STATA與面板數(shù)據(jù)回歸課件1

1、面板數(shù)據(jù)模型與stata軟件的應(yīng)用一、什么是面板數(shù)據(jù)二、面板數(shù)據(jù)模型的優(yōu)勢 三、面板模型的估計方法：FE和RE四、stata軟件簡介五、如何用stata估計面板模型：案例分析面板數(shù)據(jù)模型與stata軟件的應(yīng)用一、面板數(shù)據(jù)類型時間維度+截面維度如我們在分析中國各省份的經(jīng)濟增長時，共有31個截面，每個截面都取1979-2019共20年的數(shù)據(jù)，共有620個觀察值，這是一個典型的平行面板數(shù)據(jù)上市公司財務(wù)數(shù)據(jù)，研究一段時期內(nèi)（2019-2019）上市公司股利的發(fā)放數(shù)額與股票賬面價值之間的關(guān)系，共有20 11=220個觀測值強調(diào)經(jīng)濟理論基礎(chǔ)、強調(diào)微觀行為基礎(chǔ)一、面板數(shù)據(jù)類型時間維度+截面維度表1 2019

2、-2019年中國東北、華北、華東15個省級地區(qū)的居民家庭人均消費數(shù)據(jù)（不變價格）地區(qū)人均消費2019201920192019200020192019CP-AH（安徽） 3282.466 3646.150 3777.410 3989.581 4203.555 4495.174 4784.364CP-BJ（北京） 5133.978 6203.048 6807.451 7453.757 8206.271 8654.433 10473.12CP-FJ（福建） 4011.775 4853.441 5197.041 5314.521 5522.762 6094.336 6665.005CP-HB（河北）

3、3197.339 3868.319 3896.778 4104.281 4361.555 4457.463 5120.485CP-HLJ（黑龍江） 2904.687 3077.989 3289.990 3596.839 3890.580 4159.087 4493.535CP-JL（吉林） 2833.321 3286.432 3477.560 3736.408 4077.961 4281.560 4998.874CP-JS（江蘇） 3712.260 4457.788 4918.944 5076.910 5317.862 5488.829 6091.331CP-JX（江西） 2714.124 3

4、136.873 3234.465 3531.775 3612.722 3914.080 4544.775CP-LN（遼寧） 3237.275 3608.060 3918.167 4046.582 4360.420 4654.420 5402.063CP-NMG（內(nèi)蒙古） 2572.342 2901.722 3127.633 3475.942 3877.345 4170.596 4850.180CP-SD（山東） 3440.684 3930.574 4168.974 4546.878 5011.976 5159.538 5635.770CP-SH（上海） 6193.333 6634.183 68

5、66.410 8125.803 8651.893 9336.100 10411.94CP-SX（山西） 2813.336 3131.629 3314.097 3507.008 3793.908 4131.273 4787.561CP-TJ（天津） 4293.220 5047.672 5498.503 5916.613 6145.622 6904.368 7220.843CP-ZJ（浙江） 5342.234 6002.082 6236.640 6600.749 6950.713 7968.327 8792.210表1 2019-2019年中國東北、華北、華東15個省級地表2 上市公司的投資與股票

6、賬面價值：N=20,T=4表2 上市公司的投資與股票賬面價值：N=20,T=4面板數(shù)據(jù)模型和stata軟件應(yīng)用二、面板數(shù)據(jù)模型有以下幾個優(yōu)點:第一，Panel Data 模型可以通過設(shè)置虛擬變量對個別差異（非觀測效應(yīng)）進行控制；第二，Panel Data 模型通過對不同橫截面單元不同時間觀察值的結(jié)合，增加了自由度，減少了解釋變量之間的共線性，從而改進了估計結(jié)果的有效性；第三，Panel Data模型是對同一截面單元集的重復(fù)觀察, 能更好地研究經(jīng)濟行為變化的動態(tài)性面板數(shù)據(jù)模型和stata軟件應(yīng)用二、面板數(shù)據(jù)模型有以下幾個優(yōu)舉例交通死亡率與酒后駕車人數(shù)（一段時間內(nèi)江蘇省各市）其他的非觀測（潛在）因

