其他
Stata：面板格兰杰检验xtgranger
Stata：面板格兰杰检验
*========================================
* 高级计量经济学
*========================================
* 计量经济学服务中心
*-------------------------------------------------------------------------------
* 参考资料：
* 《初级计量经济学及Stata应用：Stata从入门到进阶》
* 《高级计量经济学及Stata应用：Stata回归分析与应用》
* 《量化社会科学方法》
* 《社会科学因果推断》
* 《面板数据计量分析方法》
* 《时间序列计量分析方法》
* 《高级计量经济学及Eviews应用》
* 《R、Python、Mtalab初高级教程》
* 《空间计量入门：空间计量在Geoda、GeodaSpace中的应用》
* 《零基础|轻松搞定空间计量：空间计量及GeoDa、Stata应用》
* 《空间计量第二部：空间计量及Matlab应用课程》
* 《空间计量第三部：空间计量及Stata应用课程》
* 《空间计量第四部：《空间计量及ArcGis应用课程》
* 《空间计量第五部：空间计量经济学》
* 《空间计量第六部：《空间计量及Python应用》
* 《空间计量第七部：《空间计量及R应用》
* 《空间计量第八部：《高级空间计量经济学》
*-------------------------------------------------------------------------------
*-------------------------------------------------------------------------------
*高级计量经济学
*面板格兰杰检验
*数量经济学&计量经济学服务中心
*-------------------------------------------------------------------------------1、xtgranger 命令下载安装
xtgranger 的安装命令如下：
ssc install xtgranger, replace
help xtgranger
findit xtgranger
2、语法格式为：
xtgranger depvar [indepvars] [if] [in] [, lags(integer) maxlags(integer) het sum nodfc]
注意事项：在使用xtgranger之前，必须对数据进行xtset;看到XT xtset。
3、选项含义为：
depvar：表示被解释变量；
indepvars: 表示解释变量
lag()指定要加入回归的因变量和自变量的滞后期数。如果未指定滞后()，则默认为滞后一期。
maxlag()指定滞后时间的上限。BIC准则用于选择提供最佳模型拟合的滞后数。
注意：
lag()和maxlag()不能同时使用。
其他选项
vce/robust选项
Het允许横截面异方差。
nodfc在HPJ估计器的方差-协方差矩阵的计算中不应用自由度修正。这个选项在横截面异方差下最有用。
report报告选项
Sum给出了估计反馈系数和的结果。当滞后数大于1时，这个选项很有用。
4、案例应用
下面我们使用面板数据格兰杰检验所配套的官方范例数据进行讲解，首先我们先导入数据导入数据，然后对数据进行描述统计分析查看，那么各个变量它的一个数据含义，也就是变量的一个desc，相关代码为：
数据集xtgranger_example。本例中使用的dta可以从SSC Archive和https://sites.google.com/site/yianniskaravias/files/xtgranger下载。
4.1 代码合集
cd C:\Users\admin\Desktop
use xtgranger_example.dta,clear
describe
edit
结果为：
. cd C:\Users\admin\Desktop
C:\Users\admin\Desktop
.
. use xtgranger_example.dta,clear
. describe
Contains data from xtgranger_example.dta
Observations: 25,200
Variables: 9 15 Apr 2021 11:50
-------------------------------------------------------------------------------------------------------------------------------------
Variable Storage Display Value
name type format label Variable label
-------------------------------------------------------------------------------------------------------------------------------------
cert long %8.0g
time byte %8.0g
roa float %8.0g
inefficiency float %8.0g
quality float %8.0g
size float %8.0g
liquidity float %8.0g
cluster byte %8.0g
ltd float %8.0g
-------------------------------------------------------------------------------------------------------------------------------------
Sorted by: cert time
. edit
.
end of do-file
.
相关变量含义为
label var roa 自然回报率
label var inefficiency 成本无效率
label var quality 银行资产质量
label var size 资产规模
label var liquidity 负债规模
describe
edit
结果为：
. label var roa 自然回报率
.
. label var inefficiency 成本无效率
.
. label var quality 银行资产质量
.
. label var size 资产规模
.
. label var liquidity 负债规模
.
. describe
Contains data from xtgranger_example.dta
Observations: 25,200
Variables: 9 15 Apr 2021 11:50
-------------------------------------------------------------------------------------------------------------------------------------
Variable Storage Display Value
name type format label Variable label
-------------------------------------------------------------------------------------------------------------------------------------
cert long %8.0g
time byte %8.0g
roa float %8.0g 自然回报率
inefficiency float %8.0g 成本无效率
quality float %8.0g 银行资产质量
size float %8.0g 资产规模
liquidity float %8.0g 负债规模
cluster byte %8.0g
ltd float %8.0g
-------------------------------------------------------------------------------------------------------------------------------------
Sorted by: cert time
Note: Dataset has changed since last saved.
