搜索
STATA面板数据模型估计命令一览表一、静态面板数据的STATA处理命令（一）数据处理输入数据●tssetcodeyear该命令是将数据定义为“面板”形式●xtdes该命令是了解面板数据结构●summarizesqcpiunemgse5ln各变量的描述性统计（统计分析）●genlag_y=L.y///////产生一个滞后一期的新变量genF_y=F.y///////产生一个超前项的新变量genD_y=D.y///////产生一个一阶差分的新变量genD2_y=D2.y///////产生一个二阶差分的新变量（二）模型的筛选和检验●1、检验个体效应（混合效应还是固定效应）（原假设：使用OLS混合模型）●xtregsqcpiunemgse5ln,fe对于固定效应模型而言，回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000，检验结果表明固定效应模型优于混合OLS模型。●2、检验时间效应（混合效应还是随机效应）（检验方法：LM统计量）（原假设：使用OLS混合模型）●quixtregsqcpiunemgse5ln,re(加上“qui”之后第一幅图将不会呈现)xttest0可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。可见，随机效应模型也优于混合OLS模型。●3、检验固定效应模型or随机效应模型（检验方法：Hausman检验）原假设：使用随机效应模型（个体效应与解释变量无关）通过上面分析，可以发现当模型加入了个体效应的时候，将显著优于截距项为常数假设条件下的混合OLS模型。但是无法明确区分FEorRE的优劣，这需要进行接下来的检验，如下：Step1：估计固定效应模型，存储估计结果Step2：估计随机效应模型，存储估计结果Step3：进行Hausman检验●quixtregsqcpiunemgse5ln,feeststorefequixtregsqcpiunemgse5ln,reeststorerehausmanfe(或者更优的是hausmanfe,sigmamore/sigmaless)可以看出，hausman检验的P值为0.0000，拒绝了原假设，认为随机效应模型的基本假设得不到满足。此时，需要采用工具变量法和是使用固定效应模型。●3、时间固定效应（以上分析主要针对的是个体效应）如果希望进一步在上述模型中加入时间效应，可以采用时间虚拟变量来实现。首先，我们需要定义一下T-1个时间虚拟变量。●tabyear,gen(dumt)(tab命令用于列示变量year的组类别，选项gen（dumt）用于生产一个以dumt开头的年度虚拟变量)dropdumt1（作用在于去掉第一个虚拟变量以避免完全共线性）若在固定效应模型中加入时间虚拟变量，则估计模型的命令为：●xtregsqcpiunemgse5lndumt*,fe（四）异方差和自相关检验●1、异方差检验（组间异方差）本节主要针对的是固定效应模型进行处理（1）检验原假设：同方差需要检验模型中是否存在组间异方差,需要使用xttest3命令。●quixtregsqcpiunemgse5ln,fexttest3显然，原假设被拒绝。此时，需要进一步以获得参数的GLS估计量，命令为xtgls：●xtglssqcpiunemgse5ln,panels(heteroskedastic)其中，组间异方差通过panels（）选项来设定。上述结果是采用两步获得，即，先采用OLS估计不考虑异方差的模型，进而利用其残差计算。。。，并最终得到FGLS估计量。●2、序列相关检验对于T较大的面板而言，i往往无法完全反映时序相关性，此时it便可能存在序列相关，在多数情况下被设定为AR(1)过程。原假设：序列不存在相关性。（1）FE模型的序列相关检验对于固定效应模型，可以采用Wooldridge检验法，命令为xtserial:●xtserialsqcpiunemgse5ln可以发现，这里的P=0.0000，我们可以在1%的显著性水平下爱拒绝不存在序列相关的原假设。考虑到样本，该检验的最后一步是用~eit对~1-tei，进行OLS回归，因此，输入以下命令得到8858.0~。检验该值是否显著异于-0.5，因为在原假设下（不相关）5.0-~，可见本例中不相等，拒绝原假设，说明存在序列相关。