7、素：南京與蘇州汽車本身狀況道路質(zhì)量當(dāng)?shù)氐娘嬀莆幕瘑挝坏缆返能囕v密度非觀測效應(yīng)導(dǎo)致估計結(jié)果不準(zhǔn)確，面板數(shù)據(jù)可以控制和估計非觀測效應(yīng)舉例交通死亡率與酒后駕車人數(shù)（一段時間內(nèi)江蘇省各市）面板數(shù)據(jù)模型形式：其中， i=1,2,3.N，截面標(biāo)示; t=1,2,. T，時間標(biāo)示 ；xit為k1解釋變量，為k1系數(shù)列向量對于特定的個體i 而言， ai表示那些不隨時間改變的影響因素，而這些因素在多數(shù)情況下都是無法直接觀測或難以量化的，如個人的消費習(xí)慣、地區(qū)的經(jīng)濟結(jié)構(gòu)，法律和產(chǎn)權(quán)制度等，一般稱其為“個體效應(yīng)” (individual effects)面板數(shù)據(jù)模型形式：面板數(shù)據(jù)模型的誤差項由兩部分組成：一部分是與

8、個體觀察單位有關(guān)的，它概括了所有影響被解釋變量，但不隨時間變化的因素，因此，面板數(shù)據(jù)模型也常常被成為非觀測效應(yīng)模型；另外一部分概括了隨截面隨時間而變化的不可觀測因素，通常被成為特異性誤差或特異擾動項 面板數(shù)據(jù)模型的誤差項由兩部分組成：GDPX(Invest、edu)北京江蘇省山西省基礎(chǔ)設(shè)施更加完善，受教育程度較好、經(jīng)濟結(jié)構(gòu)以服務(wù)業(yè)為主、法制更健全GDPX(Invest、edu)北京江蘇省山西省基礎(chǔ)設(shè)施更加面板模型選擇：固定效應(yīng)還是隨機效應(yīng)對“個體效應(yīng)”的處理主要有兩種方式：一種是視其為不隨時間改變的固定性因素， 相應(yīng)的模型稱為“固定效應(yīng)”模型；另一種是視其為隨機因素，相應(yīng)的模型稱為“隨機效應(yīng)”

9、模型固定效應(yīng)模型中的個體差異反映在每個個體都有一個特定的截距項上；隨機效應(yīng)模型則假設(shè)所有的個體具有相同的截距項，個體的差異主要反應(yīng)在隨機干擾項的設(shè)定上面板模型選擇：固定效應(yīng)還是隨機效應(yīng)對“個體效應(yīng)”的處理主要有FE（Fixed Effects) Model RE (Random Effects) Model其中， 是截距中的隨機變量部分，代表個體的隨機影響（Replace with dummy variables）FE（Fixed Effects) Model （Repla固定效應(yīng)模型1、例如，在研究財政支出與經(jīng)濟增長的關(guān)系，運用全國的時間序列數(shù)據(jù)來檢驗財政支出與經(jīng)濟增長的關(guān)系可能存在設(shè)定誤差

10、并且受統(tǒng)計資料的制約，僅用時間序列資料不能夠滿足大樣本的要求 同時，由于我國不同地區(qū)的體制變革和財政政策的不斷調(diào)整，造成各個地區(qū)財政支出結(jié)構(gòu)隨時間而不斷變化面板數(shù)據(jù)（Panel Data ）從某種程度上克服了這一困難?？紤]到中國各省份財政支出結(jié)構(gòu)與經(jīng)濟增長的關(guān)系存在明顯的地區(qū)差異，從時間序列的角度，考慮各省差異的動態(tài)性，是面板數(shù)據(jù)模型的優(yōu)勢 固定效應(yīng)模型1、例如，在研究財政支出與經(jīng)濟增長的關(guān)系，運用全例如,在研究中國地區(qū)經(jīng)濟增長的過程中，以全國28 個省區(qū)為研究對象，可以認(rèn)為這28 個省區(qū)幾乎代表了整個總體同時假設(shè)在樣本區(qū)間內(nèi)，各省區(qū)的經(jīng)濟結(jié)構(gòu)人口素質(zhì)等不可觀測的特質(zhì)性因素是固定不變的，因此采

