STATA面板數(shù)據(jù)模型操作命令講解資料

精品文檔精品文檔精品文檔精品文檔STATA面板數(shù)據(jù)模型估計命令一覽表一、靜態(tài)面板數(shù)據(jù)的STATA#理命令VLi+*P+8讓 固定效應模型y*\t=口it+8it 隨機效應模型（一）數(shù)據(jù)處理輸入數(shù)據(jù)?tssetcodeyear 該命令是將數(shù)據(jù)定義為“面板”形式?xtdes 該命令是了解面板數(shù)據(jù)結構xtdescode:2,,,,p20n=20year:2004,2005,…，2014T=11Deltafyear)=1unitspan(year)=11periods(code*yearuniquelyidentifieseachobservation)Disrriburionof:min 5%25%50用75%95席max11111111111111Freq.Percentcum..Pattern20 100.00100.001111111111120 100.00XXXXXXXXXXX.summarizescIcpiunemgse5InvariableObsMeanStd.Dev.MinMaxsq220.Q1427982.9303464.75e-0626.22301cpi2201.1065540324961.045L25unem22Q,0349455.0071558.012,046g220,10907,04275230246.2357220.0268541,,0116715.0053.0693In220,1219364?0240077.074,203各變量的描述性統(tǒng)計（統(tǒng)計分析）?summarizesqcpiunemgse5In?genIag_y=L.y///////產(chǎn)生一個滯后一期的新變量

genF_y=F.y〃〃〃/genD_y=D.y///////genD2_y=D2.y///////產(chǎn)生一個超刖項的新變量產(chǎn)生一個一階差分的新變量產(chǎn)生一個二階差分的新變量（二）模型的篩選和檢驗?1、檢驗個體效應（混合效應還是固定效應）（原假設：使用OLS混合模型）?xtregsqcpiunemgse5ln,fesetr-e：<3s■口c.pmfeUQCllQNu?mlt>a±!F'genF_y=F.y〃〃〃/genD_y=D.y///////genD2_y=D2.y///////產(chǎn)生一個超刖項的新變量產(chǎn)生一個一階差分的新變量產(chǎn)生一個二階差分的新變量（二）模型的篩選和檢驗?1、檢驗個體效應（混合效應還是固定效應）（原假設：使用OLS混合模型）?xtregsqcpiunemgse5ln,fesetr-e：<3s■口c.pmfeUQCllQNu?mlt>a±!F'-「zuEbuir q干 q「QLip二20wiithiintiar*w*pn<J-V*SF"-ctlTO-23OZO.076方O-CM>b-?orrCui"ITf毋aO-OOOOProlbsqgagMkkb工。<￡電』、3XO-MX日Ny421士z守Am--5lsQar二0了上■3-「。8€中工￡3，149a5？產(chǎn)4士20C3172IXHSm:GRnxb。--4-■-口；srlo--三今予NGcz4KNB0-2S^BX扁BX呼今01XZSf74y.--S4S-0(>>二：工一一一GftlxJ2=>->-抽￡■<74W46小3&13三今?03二M8二wpoaJL1QXX;V-dIF'1^LFR?_?±O-cm，對于固定效應模型而言，回歸結果中最后一行匯報的F統(tǒng)計量便在于檢驗所有的個體效應整體上顯著。在我們這個例子中發(fā)現(xiàn)F統(tǒng)計量的概率為0.0000,檢驗結果表明固定效應模型優(yōu)于混合OLS真型。?2、檢驗時間效應合效應還是隨機效應） （檢驗方法：LM?2、檢驗時間效應（原假設：使用OLS昆合模型）?quixtregsqcpiunemgse5ln,re （加上“qui”之后第一幅圖將不會呈現(xiàn)）xttest0xizretg:s。cpifRo.ndcHLii-c-tFHFc匚七sc^foupv*%r-irhle￡LL與irc-gressHionCQCl^NLiinhicrofot>sNumhierrjr-Qiups22OzowitIhin0-22CJbcrorr-overaO.CUOBZGOZ76Ro.ndcHLii-c-tFHFc匚七sc^foupv*%r-irhle￡LL與irc-gressHionCQCl^NLiinhicrofot>sNumhierrjr-Qiups22OzowitIhin0-22CJbcrorr-overaO.CUOBZGOZ76mnnmaxWd."ld匚HRj￡53Prota邛F-1OO-OOD-OgqT-IVsa7-clirl工Rd3iQ5BdozmGx「2mQ580小之匕Q28

