課件-用stata做面板數(shù)據(jù)回歸 - 副本-文檔資料

1、1用Stata做面板數(shù)據(jù)回歸2 Stata與其他計量軟件比較 面板數(shù)據(jù)的設(shè)定 短面板 長面板 面板回歸與空間計量目 錄3Stata與其他計量軟件比較 SPSS SAS Eviews Stata4Stata與其他計量軟件比較 SPSS 界面人性化，基本如Excel，很容易上手 數(shù)據(jù)文件最多4096個變量 強于統(tǒng)計分析，如方差分析，沒有穩(wěn)健方法，弱于計量分析，缺乏調(diào)查數(shù)據(jù)分析 程序較大，屬于統(tǒng)計軟件而非真正的計量軟件 大塊頭，小智慧！5Stata與其他計量軟件比較 SAS 功能強大，可編程，很受高級用戶歡迎 可同時處理多個數(shù)據(jù)文件，處理變量多達32768個，可畫出你想要的任何數(shù)據(jù)分析圖 強于方差分

2、析、混合模型分析和多變量分析，弱于有序和Logistic分析、穩(wěn)健方法和調(diào)查數(shù)據(jù)分析（泊松等分布） 最難掌握！原因：（1）SAS需要自己編制程序來處理和分析數(shù)據(jù)（2）改正出錯程序比較困難 程序占用磁盤非常大，一般2-3G 大塊頭，大智慧！6Stata與其他計量軟件比較 Eviews 界面不夠人性化，使用前最好熟悉每個命令操作的程序語言 數(shù)據(jù)處理能力較弱 強于時間序列分析，但其它回歸分析（如面板數(shù)據(jù)等）、數(shù)據(jù)處理、統(tǒng)計分析較弱 軟件小，對內(nèi)存要求也不高 小塊頭，小智慧！7Stata與其他計量軟件比較 Stata 簡單易懂、界面像Excel，操作多樣化（即可編程，也可鼠標操作） 數(shù)據(jù)管理能力弱于S

3、AS，一次主要用于一個數(shù)據(jù)文件，可處理的單個數(shù)據(jù)文件受內(nèi)存大小影響，可處理變量達32768個 強于回歸分析、Logistic分析和調(diào)查數(shù)據(jù)分析，弱于方差分析和多變量分析 作圖功能強大 程序所需磁盤空間小，一兩百兆。還有免安裝版本，使用極為方便 小塊頭，大智慧！8Stata與其他計量軟件比較軟件SPSSSASEviewsStata操作難易程度界面人性化最難掌握界面不夠人性化簡單易懂數(shù)據(jù)處理能力數(shù)據(jù)處理能力較弱，最多處理4096個變量可同時處理多個數(shù)據(jù)文件，處理變量多達32768個，可畫出你想要的任何數(shù)據(jù)分析圖數(shù)據(jù)處理能力較弱主要用于一個數(shù)據(jù)文件，可處理變量達32768個，作圖功能強大強項統(tǒng)計分析

4、，如方差分析方差分析、混合模型分析和多變量分析強于時間序列分析回歸分析、Logistic分析和調(diào)查數(shù)據(jù)分析弱項計量分析，調(diào)查數(shù)據(jù)分析有序和Logistic分析、穩(wěn)健方法和調(diào)查數(shù)據(jù)分析回歸分析（如面板數(shù)據(jù)等）、數(shù)據(jù)處理、統(tǒng)計分析方差分析和多變量分析程序大小程序較大程序占用磁盤非常大軟件小程序所需磁盤空間小9面板數(shù)據(jù)的設(shè)定 xtset pvar tvar #設(shè)定面板數(shù)據(jù) encode x1,gen(x2) #將字符型變量編碼為數(shù)字型變量 xtdes #顯示面板數(shù)據(jù)結(jié)構(gòu) xtsum #顯示組內(nèi)、組間與整體的統(tǒng)計指標 xttab var #顯示組內(nèi)、組間與整體的分布頻率 xtline var (ove

5、rlay) #顯示每個個體的時序圖10短面板 混合回歸 固定效應(yīng) 隨機效應(yīng) Hausman檢驗 短面板回歸基本步驟11短面板 短面板回歸基本步驟 （1）導入并設(shè)定為面板數(shù)據(jù)。 （2）做固定效應(yīng)模型，并報告聚類穩(wěn)健標準誤與普通標準誤。 （3）做隨機效應(yīng)模型，并報告聚類穩(wěn)健標準誤與普通標準誤。 （4）比較兩個模型的聚類穩(wěn)健標準誤與普通標準誤是否相差較大，并決定采取是否使用輔助回歸的Hausman檢驗。若相差較大則采用輔助回歸的Hausman檢驗，若相差不大則采用傳統(tǒng)Hausman檢驗。 （5）通過Hausman檢驗，決定采用固定效應(yīng)模型還是隨機效應(yīng)模型。 （6）報告并分析結(jié)果。12短面板 混合回歸