.
. edit
.
下面再进行面板格兰杰分析，我们先进行面板数据的一个面板设定，前面的这个选项我们已经在前面介绍过了，就是说进行面板格兰杰分析，首先必须进行的是面板数据的一个设定，面板设定的结果如下
xtset the data
xtset cert time
结果为：
. xtset cert time
Panel variable: cert (strongly balanced)
Time variable: time, 1 to 56
Delta: 1 unit
那么已经声明是这样的一个面板数据，我们就可以来进行面板格兰杰检验，首先我们来使用xtgranger命令进行分析，根据检验命令的代码如下，回归结果如下
Dynamic model with given lags
xtgranger roa inefficiency quality, lags(2)
Dynamic model with given lags, cross-sectional heteroskedasticity-robust standard errors
xtgranger roa inefficiency quality, lags(2) het
Dynamic model with given lags and cross-sectional heteroskedasticity-robust standard errors. It reports the sum of the lagged coefficients
xtgranger roa inefficiency quality, lags(2) het sum
Dynamic model with lag length selection (up to 4 lags) based on BIC, with cross-sectional heteroskedasticity-robust standard errors
xtgranger roa inefficiency quality, maxlags(4) het
Dynamic model with lag length selection (up to 4 lags) based on BIC, with cross-sectional heteroskedasticity-robust standard errors, and no variance degrees-of-freedom correction
xtgranger roa inefficiency quality, maxlags(4) het nodfc4.2、 xtgranger roa inefficiency quality, lags(2)
操作及结果为：
. xtgranger roa inefficiency quality, lags(2)
Juodis, Karavias and Sarafidis (2021) Granger non-causality test results:
--------------------------------------------------------------------------------
Number of units= 450 T = 54
Number of lags = 2 BIC = -33371.195
--------------------------------------------------------------------------------
HPJ Wald test : 71.453051 pvalue_HPJ : 0.0000
H0: Selected covariates do not Granger-cause roa.
H1: H0 is violated.
--------------------------------------------------------------------------------
Results for the Half-Panel Jackknife estimator
------------------------------------------------------------------------------
| Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
inefficiency |
L1. | .3269529 .0506336 6.46 0.000 .2277128 .426193
L2. | .0759361 .0492966 1.54 0.123 -.0206834 .1725556
|
quality |
L1. | .0095732 .0174926 0.55 0.584 -.0247116 .043858
L2. | -.0679736 .0173881 -3.91 0.000 -.1020537 -.0338936
------------------------------------------------------------------------------
.
从结果可以看出：
（1）HPJ Wald 检验的值为71.453051，其对应的概率值为0，小于1%的显著性水平值，所以拒绝原假设，认为inefficiency 和 quality 是影响 ROA 的原因，即存在格兰杰原因。
4.3、 xtgranger roa inefficiency quality, lags(2) het
加入截面稳健标准误估计，消除异方差后的操作及结果为：
. xtgranger roa inefficiency quality, lags(2) het
Juodis, Karavias and Sarafidis (2021) Granger non-causality test results:
--------------------------------------------------------------------------------
Number of units= 450 T = 54
Number of lags = 2 BIC = -33371.195
--------------------------------------------------------------------------------
HPJ Wald test : 67.31586 pvalue_HPJ : 0.0000
H0: Selected covariates do not Granger-cause roa.
H1: H0 is violated.
--------------------------------------------------------------------------------
Results for the Half-Panel Jackknife estimator
Cross-sectional heteroskedasticity-robust variance estimation
------------------------------------------------------------------------------
| Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
inefficiency |
L1. | .3269529 .0620646 5.27 0.000 .2053085 .4485973
L2. | .0759361 .0459327 1.65 0.098 -.0140904 .1659626
|
quality |
L1. | .0095732 .0492256 0.19 0.846 -.0869072 .1060536
L2. | -.0679736 .0296417 -2.29 0.022 -.1260703 -.009877
------------------------------------------------------------------------------
.
上述回归结果显示仍然存在格兰杰原因。
4.4、 其他操作结果为：
xtgranger roa inefficiency quality, lags(2) het sum
Juodis, Karavias and Sarafidis (2021) Granger non-causality test results:
--------------------------------------------------------------------------------
Number of units= 450 T = 54
Number of lags = 2 BIC = -33371.195
--------------------------------------------------------------------------------
HPJ Wald test : 67.31586 pvalue_HPJ : 0.0000
H0: Selected covariates do not Granger-cause roa.
H1: H0 is violated.
--------------------------------------------------------------------------------
Sum of Half-Panel Jackknife coefficients across lags (lags>1)
Cross-sectional heteroskedasticity-robust variance estimation
------------------------------------------------------------------------------
| Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
inefficiency | .402889 .0922488 4.37 0.000 .2220848 .5836933
quality | -.0584004 .0627682 -0.93 0.352 -.1814239 .0646231
------------------------------------------------------------------------------
.
end of do-file
.
xtgranger roa inefficiency quality, maxlags(4) het
Juodis, Karavias and Sarafidis (2021) Granger non-causality test results:
--------------------------------------------------------------------------------
Number of units= 450 T = 55
Number of lags = 1 BIC = -34257.336
--------------------------------------------------------------------------------
HPJ Wald test : 30.238689 pvalue_HPJ : 0.0000
H0: Selected covariates do not Granger-cause roa.
H1: H0 is violated.
--------------------------------------------------------------------------------
BIC selection:
lags = 1, BIC = -34257.336*
lags = 2, BIC = -33371.195
lags = 3, BIC = -32727.595
lags = 4, BIC = -32715.923
--------------------------------------------------------------------------------
Results for the Half-Panel Jackknife estimator
Cross-sectional heteroskedasticity-robust variance estimation
------------------------------------------------------------------------------
| Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
inefficiency |
L1. | .2562039 .0572807 4.47 0.000 .1439358 .368472
|
quality |
L1. | -.0162294 .0444754 -0.36 0.715 -.1033996 .0709409
------------------------------------------------------------------------------
.
end of do-file
.
xtgranger roa inefficiency quality, maxlags(4) het nodfc
Juodis, Karavias and Sarafidis (2021) Granger non-causality test results:
--------------------------------------------------------------------------------
Number of units= 450 T = 55
Number of lags = 1 BIC = -34257.336
--------------------------------------------------------------------------------
HPJ Wald test : 31.361222 pvalue_HPJ : 0.0000
H0: Selected covariates do not Granger-cause roa.
H1: H0 is violated.
--------------------------------------------------------------------------------
BIC selection:
lags = 1, BIC = -34257.336*
lags = 2, BIC = -33371.195
lags = 3, BIC = -32727.595
lags = 4, BIC = -32715.923
--------------------------------------------------------------------------------
Results for the Half-Panel Jackknife estimator
Cross-sectional heteroskedasticity-robust variance estimation
No degrees-of-freedom correction in the variance estimator
------------------------------------------------------------------------------
| Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
inefficiency |
L1. | .2562039 .0562462 4.56 0.000 .1459634 .3664444
|
quality |
L1. | -.0162294 .0436722 -0.37 0.710 -.1018254 .0693666
------------------------------------------------------------------------------
.
end of do-file
.
本文转载计量经济学服务中心
科研数据：
001 中国高速铁路线路&城市高铁开通数据002 地级市面板数据1990-2019003 上市公司数据集-慈善、股权、研发、审计、高管004 地级市高新技术企业统计情况2000-2019005 碳交易、碳排放（分行业、国家、省、市、县）006 2008－2018中国上市公司政治关联原始数据007 1936-2018年全国县级以上干部数据008 地级市市长市委书记数据库009 上市公司2006－2018年资产负债收益010 各县接收上山下乡知青数量
011 832国家级贫困县摘帽数据
学习资料：
计量统计：7种主流数据分析软件及经典教材推荐Stata数据清洗方法回归结果不显著可采取方法与思路面板数据汇总实证模型三步走：数据、模型、结果检验调节变量、中介变量、控制变量七种经典回归方法六种定量方法解决内生性问题（stata代码）Stata双重差分操作流程及代码交互项与异质性分析面板交互固定效应模型详解5种安慰剂检验方法详解DIDM：多期多个体倍分法案例及代码
中介效应检验程序、操作应用政策评估反事实框架及匹配方法开展政策效应评估传统PSM-DID模型改进与应用广义DID超强的政策评估工具中介效应分析的四种方式、原则、方法和应用Stata17中DID、DDD方法及使用策略DID的平行趋势检验步骤和程序
文本相似度计算及政策量化分析政策效应评估的四种主流方法详解
科研论文：经管类CSSCI南大核心来源期刊投稿方式综合社科高校学报CSSCI南大核心来源期刊投稿方式因果推断——现代统计的思想飞跃2020年中国经济学研究热点分析空间计量经济学文献综述陆铭的13个实证研究锦囊碳达峰和碳中和管理研究：进展与综述国内几篇A刊的发表经验陈强：计量经济学实证论文写作全解析刘修岩：城市经济学模型与实证方法进展与趋势刘俏：”碳中和“给经济学提出那些新问题洪永淼：大数据革命和中国经济学研究范式博士如何接受完整、全面的科研训练顶级经济学期刊青睐何种计量方法管理世界投稿经验：如何回应审稿人意见基于195篇实证论文发现期刊编辑的喜好CSSCI期刊主编：论文写作用词八条建议论文参考文献怎么引用才能通过查重给博士生论文投稿实用建议常任轨教职经济学学术刊物目录
洪永淼等:中国经济科学的研究现状与发展趋