96呼R976n，三9309口『mgOZWNOQ二-00z334

中國UT5,300^00005

NO30■94Z5Z5L工4"<rlBLgs匕；5ZQ66759GS657/N67口N9:JZ?后d4A07*133工QN3

73>-a20可以看出，LM檢驗得到的P值為0.0000,表明隨機效應非常顯著?？梢?隨機效應模型也優(yōu)于混合OLS真型?3、檢驗固定效應模型or隨機效應模型（檢驗方法：Hausman檢驗）原假設：使用隨機效應模型（個體效應與解釋變量無關）通過上面分析，可以發(fā)現(xiàn)當模型加入了個體效應的時候，將顯著優(yōu)于截距項為常數(shù)假設條件下的混合OLS真型。但是無法明確區(qū)分FEorRE的優(yōu)劣，這需要進行接下來的檢驗，如下：Stepl:估計固定效應模型，存儲估計結果Step2：估計隨機效應模型，存儲估計結果Step3:進行Hausmar#驗?quixtregsqcpiunemgse5ln,feeststorefequixtregsqcpiunemgse5ln,reeststorerehausmanfe（ 或者更優(yōu)的是hausmanfe,sigmamore/sigmaless）可以看出，hausman檢驗的P值為0.0000,拒絕了原假設，認為隨機效應模型的基本假設得不到滿足。此時，需要采用工具變量法和是使用固定效應模型。

（三）靜態(tài)面板數(shù)據(jù)模型估計?1、固定效應模型估計?xtregsqcpiunemgse5ln,fe(如下圖所示）xxxregwqepiunemgse51nafeFtxed-efTectsCwnthin>regressiongroupvari（三）靜態(tài)面板數(shù)據(jù)模型估計?1、固定效應模型估計?xtregsqcpiunemgse5ln,fe(如下圖所示）xxxregwqepiunemgse51nafeFtxed-efTectsCwnthin>regressiongroupvariable:codeR-sqzwithln=O.23；O7beximeen_0.0767ioveral1-0.OO&4corrCu—~ifXbJ ——0?52916sq[ CoefB5td■Err.Number oF obs - 220Number oF groups — 20Obspergroup; mi n = ZLXa.vg— AJL.Omax - HF(5,195> 0 li.69Proba「 ―O.O<K>Ot: PaItI [95孤Conf.Tnterva.1]unemgseS1n_cons89q97N9N包7616660-55Jz6227今8.3--5,工-8034.,招;795”48.3O2ZL!93,9-377S±5-2744612*3O29G5.55524100aoX50000^.5010>^F*-!■!-060000一行.7018^?-232.3*JOS-±j4.1327948.11545-3*97B2S5-IO-5qB2212,0928-92.367ZG±_SQ'Q-iai108.mg244.54^63IX-3139^2sigma_Li■?i<)m.i_*'rho2-68B79632,CC17DB1.C-1340/71Cfractionofvarianceduexoui>FtesTttiatal1u_i-O; FCL9.19^5>- 12,19 ProbF-O.OOOO其中選項fe表明我們采用的是固定效應模型，表頭部分的前兩行呈現(xiàn)了模型的估計方法、界面變量的名稱（id）、以及估計中使用的樣本數(shù)目和個體的數(shù)目。第3行到第5行列示了模型的擬合優(yōu)度、分為組內(nèi)、組間和樣本總體三個層面，通常情況下，關注的是組內(nèi)（within）,第6行和第7行分別列示了針對模型中所有非常數(shù)變量執(zhí)行聯(lián)合檢驗得到的 F統(tǒng)計量和相應的P值，可以看出，參數(shù)整體上相當顯著。需要注意的是，表中最后一行列示了檢驗固定效應是否顯著的F統(tǒng)計量和相應的P值。顯然，本例中固定效應非常顯著。?2、隨機效應模型估計若假設本例的樣本是從一個很大的母體中隨機抽取的，且 ai與解釋變量均不相關，則我們可以將支i視為隨機干擾項的一部分。此時，設定隨機效應模型更為合適。?xtregsqcpiunemgse5ln,re（ 如下圖所示）xTregsqcpiuneimgse51n,reRamdlom-ef'fecrscllsrepress1oincciric'Numberoifolt>sMumli'f'roftjr"口up，；22020R.-jsq：wiXhin=O-between—O.uvtfr_*1II—■O.2ZO&0376OZ76ObspergroupiRamdlom-ef'fecrscllsrepress1oincciric'Numberoifolt>sMumli'f'roftjr"口up，；22020R.-jsq：wiXhin=O-between—O.uvtfr_*1II—■O.2ZO&0376OZ76Obspergroupimina.vgmaxIXIX.o11C^ssumed)waldchi2(5-5Probachi24Z.xooaooooCoe-F.Std.Err[95*ConT.Tn-terv-al]epiLirlej-mgse^1ncons-sigma-u1S寸gma_erho且一40了44B-114.2三04103879^77.537CM5=625365-1.SB11S1,上2.OO17O6JL.^9096525?3、時間固定效應4.石4440.79Z623^10586-二口4d3^925.4^937B703093300057-PM-I-000000007334980153022500-5.23€8-1白4.1B25-15-7<68^^47r.9351<?-15a6JLE4B-±2-65576_L4.O5JL73-34-27S33--43^721107.=5呂927B26722B-S9-7-4103Cfractionnfvarianceduetou_1>(以上分析主要針對的是個體效應)如果希望進一步在上述模型中加入時間效應， 可以采用時間虛擬變量來實現(xiàn)。首先，我們需要定義一下T-1個時間虛擬變量。?tabyear,gen(dumt)『S7esqzcrji00FINB4弓C.F0C9。?tabyear,gen(dumt)『S7esqzcrji00FINB4弓C.F0C9。。今?！方駈990-今。00000000000mqqnqlj00000000000N￡NNMyaNPJMNa5石?丹。0二之三口oooQncrH;工00000000000尸士工之三不上Nw±2(tab命令用于列示變量year的組類別，選項 gen(dumt)用于生產(chǎn)一個以 dumt開頭的年度虛擬變量)dropdumtl (作用在于去掉第一個虛擬變量以避免完全共線性)若在固定效應模型中加入時間虛擬變量，則估計模型的命令為:?xtregsqcpiunemgse5Indumt*,fe