6、 reg y x1 x2 x3,vce(cluster id) #以“id”為聚類變量的聚類穩(wěn)健標準誤13短面板 固定效應(yīng) （1）組內(nèi)估計法(FE) xtreg y x1 x2 x3,fe r #r表示聚類穩(wěn)健標準誤 （2）LSDV法 reg y x1 x2 x3 i.id,r #r表示聚類穩(wěn)健標準誤14短面板 固定效應(yīng) （3）一階差分法（FD） xtserial fatal beertax spircons unrate perinck,output （4）雙向固定效應(yīng)（時間個體固定效應(yīng)） tab year,gen(year) #定義年度虛擬變量 xtreg fatal beertax sp

7、ircons unrate perinck year2 year3 year4 year5 year6 year7,fe r test year2 year3 year4 year5 year6 year7 #檢驗?zāi)甓忍摂M變量聯(lián)合顯著性 xtreg fatal beertax spircons unrate perinck i.year,fe r #直接估計雙向固定效應(yīng)模型，不必生成時間序列。15短面板 隨機效應(yīng) xtreg y x1 x2 x3,re r theta #隨機效應(yīng)FGLS，theta表示估計隨機效應(yīng)值 xtreg y x1 x2 x3,mle #隨機效應(yīng)MLE xttest0

8、#LM檢驗，檢驗是否存在反應(yīng)個體特性的隨機擾動項ui16短面板 Hausman檢驗 傳統(tǒng)Hausman檢驗 xtreg y x1 x2 x3,fe #（固定效應(yīng)估計） estimates store FE #（儲存結(jié)果） xtreg y x1 x2 x3,re #（隨機效應(yīng)估計） estimates store RE #（儲存結(jié)果） hausman FE RE ,constant sigmamore #（Hausman檢驗） 如果聚類穩(wěn)健標準誤與普通標準誤相差較大，則傳統(tǒng)如果聚類穩(wěn)健標準誤與普通標準誤相差較大，則傳統(tǒng)Hausman檢驗不適用。檢驗不適用。17短面板 Hausman檢驗 輔助回歸

9、法 quietly xtreg y x1 x2 x3,re scalar theta = e(theta) global yandxforhausman y x1 x2 x3 sort id by id:egen meany=mean(y) gen mdy=y-meany gen redy=y-theta*meany by id:egen meanx1=mean(x1) gen mdx1=x1-meanx1 gen redx1=x1-theta*meanx1 by id:egen meanx2=mean(x2) gen mdx2=x2-meanx2 gen redx2=x2-theta*mea

10、nx2 by id:egen meanx3=mean(x3) gen mdx3=x3-meanx3 gen redx3=x3-theta*meanx3 quietly reg redy redx1 redx2 redx3 mdx1 mdx2 mdx3, vce(cluster id) test mdx1 mdx2 mdx318短面板 Hausman檢驗 輔助回歸法(非官方命令） ssc install xtoverid #下載安裝xtoverid quietly xtreg y x1 x2 x3,re r xtoverid19長面板長面板的估計策略面板校正標準誤(PCSE)僅解決組內(nèi)自相關(guān)的F

11、GLS全面FGLS組間異方差的檢驗組內(nèi)自相關(guān)的檢驗組間同期相關(guān)的檢驗變系數(shù)模型20長面板 長面板的估計策略 （1）組間異方差：個體i的擾動項方差為i2，若i2j2(ij)，則it存在“組間異方差”。 （2）組內(nèi)自相關(guān)：若Cov(it , is)0(ts,i)，則it存在“組內(nèi)自相關(guān)”。 （3）組間同期相關(guān)：若Cov(it , jt)0(ij,t)，則it存在“組間同期相關(guān)”或“截面相關(guān)”。比如，對于省級數(shù)據(jù)，相鄰省份之間的同期經(jīng)濟活動可能通過貿(mào)易或投資等相互影響。 解決方法： （1）使用LSDV估計系數(shù)，對標準誤差進行校正。 （2）對異方差或自相關(guān)具體形式進行假設(shè)，然后使用可行廣義最小二乘法(

