stata上机实验第五讲——面板数据的处理...ppt

面板数据 一些面板数据教材 面板数据分析 美 萧政著横截面与面板数据的经济计量分析伍德里奇著 王忠玉译Baltagi EconometricAnalysisofPanelData最新动态可关注期刊 JournalofEconometrics 面板数据一些前沿问题 面板向量自回归模型 PanelVAR 面板单位根检验 PanelUnitRoottest 面板协整分析 PanelCointegeration 门槛面板数据模型 PanelThreshold 面板联立方程组面板空间计量 静态面板数据 静态面板数据模型 是指解释变量中不包含被解释变量的滞后项 通常为一阶滞后项 的情形 但严格地讲 随机干扰项服从某种序列相关的模型 如AR 1 AR 2 MA 1 等 也不是静态模型 静态面板数据主要有两种模型 固定效应模型和随机效应模型 面板数据的格式 面板数据模型 考虑如下模型 Yit Xitb Uituit ai it其中 i 1 2 N t 1 2 T 既有i又有t的情况则一般是用面板数据 uit称为复合扰动项 固定效应模型 对于特定的个体i而言 ai表示那些不随时间改变的影响因素 如个人的消费习惯 国家的社会制度 地区的特征 性别等 一般称其为 个体效应 individualeffects 如果把 个体效应 当作不随时间改变的固定性因素 相应的模型称为 固定效应 模型 固定效应模型 固定效应模型的公式变为 Yit ai Xitb it回归结果是每个个体都有一个特定的截距项 ai在这里就独立出来了 随机效应模型 随机效应模型将个体效应ai视为随机因素 即把个体效应设定为干扰项的一部分 公式将变为 Yit Xitb ai it 回归的结果是随机效应模型的所有的个体具有相同的截距项 个体的差异主要反应在随机干扰项的设定上 怎样选择固定效应和随机效应 随机效严格要求个体效应与解释变量不相关 即Cov ai XitB 0而固定效应模型并不需要这个假设条件 这是两种模型选择的关键 面板数据基本命令 1 指定个体截面变量和时间变量 xtset 2 对数据截面个数 时间跨度的整体描述 xtdes 分组内 组间和样本整体计算各个变量的基本统计量xtsum 采用列表的方式显示某个变量的分布xttab 较少使用 3 list sum des tabstat histogram kdensity等命令都可以用 4 对每个个体分别显示该变量的时间序列图 xtline 5 静态面板数据基本回归命令 xtreg 系统默认GLS估计 广义最小二乘法 usegrunfeld clearxtsetcompanyyearxtdesxtlineinvest混合回归 reginvestmvaluekstock pool回归 其会扩大样本量 固定效应 xtreginvestmvaluekstock fe随机效应 xtreginvestmvaluekstock re用F值或P值进行判断 如果p值较大 则应该用pool回归 xtregFixed between andrandom effects andpopulation averagedlinearmodelsxtregarFixed andrandom effectslinearmodelswithanAR 1 disturbancextglsPanel datamodelsusingGLSxtpcseOLSorPrais Winstenmodelswithpanel correctedstandarderrorsxtrchhHildreth HouckrandomcoefficientsmodelsxtivregInstrumentalvariablesandtwo stageleastsquaresforpanel datamodels xtabondArellano Bondlinear dynamicpaneldataestimator 动态面板估计 xtabond2Arellano Bondsystemdynamicpaneldataestimator 需要从网上下载 xttobitRandom effectstobitmodelsxtintregRandom effectsintervaldataregressionmodelsxtregFixed between andrandom effects andpopulation averagedlinearmodelsxtregarFixed andrandom effectslinearmodelswithanAR 1 disturbancextglsPanel datamodelsusingGLS xtpcseOLSorPrais Winstenmodelswithpanel correctedstandarderrorsxtrchhHildreth HouckrandomcoefficientsmodelsxtivregInstrumentalvariablesandtwo stageleastsquaresforpanel datamodelsxtabondArellano Bondlinear dynamicpaneldataestimatorxtabond2Arellano Bondsystemdynamicpaneldataestimator 需要从网上下载 xttobitRandom effectstobitmodelsxtintregRandom effectsintervaldataregressionmodels 结果解读 固定效应随机效应特别注意 1 三个R2哪个重要 组内 组间 总体拟合优度 2 固定效应为什么有两个F检验 3 corr u i Xb 的含义 4 sigma u sigma e rho的含义 sigma u是固定效应模型估计中的个体效应的方差估计值sigma e随机干扰项的方差估计值rho rho sigma u 2 sigma u 2 sigma