面板数据离散选择模型学习手册

来源：数量经济学

转载请联系

一．简介

如果面板数据的被解释变量为离散变量，我们考虑使用相应的离散选择模型。以二值选择（被解释变量取值为0或1）为例，当被解释变量取1的概率为标准正态分布时，使用probit模型；当被解释变量取1的概率为logistic分布时，使用logit模型。

此外，当不可观测的个体特征与所有解释变量都不相关时，我们称模型为随机效应模型；与部分解释变量相关时，称模型为固定效应模型。通过 Hausman检验，我们可以判断该使固定效应模型还是随机效应模型。

面板二值选择模型固定效应

xtprobit y x1 x2 x3，fe

xtlogit y x1 x2 x3，fe

面板二值选择模型随机效应

Random-effects (RE) model 

xtprobit depvar [indepvars] [if] [in] [weight] [, re RE_options] 

二．案例应用

案例讲解：

Setup

webuse union

数据介绍：

idcode＝编号 

year＝调查时间（单位：年） 

age＝调查时年龄（单位：岁）

grade＝教育年限（单位：年） 

not smsa＝是否居住在SMSA（1表示不住在SMSA）

south是否生活在南方（1表示住在南方）

union＝是否参加工会（1表示参加工会）

black＝是否为黑人（1表示是黑人） 

分析各因素对妇女是否选择参加工会的影响。

因为被解释变union为二值选择变量，数据类型又是面板数据，我们考虑使用面板数据的离散选择模型。

Random-effects logit model

xtlogit union age grade i.not_smsa south##c.year

Fixed-effects logit model

xtlogit union age grade i.not_smsa south##c.year, fe

Hausman检验

hausman fe re