●matliste(b)（2）RE模型的序列相关检验对于RE模型，可以采用xttest1命令来执行检验：●quixtregsqcpiunemgse5lndumt*,rexttest1这里汇报了4个统计量，分别用于检验RE模型中随机效应（单尾和双尾）、序列相关以及二者的联合显著性，检验结果表明存在随机效应和序列相关，而且对随机效应和序列相关的联合检验也非常显著。（3）稳健型估计上述结果表明，无论是FE还是RE模型，干扰项中都存在显著的序列相关。为此，我们进一步采用xtregar命令来估计模型，首先考虑固定效应模型：●xtregarsqcpiunemgse5lndumt*,felbi●3、“异方差—序列相关”稳健型标准误虽然上述估计方法在估计方差-协方差矩阵时考虑了异方差和序列相关的影响，但都未将两者联立在一起考虑，要获得“异方差-序列相关”稳健型标准误，只需在xtreg命令中附加vce(robust)或者vce(cluster)选项即可。例如，对于FE模型，我们可以执行如下命令：●xtregsqcpiunemgse5ln,fevce(robust)与之前未经处理的估计结果相比，附加命令vce(robust)选项时的结果，虽然系数的估计值未发生变化，但此时得到的标准误明显增大了，致使得到的估计结果更加保守。对于面板数据模型而言，STATA在计算所谓的“robust”标准误时，是以个体为单位调整标准误的。因此，我们得到的“robust”标准误其实是同时调整了异方差和序列相关后的标准误。换言之，上述结果与设定vce(cluster)选项的结果完全相同。●4、截面相关检验原假设：截面之间不存在着相关性（1）FE模型检验对于FE模型，可以利用xttest2命令来检验截面相关性：●quixtregsqcpiunemgse5ln,fexttest2(该命令主要针对的是大T小N类型的面板数据，在本例中无法使用，故图标略去。)（2）RE模型检验对于RE模型，可以利用xtcsd命令来检验截面相关性：●quixtregsqcpiunemgse5ln,rextcsd,pesaran(下面命令是另一个检验指标)xtcsd,frees可以看出，两种不同的检验方法均显示面板数据存在着截面相关性。●5、“异方差—序列相关—截面相关”稳健型标准误（1）FE模型估计对于FE模型，在确认上述存在着截面相关的情况下，我们可以采用Hoechle(2007)编写的xtscc命令获取DriscollandKraay(1998)提出的“异方差—序列相关—截面相关”稳健型标准误：●xtsccsqcpiunemgse5ln,fe这里，xtscc命令会自动选择的滞后阶数为2，系数估计值和Within-R2与xtreg,fe的结果完全相同，但标准误存在着较大差异。可见，在本例中，截面相关对统计推断有较大的影响。若读者有跟高的方法来确定自相关的滞后阶数，则可以通过lag()选项设定。当然，在多数情况下，这很难做到。不过我们可以通过附加lag(0)来估计仅考虑异方差和截面相关的稳健型标准误，命令如下：●xtsccsqcpiunemgse5ln,felag(0)（2）RE模型估计(略，待补充)二、动态面板数据的STATA处理命令（一）差分GMMxtabondlnwicdlngdplanddocfirlnroadlnpopfinaxtabondlnwicdlngdplanddocfirlnroadlnpopfina,lag(2)twostep（二）系统GMMxtdpdsyslnwicdlngdplanddocfirlnroadlnpopfinaxtdpdsyslnwicdlngdplanddocfirlnroadlnpopfina,twostep（三）内生性检验●estatsargan（四）序列相关检验●estatabondxi:xtregsum2group1dyeard1countperimeterinvestrateconsumptionratefiscalexpratepopulationdensitysecondindi.year,ferobustdropifprovince==黑龙江|province==吉林|province==辽宁|province==山西|province==湖北|province==湖南|province==河南|province==江西|province==安徽