11、用固定效應(yīng)模型是比較合適的例如,在研究中國地區(qū)經(jīng)濟增長的過程中，以全國28 個省區(qū)為研2、而當(dāng)我們研究某個縣市居民的消費行為時，由于樣本數(shù)相對于江蘇省幾千萬人口是個很小的樣本，此時，可以認(rèn)為個體居民在個人能力、消費習(xí)慣等方面的差異是隨機的，采用隨機效應(yīng)模型較為合適隨機效應(yīng)模型：RE認(rèn)為個體的差異是隨機的，其中非觀測的個體差異效應(yīng) 與隨機擾動項一樣都是隨機變量隨機效應(yīng)模型2、而當(dāng)我們研究某個縣市居民的消費行為時，由于樣本數(shù)相對于江總結(jié)：如果把非觀測效應(yīng)看做是各個截面或個體特有的可估計參數(shù)，并且不隨時間而變化，則模型為固定效應(yīng)模型；如果把非觀測效應(yīng)看作隨機變量，并且符合一個特定的分布，則模型為隨機

12、效應(yīng)模型 總結(jié)：如果把非觀測效應(yīng)看做是各個截面或個體特有的可估計參數(shù)，3、在實證分析中，一般通過hausman檢驗判斷：由于隨機效應(yīng)模型把個體效應(yīng)設(shè)定為干擾項的一部分，所以就要求解釋變量與個體效應(yīng)不相關(guān)，而固定效應(yīng)模型并不需要這個假設(shè)條件因此，我們可以通過檢驗該假設(shè)條件是否滿足，如果滿足，那么就應(yīng)該采用隨機效應(yīng)模型，反之，就需要采用固定效應(yīng)模型3、在實證分析中，一般通過hausman檢驗判斷：由于隨機效Hausman檢驗的基本思想是：在固定效應(yīng)u_i和其他解釋變數(shù)不相關(guān)的原假設(shè)下，用OLS估計的固定效應(yīng)模型和用GLS估計的隨機效應(yīng)模型的參數(shù)估計都是一致的。反之，OLS是一致的，但GLS則不是因

13、此，在原假設(shè)下，二者的參數(shù)估計應(yīng)該不會有系統(tǒng)的差異，我們可以基于二者參數(shù)估計的差異構(gòu)造統(tǒng)計檢驗量。如果拒絕了原假設(shè)，我們就認(rèn)為選擇固定效應(yīng)模型是比較合適的。 Hausman檢驗的基本思想是：在固定效應(yīng)u_i和其他解釋變四、stata軟件簡介STATA軟件估計與應(yīng)用：打開數(shù)據(jù)庫： use E:Program FilesStata10.0綠色軟件Stata10東部.dta“或者重新輸入數(shù)據(jù)：edit相關(guān)系數(shù)：cor gdp invest edu sci health簡單回歸：regress gdp invest culture sci無常數(shù)：regress gdp invest culture s

14、ci,noconstant四、stata軟件簡介STATA軟件估計與應(yīng)用：估計結(jié)果估計結(jié)果回歸診斷：是否存在異方差：estat hettest懷特檢驗： estat imtest,white回歸信息檢驗：estat imtest是否遺漏重要解釋變量：estat ovtest擬合圖： rvfplot 單一變量的相關(guān)圖：cprplot invest回歸診斷：畫圖菜單與命令結(jié)合twoway (scatter gdp invest)twoway (scatter gdp invest|lfit gdp invest)畫圖菜單與命令結(jié)合基本建設(shè)支出與GDP的相關(guān)關(guān)系圖基本建設(shè)支出與GDP的相關(guān)關(guān)系圖各省

15、教育支出的增長趨勢：2019-2019各省教育支出的增長趨勢：2019-2019Durbin-Watson 統(tǒng)計量:estat dwatson序列相關(guān)檢驗：estat durbinalt滯后階數(shù)選擇：estat durbinalt,lags(2)條件異方差檢驗：estat archlm,lags(2)可選變量的異方差檢驗：estat szroeter gdp invest culture sciDurbin-Watson 統(tǒng)計量:estat dwatso五、Stata對面板數(shù)據(jù)模型的估計五、Stata對面板數(shù)據(jù)模型的估計隨機效應(yīng)模型隨機效應(yīng)模型Stata對面板數(shù)據(jù)模型的估計首先對面板數(shù)據(jù)進行聲