12、FGLS)進行估計。21長面板 長面板的基本步驟 （1）檢驗面板數(shù)據(jù)是否存在組間異方差、組內(nèi)自相關(guān)和組間同期相關(guān)問題 （2）結(jié)合檢驗結(jié)果考慮選用面板校正標準誤(PCSE)模型、僅解決組內(nèi)自相關(guān)的FGLS模型和全面FGLS模型三種模型的哪一種 （3）檢驗并判斷是否采用變系數(shù)模型 （4）綜合上述判斷結(jié)果選擇最終模型 （5）報告并分析結(jié)果。22長面板 面板校正標準誤(PCSE) xtpcse y x1 x2 x3,hetonly # hetonly表示存在組間異方差，但不存在組間同期相關(guān)；默認為既存在組間異方差，又存在組間同期相關(guān)。23長面板 僅解決組內(nèi)自相關(guān)的FGLS xtpcse y x1 x2

13、 x3,corr(ar1) corr(psar1) # corr(ar1)對應(yīng)i=，適用于T并不比n大很多的情形； #corr(psar1)允許每個面板有自己的i，適用于T比n大很多的情形。24長面板 全面FGLS 全面FGLS同時考慮組間異方差、組內(nèi)自相關(guān)和組間同期相關(guān)三個因素。 估計過程為： （1）進行OLS回歸 （2）用OLS回歸殘差eit來估計it的協(xié)方差矩陣。 （3）進行FGLS估計?；蛘哌M行迭代FDLS估計，及使用FGLS的殘差在競選FGLS估計，不斷迭代直至收斂。25長面板 全面FGLS xtgls y x1 x2 x3,panels(option) corr(option) i

14、gls # panels(iid) 假定不同個體的擾動項獨立同分布 # panels(het) 假定不同個體的擾動項相互獨立但方差可以不同 # panels(cor) 假定不同個體的擾動項同期相關(guān)且有不同的方差 # corr(ar1) 對應(yīng)i=的組內(nèi)自相關(guān)情形 # corr(psar1) 允許每個面板有自己的自回歸系數(shù)i #igls 表示使用迭代式FGLS #“OLS+面板校正標準誤差”最穩(wěn)健，全面FGLS最有效率，進解決組內(nèi)自相關(guān)的FGLS介于兩者之間。使用何種FGLS估計，取決于對組間異方差、組內(nèi)自相關(guān)與組間同期相關(guān)的檢驗。26長面板 組間異方差的檢驗 沃爾德檢驗 ssc install

15、xttest3 quietly xtreg y x1 x2 x3,r fe # xtest3只能在“xtreg,fe”或“xtgls”之后才能使用 xttest3 quietly xtgls y x1 x2 x3 xttest327長面板 組內(nèi)自相關(guān)的檢驗 net install st0039 或者 findit xtserial #下載安裝xtserial xtserial y x1 x2 x3,output # output表示顯示一階差分回歸結(jié)果28長面板組間同期相關(guān)的檢驗 LM檢驗（僅適用于長面板） ssc install xttest2 quietly xtreg y x1 x2 x

16、3,fe # xtest3只能在“xtreg,fe”，“xtgls”或“ivreg2”之后才能使用 xttest2 xtcsd檢驗（長面板、短面板） ssc install xtcsd #只能在xtreg之后才能使用 xtcsd,pesaran abs show #（Pesaran(2004)的檢驗，統(tǒng)計量服從標準正態(tài)分布） xtcsd,friedman abs show #（Friedman (1937)的檢驗，統(tǒng)計量服從2分布） xtcsd,frees abs show #（Frees(1995,2004)的檢驗） # show表示顯示殘差的相關(guān)系數(shù)矩陣 #abs表示顯示該矩陣非主對角線元素的絕對值之平均29長面板 變系數(shù)模型 變系數(shù)模型可分為將“可變系數(shù)”視為常數(shù)和隨機變量兩種。 （1）將可變系數(shù)視為常數(shù) 部分變系數(shù)模型：引入個體虛擬變量以及虛擬變量與變系數(shù)解釋變量xit的交互項 reg y x1 x2 x3 i.id i.id#c.x1 t,vce(cluster id) #（c表明x1為連續(xù)性變量） （2）隨機系數(shù)模型 xtrc y x1 x2 x3,betas # betas表示顯示對每組系數(shù)的估計。同時提供了參數(shù)穩(wěn)定性檢驗30