Stata：面板數(shù)據(jù)操作應用指南

晶晶晶晶323 2020-06-16

展開全文

來源：綜合整理自：http://dss./training/

轉載請注明來源

面板設定方法: xtset

運行固定/隨機效應的Stata命令是xtreg。使用前xtreg您需要使用以下命令設置Stata來處理面板數(shù)據(jù)xtset。

xtset country year

結果為：

在這種情況下'county'代表實體或小組(i)，“year”表示時間變量(t)。

注意”(強烈平衡)指的是所有國家都擁有所有年份的數(shù)據(jù)。例如，如果一個國家一年內沒有數(shù)據(jù)，那么數(shù)據(jù)就是不平衡的。理想情況下，您希望有一個平衡的數(shù)據(jù)集，但這并不總是但是，您仍然可以運行模型。

注意事項：如果在使用xtset后出現(xiàn)以下錯誤:

varlist: country: string variable not allowed

解決方案為：

encode country, gen(country1)

在xtset命令中使用“country1”而不是“country”

需要使用數(shù)值型類型

探索面板數(shù)據(jù)

use Panel101.dta,clearxtset country yearxtline y

結果為：

如果放在一張圖里面，操作為

xtline y, overlay

結果為：

面板數(shù)據(jù)之固定效應模型

當您只對分析的影響感興趣時，使用固定效果(FE)隨時間變化的變量。

FE探討預測因子和結果變量之間的關系(國家、個人、公司等)，每個實體都有自己的特點是否會影響預測變量(例如，是男性還是女性?能夠影響對某一問題的看法;或者一個特定的政治體系國家可以對貿易或GDP產(chǎn)生一些影響;或公司的商業(yè)慣例可能影響其股價)。

當使用FE時，我們假設個人內部的某些東西可能會影響預測或結果變量，我們需要控制這些。這就是背后的基本原理：實體誤差項與預測變量之間的相關性假設。FE模型去掉這些時不變特性的影響，這樣我們就可以評估結果變量上的預測因子。

FE模型的另一個重要假設是這些time-invariant特征是獨一無二的個體，不應該與其他個體相關特征。每個實體是不同的，因此實體的誤差項和常數(shù)(捕捉個體特征)不應該與其他特征相關聯(lián)。如果誤差項是相關的，那么FE是不合適的，因為推論可能是不正確的，你需要建立這種關系的模型(可能使用隨機效應)，需要使用豪斯曼檢驗，本文后面介紹。

固定效應模型如下：

1、首先我們進行傳統(tǒng)的OLS回歸

reg y x1

Fixed Effects using least squares dummy variable model (LSDV)

可以生成截面的虛擬變量

xi: regress y x1 i.country

最小二乘虛擬變量模型(LSDV)為理解固定效應模型提供了一種很好的方法。

x1的影響是通過國家間的差異來調節(jié)的。通過為每個國家添加虛擬變量，我們可以估計x1的純效應（控制未觀察到的異質性)。

2、兩個模型對比命令如下：

regress y x1estimates store olsxi: regress y x1 i.countryestimates store ols_dumestimates table ols ols_dum, star stats(N)

3、固定效應模型操作

Comparing the fixed effects using dummies with xtreg we get the same results

xtreg y x1, fe

注意和下面對比系數(shù)

  xi: regress y x1 i.country

固定效應結果統(tǒng)計量解釋

其中：

y表示Outcomevariable

x1表示Predictor variable(s)

Number of obs 表示Total number of cases (rows)

Number of groups Total number of groups (entities)

F(1,62) = 5.00，Prob > F如果這個數(shù)字< 0.05，那么您的模型就可以了。這是一個檢驗(F)，看看模型中的所有系數(shù)是否都不為零。

corr(u_i, Xb) = -0.5468 表示ui與解釋變量的相關性

t值檢驗各系數(shù)為不同于0的假設。要拒絕它，t值必須高于1.96(95%可信)。如果這在這種情況下，你可以說變量對因變量有顯著影響，t值越高，變量的相關性越高。

雙尾p值測試：假設每個系數(shù)不等于0。為了拒絕這個，p值需要小于0.05 (95%）

固定效應模型操作

areg y x1, absorb(country)

結果為：

固定效應模型操作

 areg y x1, absorb(country)

結果為：

對比上述固定效應操作結果

xtreg y x1 x2 x3, feestimates store fixedxi: regress y x1 x2 x3 i.countryestimates store olsareg y x1 x2 x3, absorb(country)estimates store aregestimates table fixed ols areg, star stats(N r2 r2_a)

結果為：

隨機效應估計操作

隨機操作操作

 xtreg y x1, re

結果為：

隨機效應VS固定效應估計操作選擇

隨機操作操作

xtreg y x1, feestimates store fixedxtreg y x1, reestimates store randomhausman fixed random

結果為：

chi2(1) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 3.67 ，Prob>chi2 = 0.0553，If P值this is < 0.05 (i.e. significant) use fixed effects.

其他檢驗

Testing for time-fixed effects

看看是否需要時間固定效果，運行FE模型時使用命令testparm 。

 xtreg y x1 i.year, re testparm i.year

結果為：

The Prob>F is > 0.05, so we failed to reject the null that the coefficients for all years are jointly equal to zero, therefore no time fixed- effects are needed in this case.

其他檢驗

Testing for random effects: Breusch-Pagan Lagrange multiplier (LM)

xtreg y x1, rexttest0

橫斷面相關性/同期相關性檢驗: