统计计量 | 重磅：面板数据学习教程

本文转载自公众号计量经济学服务中心

综合整理自：http://dss.princeton.edu/training/

1、面板设定方法: xtset

运行固定/随机效应的Stata命令是xtreg。使用前xtreg您需要使用以下命令设置Stata来处理面板数据xtset。

xtset country year

结果为：

在这种情况下"county"代表实体或小组(i)，“year”表示时间变量(t)。

注意“强烈平衡”指的是所有国家都拥有所有年份的数据。例如，如果一个国家一年内没有数据，那么数据就是不平衡的。理想情况下，您希望有一个平衡的数据集，但这并不总是但是，您仍然可以运行模型。

注意事项：如果在使用xtset后出现以下错误:

varlist: country: string variable not allowed

解决方案为：

encode country, gen(country1)

在xtset命令中使用“country1”而不是“country”。需要使用数值型类型。

2、探索面板数据

use Panel101.dta,clearxtset country yearxtline y

结果为：

如果放在一张图里面，操作为：

xtline y, overlay

结果为：

3、面板数据之固定效应模型

当您只对分析的影响感兴趣时，使用固定效果(FE)随时间变化的变量。

FE探讨预测因子和结果变量之间的关系(国家、个人、公司等)，每个实体都有自己的特点是否会影响预测变量(例如，是男性还是女性?能够影响对某一问题的看法;或者一个特定的政治体系国家可以对贸易或GDP产生一些影响;或公司的商业惯例可能影响其股价)。

当使用FE时，我们假设个人内部的某些东西可能会影响预测或结果变量，我们需要控制这些。这就是背后的基本原理：实体误差项与预测变量之间的相关性假设。FE模型去掉这些时不变特性的影响，这样我们就可以评估结果变量上的预测因子。

FE模型的另一个重要假设是这些time-invariant特征是独一无二的个体，不应该与其他个体相关特征。每个实体是不同的，因此实体的误差项和常数(捕捉个体特征)不应该与其他特征相关联。如果误差项是相关的，那么FE是不合适的，因为推论可能是不正确的，你需要建立这种关系的模型(可能使用随机效应)，需要使用豪斯曼检验，本文后面介绍。

固定效应模型如下：

首先我们进行传统的OLS回归：

reg y x1

Fixed Effects using least squares dummy variable model (LSDV)

可以生成截面的虚拟变量：

xi: regress y x1 i.country

最小二乘虚拟变量模型(LSDV)为理解固定效应模型提供了一种很好的方法。 

x1的影响是通过国家间的差异来调节的。通过为每个国家添加虚拟变量，我们可以估计x1的纯效应（控制未观察到的异质性)。

两个模型对比命令如下：

regress y x1estimates store olsxi: regress y x1 i.countryestimates store ols_dumestimates table ols ols_dum, star stats(N)

固定效应模型操作：

Comparing the fixed effects using dummies with xtreg we get the same results

 xtreg  y  x1, fe

注意和下面对比系数：

  xi: regress y x1 i.country

固定效应结果统计量解释：

其中：

y表示Outcomevariable 
x1表示Predictor variable(s)
Number of obs 表示Total number of cases (rows)
Number of groups  Total number of groups (entities)

F(1,62) = 5.00，Prob > F如果这个数字< 0.05，那么您的模型就可以了。这是一个检验(F)，看看模型中的所有系数是否都不为零。

corr(u_i, Xb)  = -0.5468   表示ui与解释变量的相关性

t值检验各系数为不同于0的假设 。要拒绝它，t值必须高于1.96(95%可信)。如果这在这种情况下，你可以说变量对因变量有显著影响，t值越高，变量的相关性越高。

双尾p值测试：假设每个系数不等于0。为了拒绝这个，p值需要小于0.05 (95%）

固定效应模型操作：

 areg y x1, absorb(country)

结果为：

固定效应模型操作：

 areg y x1, absorb(country)

结果为：

对比上述固定效应操作结果：

xtreg  y x1 x2 x3, fe
estimates store fixed
xi: regress  y x1 x2 x3 i.country
estimates store ols
areg y x1 x2 x3, absorb(country)
estimates store areg
estimates table fixed ols areg, star stats(N r2 r2_a)

结果为：

4、随机效应估计操作

随机操作操作：

xtreg y x1, re

结果为：

5、随机效应VS固定效应估计操作选择

随机操作操作：

 xtreg  y x1, fe
estimates store fixed
xtreg  y x1, re
estimates store random
hausman fixed random

结果为：

chi2(1) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 3.67 ，Prob>chi2 = 0.0553，If P值this is < 0.05 (i.e. significant) use fixed effects.

6、其他检验

Testing for time-fixed effects

看看是否需要 时间固定效果，运行FE模型时使用 命令testparm 。

xtreg y x1 i.year, re
 testparm i.year

结果为：

The Prob>F is > 0.05, so we failed to reject the null that the coefficients for all years are jointly equal to zero, therefore no time fixed- effects are needed in this case.

7、其他检验

Testing for random effects: Breusch-Pagan Lagrange multiplier (LM)

xtreg  y  x1, re
xttest0

横断面相关性/同期相关性检验:

xtreg  y  x1, fe
xtcsd, pesaran abs

异方差检验检验:

ssc install xtest3 
xttest3 

序列相关检验：

系列相关测试适用于的长面板数据(20-30年以上)。

ssc install xtserial
xtserial y x1

8、命令汇总简介

点击阅读原文，进入CCAD数据库

·END·

星标⭐我们不迷路！

想要文章及时到，文末“在看”少不了！

点击搜索你感兴趣的内容吧

往期推荐

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

文丨计量经济学服务中心

推荐丨青酱

    欢迎扫描👇二维码添加关注    

点击下方“阅读全文”了解更多