16、明：前面是截面單元，后面是時間標(biāo)識：tsset company yeartsset industry year產(chǎn)生新的變量：gen newvar=human*lnrd產(chǎn)生滯后變量Gen fiscal(2)=L2.fiscal產(chǎn)生差分變量Gen fiscal(D)=D.fiscal Stata對面板數(shù)據(jù)模型的估計描述性統(tǒng)計：xtdes ：對Panel Data截面?zhèn)€數(shù)、時間跨度的整體描述Xtsum：分組內(nèi)、組間和樣本整體計算各個變量的基本統(tǒng)計量xttab 采用列表的方式顯示某個變量的分布Stata中用于估計面板模型的主要命令：xtregxtreg depvar varlist if exp ,

17、model_type level(#) 描述性統(tǒng)計：Model type 模型be Between-effects estimatorfe Fixed-effects estimatorre GLS Random-effects estimatorpa GEE population-averaged estimatormle Maximum-likelihood Random-effects estimatorModel type 模型主要估計方法：xtreg： Fixed-, between- and random-effects, and population-averaged linea

18、r modelsxtregar：Fixed- and random-effects linear models with an AR(1) disturbancextpcse ：OLS or Prais-Winsten models with panel-corrected standard errorsxtrchh ：Hildreth-Houck random coefficients modelsxtivreg ：Instrumental variables and two-stage least squares for panel-data models主要估計方法：xtabond：Ar

19、ellano-Bond linear, dynamic panel data estimatorxttobit ：Random-effects tobit modelsxtlogit ： Fixed-effects, random-effects, population-averaged logit modelsxtprobit ：Random-effects and population-averaged probit modelsxtfrontier ：Stochastic frontier models for panel-dataxtrc gdp invest culture edu

20、sci health social admin,betaxtabond：Arellano-Bond linear, xtreg命令的應(yīng)用：聲明面板數(shù)據(jù)類型：tsset sheng t描述性統(tǒng)計：xtsum gdp invest sci admin1.固定效應(yīng)模型估計：xtreg gdp invest culture sci health admin techno,fe固定效應(yīng)模型中個體效應(yīng)和隨機干擾項的方差估計值(分別為sigma u 和sigma e），二者之間的相關(guān)關(guān)系(rho)最后一行給出了檢驗固定效應(yīng)是否顯著的F 統(tǒng)計量和相應(yīng)的P 值，本例中固定效應(yīng)非常顯著xtreg命令的應(yīng)用：2.隨

21、機效應(yīng)模型估計：xtreg gdp invest culture sci health admin techno,re檢驗隨機效應(yīng)模型是否優(yōu)于混合OLS 模型：在進行隨機效應(yīng)回歸之后，使用xttest0檢驗得到的P 值為0.0000，表明隨機效應(yīng)模型優(yōu)于混合OLS 模型3. 最大似然估計Ml：xtreg gdp invest culture sci health admin techno,mle2.隨機效應(yīng)模型估計：Hausman檢驗Hausman檢驗究竟選擇固定效應(yīng)模型還是隨機效應(yīng)模型：第一步：估計固定效應(yīng)模型，存儲結(jié)果xtreg gdp invest culture sci health

22、admin techno,feest store fe第二步：估計隨機效應(yīng)模型，存儲結(jié)果xtreg gdp invest culture sci health admin techno,reest store re第三步：進行hausman檢驗hausman feHausman檢驗Hausman檢驗究竟選擇固定效應(yīng)模型還是Hausman檢驗量為：H=(b-B)Var(b)-Var(B)-1(b-B)x2(k)Hausman統(tǒng)計量服從自由度為k的2分布。當(dāng)H大于一定顯著水平的臨界值時，我們就認(rèn)為模型中存在固定效應(yīng)，從而選用固定效應(yīng)模型，否則選用隨機效應(yīng)模型如果hausman檢驗值為負(fù)，說明的模型設(shè)定有問題，導(dǎo)致Hausman 檢驗的基本假設(shè)得不到滿足，遺漏變量的問題，或者某些變量是非平穩(wěn)等等可以改用hausman檢驗的其他形式：h