stata名师11 静态面板模型-固定效应模型.ppt

计量经济学 兰州大学管理学院杨利雄2014 静态面板模型II 回顾两期面板数据下的一阶差分模型多期面板数据下的差分模型另一种消除固定效应的方法 两期面板数据下的一阶差分模型 两期的面板数据下 如果固定效应与解释变量相关 普通的PooledOLS会导致有偏的参数估计 此时可通过对同一个体不同期的模型相减得到新的模型 两期面板数据下的一阶差分模型 一阶差分 两期面板数据下的一阶差分模型 差分后的模型参数估计无偏的条件 Further 相互独立 两期面板 多个解释变量 之前的例子只有一个解释变量 对比 方法和一个解释变量一样 两期面板 多个解释变量 推导如下 得到 Example13 6 crimeandclear uprate page466 之前考虑过犯罪率与失业率的关系 两变量模型 考虑多个解释变量来考察犯罪率Clrprc 犯罪且被判有罪的比例Data CRIME3 RAW Example13 6 crimeandclear uprate page466 过去犯罪且背叛有罪 是对现在犯罪的一种威慑 因此 可以预期过去犯罪且被判有罪的概率越高 现在的犯罪率越低 怎么设模型 Example13 6 crimeandclear uprate page466 有1972 1978两年的数据 设定如下模型 并差分之 Example13 6 crimeandclear uprate page466 Example13 6 crimeandclear uprate page466 解释 观察到二阶滞后显著 一阶滞后不显著 2年前犯罪被判有罪的概率增加1个百分点 犯罪率降低1 32 注 因一阶不显著 通常的做法是去掉该变量 此例中去掉一阶滞后 重新估计 Example13 6 crimeandclear uprate page466 去掉不显著的 重新估计 思考题 对比结果 解释新结果 多期面板数据下的差分模型 如果面板并不仅仅有两期 而是多期 同时解释变量有k个 那么固定效应如何通过差分来消除 多期面板数据下的差分模型 考虑一个三期面板模型 思考 怎么通过差分消除固定效应 多期面板数据下的差分模型 ForeachindividualI wehave 多期面板数据下的差分模型 2 1 多期面板数据下的差分模型 3 2 多期面板数据下的差分模型 对每一个i 得到两条差分方程对t 2 3 合并差分方程 虚拟变量的差分 多期面板数据下的差分模型 参数无偏的条件 Example13 8 page473 经济开发区与首次申请失业金人数评估城市建立经济开发区对就业的影响Data EZUNEM RAW 另一种消除固定效应的方法 对于如下模型 如果固定效应与解释变量相关 直接估计模型会导致参数估计有偏 一种办法是通过差分消除固定效应 思考 还有其他办法消除固定效应吗 另一种消除固定效应的方法 对模型关于时间t求平均 另一种消除固定效应的方法 相减 去均值的过程 关于时间的均值 time demeaneddata 另一种消除固定效应的方法 因为是对每一个个体i 减去其自己关于时间的均值 每个均值都是个体i自己的均值 因此 这种转化叫做 组内转换 使用pooledOLS估计转化后的模型 得到的估计量叫做 组内估计量 withinestimator 也叫 固定效应估计 fixedeffectsestimator Betweenestimator 组间估计 估计如下模型 得到的参数估计叫 betweenestimator Itisbiased Overallestimator 总体的估计 直接使用OLS估计 总体估计 组内估计 组间估计的关系 回忆推导模型的过程 Thenumbersofequations N T N N T 另一种消除固定效应的方法 UsePooledOLStoestimatethedemeanedmodel Note 组内估计无偏的条件和差分一样 同样 可以允许固定效应与解释变量的相关 例 教育的收益是否随时间变化 考虑了545个人 这些在1980 1987年都参加工作 有些影响工资的因素 如经验 婚姻状态 工会状态是随时间变化的 有些因素则不随时间变化 如种族 教育 后者可通过组内平均消除 通过教育与年份虚拟变量的乘积考察教育收益随时间的变化 例 教育的收益是否随时间变化 Model Time 1980 1987Timebase 1980 例 教育的收益是否随时间变化 Dataset WAGEPAN RAW怎么用stata估计出模型 步骤 1 算组内平均 2 做差 3 pooledOLS以上手动方法在两期模型中尚可 随着时期的增加和解释变量的增加 工作量增大很多 组内估计的Stata实现 u i表示固定效应 检验固定效应是否显著 例 教育的收益是否随时间变化 案例中 时间与教育的交互项都是显著的 总体而言 教育收益随时间增加 面板数据的Stata实现 在stata估计面板模型时 我们必须首先申明数据集中的横截面变量和时间变量 Xtsetindividualvartimevar以wagepan raw的数据集为例 这表示 数据集中每个个体的年度观察值都为1980 1987 面板数据的Stata实现 若想了解面板数据更详细的情况 xtdes 面板数据的Stata实现 描述性统计 xtsum 是sum命令的拓展 对比两个命令的结果 前者分为三个层面 面板数据的Stata实现 产生滞后项 glag educ l educ产生一阶差分 gd educ d educ产生二阶差分 gd2 educ d2 educ 面板数据的Stata实现 产生组内平均 每个个体的平均值 bysortnr egenmi educ mean educ 产生每个年度的平均 bysortyear egenmt educ mean educ 面板数据的Stata实现 固定效应模型的估计 xtregdepvar indepvars if in weight fe FE options Foreample xtregyx feWi