e 2 是两者之间的关系 u i 以及针对u i显著性的联合检验统计量 F值和p值 corr u i Xb 个体效应与解释变量的相关系数 相关系数为0或者接近于0 可以使用随机效应模型 相关系数不为0 需要使用固定效应模型 u i不表示残差 表示个体效应 模型选择 固定效应还是混合OLS 可以直接观测F值随机效应还是混合OLS 先用随机效应回归 然后运行xttest0固定效应还是随机效应 Hausman检验 Hausman检验基本思想 如果Corr a i x it 0 Fe和Re都是一致的 但Re更有效 如果Corr a i x it 0 Fe仍然一致 但Re是有偏的 因此原假设是Corr a i x it 0 即应该采用随机效应 Hausman检验步奏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 xtreginvestmvaluekstock feeststorefixedxtreginvestmvaluekstock reeststorerandomhausmanfixedrandom本题接受原假设 即应该用随机效应 几个常见问题 1 既然固定效应每个个体都有单独的截距项 如何获得每个个体的截距项 xi pany即LSDV方法或者添加虚拟变量法 2 非平衡面板如何处理 usenlswork clearxtsetidcodeyearxtdes这是一份典型的大n小t型非平衡面板数据 方法一 下载命令xtbalance提取成一个平衡面板数据 但不推荐使用 因为会损失大量样本 方法二 利用算法填补缺失值 需要经济理论和算法的支撑 3 面板数据格式不符合要求的处理 例如如下表格格式该如何处理 处理方法 扁平数据变长条数据的命令 reshapeuseinvest2 cleareditreshapelonginvestkstock i company j year 其他回归方法 1 聚类稳健的标准差通常可以假设不同个体之间的扰动项相互独立 但同一个体在不同时期的扰动项之间往往存在自相关 故须采用聚类稳健的标准差 usegrunfeld clearxtsetcompanyyearreginvestmvaluekstock vce clustercompany 同理有 xtreginvestmvaluekstock fevce clustercompany xtreginvestmvaluekstock revce clustercompany GLS的缺点就是要满足一些特定的条件 2 对于固定效应模型 可采用虚拟变量法 基本思想 固定效应模型实质上就是在传统的线性回归模型中加入N 1个虚拟变量 使得每个截面都有自己的截距项 由于固定效应模型假设存在着 个体效应 每个个体都有其单独的截距项 这就相当于在原方程中引入n 1个虚拟变量 如果省略常数项 则引入n个虚拟变量 来代表不同的个体 获得每个个体的截据项 tabcompany gen dum 批量生成变量 dropdum1reginvestmvaluekstockdum 表示未知数 与上述方法比较一下 xi pany结果完全一样 组间估计法 对于随机效应模型 还可以采用 组间估计量 对于那些每个个体的时间序列数据较不准确或 噪音 较大的数据 可对每个个体取时间平均值 然后用平均值来回归 xtreginvestmvaluekstock be由于损失了较多信息量 组间估计法并不常用 极大似然估计 如果随机效应模型中假设扰动项服从正态分布 则可以使用最大似然估计法 MLE 来进行估计 xtreginvestmvaluekstock mle与随机效应模型的估计比较结果几乎完全一致 双向固定效应模型 固定效应模型 Yit ai XitB it双向固定效应模型 Yit ai ft XitB it 既固定时间也固定个体的效应 实际上添加了t 1个时间虚拟变量 主要反应随着时间变化的一些特征 tabyear gen yr editdropyr1xtreginvestmvaluekstockyr fe大部分时间虚拟变量显著 说明随着时间的变动 invest有不断变动的趋势 检验 可以使用似然比检验 原假设 时间虚拟变量不显著 xtreginvestmvaluekstock feeststorefe1xtreginvestmvaluekstockyr feeststorefe2lrtestfe1fe2整体来看时间虚拟变量不够显著 异方差 序列相关和截面相关 大n小T重点关注异方差大T小n重点关注序列相关由于面板数据中每个截面 公司 个人 地区 之间还可能存在内在的联系 因此 截面相关性是面板数据的一个特有的特征 三个假设 1 Var e it sigma 2同方差假设2 Corr e it e it s 0序列无关假设3 Corr e it e jt 0截面不相关假设 1 异方差的检验 组间 finditxttest3或者直接sscinstallxttest3xtreginvestmvaluekstock fexttest3 2 序列相关的检验 基本思想 若无序列相关 则一阶差分后残差相关系数应为 0 5 finditxtserialxtserialinvestmvaluekstockxtserialinvestmvaluekstock output 3 截面相关的检验 sscinstallxttest2xtreginvestmvaluekstock fexttest2 FGLS估计 1 xtgls命令xtglsinvestmvaluekstock panels iid PooledOLSxtglsinvestmvaluekstock panel het 截面异方差xtglsinvestmvaluekstock corr ar1 所有个体具有相同的自相关系数 xtglsinvestmvaluekstock corr psar1 每个个体有自己的自相关系数xtglsinvestmvaluekstock panel corr 截面间相关且异