatingthecovariancematrixarerobusttocertainviolationsoftheregressionmodelassumptions,theydonotconsidercross-sectionalcorrelation.However,duetosocialnormsandpsychologicalbehaviorpatterns,spatialdependencecanbeaproblematicfeatureofanymicroeconometricpaneldatasetevenifthecross-sectionalunits(e.g.individualsorfirms)havebeenrandomlyselected.**引入了時間虛擬變量導致exper消失第2步:描述性統(tǒng)計

變量解釋與變量的描述性統(tǒng)計

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

twoway(scatterfatalbeertax)(lfitfatalbeertax)PLSorFEtabyear,gen(year)1.xtregfatalbeertaxspirconsunrateperinckyear2-year7,fe

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

xtcsd,pesxtcsd,frixtcsd,fre

第3步:模型選擇TestingforCross-sectionalDependencextcsd短面板xttest2長面板xtcsdisapostestimationcommandvalidforuseafterrunninganFEorREmodel.xtcsdcanalsoperformPesaran’sCDtestforunbalancedpanels.PLSorFE在使用命令“xtreg,fe”時，如果不加選項cluster(state),則輸出結果還包含一個F檢驗，其原假設為“H0:allui=0”,即混合回歸是可以接受的。2.xi:xtsccfatalbeertaxspirconsunrateperinckyear2-year7i.state

對州虛擬變量做F檢驗如果不存在截面相關，則

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

對州虛擬變量做F檢驗

PLSorRExtregfatalbeertaxspirconsunrateperinckyear2-year7,rexttest0/xttest1（AR(1)）

PLSorRE

FEorREHausmantest1xtregfatalbeertaxspirconsunrateperinckyear2-year7,feeststoreFExtregfatalbeertaxspirconsunrateperinckyear2-year7,rehausmanFE,sigmamore

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，選擇FEFEorRE解決辦法：構造一個輔助回歸繼續(xù)基于隨機效應估計的自相關檢驗

xtserialfatalbeertaxspirconsunrateperinckyear2-year7Hausmantest2quietlyxtregfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7,rescalartheta=e(theta)globalyandxforhausmanfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7sortstateforeachxofvarlist$yandxforhausman{bystate:egenmean`x'=mean(`x')genmd`x'=`x'-mean`x'genred`x'=`x'-theta*mean`x'}quietlyregredfatalredbeertaxredspircons