.xtregsqepiunemgme5Todunrt*BfeFixed-effecXs(withinJregressionGroupvariable:codeNumber"ofobs =Numberofgroups -22020ob&p*^rgroup1min=11avg-11.0max,JL1F《151g5。 4.89Prob>F .0-oooocorrCu_1,Xb)--0.1752COST.std.ErrP>ltI[95%Conf.interval]cpi

unemg5€5Indumrzdumt3dumrt4dunnNumber"ofobs =Numberofgroups -22020ob&p*^rgroup1min=11avg-11.0max,JL1F《151g5。 4.89Prob>F .0-oooocorrCu_1,Xb)--0.1752COST.std.ErrP>ltI[95%Conf.interval]cpi

unemg5€5Indumrzdumt3dumrt4dunn15durnt6dumrt7dumlcSdumt9dunrrtlO

dumt11cons3,774834-37.00067M.11105277,3662613,0311230105783376552-1626971■5598965.4316914.42328291.OSB1O71.6057511,9060542.22063-6.6B10484,961B7264.586285.OBBS9515.7002813.32385B5316355.6347213.6458275.6473164+6733501.6448627?6B464O3■7724666,795677.90306375.922799??■IEnainmx+EE+illal-l000400000001222167138E356_^69EO6375fi-994528&65o4410.4480.567OB542oBooo0.329□a634Q.5950.801OB3S8Qe5320.5120.114OB039O.018O.01SO.261-6.01429B-164.421-6a92S67S46.39164-13.25511-la547193-I.56987H^1.111437一.717174589E74O8-.8489474?2625997aOS17745.3362871?4m9gz5-18.B659613.5639690.4196613a15078108.340939.3173Sa9450769,91456751.4368311.836968la7601241.6955132.4388113.1297273.4758224.0022575-003865STgma_u2.1964505sigma_e1*982S27rho,55098173Cfractionofvsiriancedueto)Frestthatallu_1=Oir185>=io.75 Prob>F=O-oooo?1、異方差檢驗（四）異方差和自相關檢驗?1、異方差檢驗（組間異方差）本節(jié)主要針對的是固定效應模型進行處理（1）檢驗原假設：同方差需要檢驗模型中是否存在組間異方差，需要使用xttest3命令?quixtregsqcpiunemgse5ln,fexttest3.quixtregsqcpiunemgseSlntfe. xttest3ModifiedwaldtestforqroupwiseheteroskedasticityinfixedeffectregressionmodelHO:sigma(i)^2=s1gniaA2foral1ichi2<20)= 11561.€0Prob>chi2- 0.0000顯然，原假設被拒絕。此時，需要進一步以獲得參數(shù)的GLS古計量，命令為xtgls:

xtglssqcpiunemgse5ln,panels(heteroskedastic)Cross-sectioinaltime-seriesFGL與regressioncoeffic1enrs:qeneral"iFed1easrsquaresPanels: IneteroskedasticCoritelation: ooautocorrelationesc1mail：cdcovar1amices -Esr1ma.rpriauxocorrelax-ianis?Est1matt:edcoefTicierits=20NumberofobsNumberofqroupsTimeperiodsWaldchi2esc1mail：cdcovar1amices -Esr1ma.rpriauxocorrelax-ianis?Est1matt:edcoefTicierits=20NumberofobsNumberofqroupsTimeperiodsWaldchi2CS^Prob>chi20010-423X71sqCoelr.「953tCon-r.Interval|￡口1unetnqseb1m_tons1.5637512-3,641S4-3_78X29115ZOOS-8.672103,02029121.771165953IL-595SO95aysytszi2.616123S1.871745843.O.377口.57PzO.O1BO,074O.OOXO.99T-1.90761720^4^032-6.90902-iaojyo^^i一】工了9g在工-3.648262寫.03520113-202^4--6535E26zza4星0tsm一三?5445S63.^88844其中，組間異方差通過panels()選項來設定。上述結果是采用兩步獲得，即，先采用OLS估計不考慮異方差的模型，進而利用其殘差計算。。。，并最終得到FGLSW計量。2、序列相關檢驗對于T較大的面板而言，?i往往無法完全反映時序相關性，此時名it便可能存在序列相關，在多數(shù)情況下被設定為 AR(1)過程。原假設：序列不存在相關性。FE模型的序列相關檢驗對于固定效應模型，可以采用Wooldridge檢驗法，命令為xtserial:?xtserialsqcpiunemgse5ln.xtserialsqcpiunemqseSInWooldridgetestforautocorrelationinpaneldataHO:nofirstorderautocorrelationF(1, 19)= 1246.120Prob>F=G.0000可以發(fā)現(xiàn)，這里的P=0.0000,我們可以在1%勺顯著性水平下愛拒絕不存在序列相關的原假設?？紤]到樣本，該檢驗的最后一步是用 ~對~進彳TOLS回歸,ae,t-1因此，輸入以下命令得到 。檢驗該值是否顯著異于-0.5,因為在原假~=0.88589設下(不相關) ，可見本例中不相等，拒絕原假設，說明存在序列相關。.=-0.50?matliste(b).mat1isre(b)symmetrice(b)[1,1]L.―000006yl.88582499RE模型的序列相關檢驗對于RE模型，可以采用xttestl命令來執(zhí)行檢驗:?quixtregsqcpiunemgse5Indumt*,rexttestl這里匯報了4個統(tǒng)計量，分別用于檢驗RE模型中隨機效應(單尾和雙尾)、序列相關以及二者的聯(lián)合顯著性，檢驗結果表明存在隨機效應和序列相關，而且對隨機效應和序列相關的聯(lián)合檢驗也非常顯著。(3)穩(wěn)健型估計上述結果表明，無論是FE還是RE模型，干擾項中都存在顯著的序列相關為此，我們進一步采用xtregar命令來估計模型，首先考慮固定效應模型：

?xtregarsqcpiunemgse5Indumt*,feIbiaqmr"p~GluiiniofH與soSIIindcjmt,*■,T-?-IhFaqmr"pan

20hjuimnpiroT口>hwpan

20hjuimnpiroT口>hwNumbcsro-FcgroupsIOIO,QXOO.XS3?3O.0O?0O.口SFNR-￡_L4R-￡_L4.X66JP"LDbAFX：b>Iqess石GgNzzFIQNd1Iqess石GgNzzFIQNd1lswsaseByKrM/smA/NNSWOO口lQmmHIAVE4Tio6石@sm/zTai=廣73.專3-工分工7，&，oth.4*丁?遍?5O7,O.4QZ力zyE?Q?4?-24■與4MO1n-133工711?i-■*ha■X二二二NBmzsgw占a匕7三'-zl^ods7&Qzco2327工與4S5Q□?3Gg36Q工mwsmn--S8--lac?2-4X58-ilx---,-------------IJ3250soa&00323Qcro^z^eoo-0000033GI。033與口。。。口。?？谑痮b>一F4?！??????li.-SFVR口。。00口0。0口?？?。。0。工春o手?3。石斗了dQFRo1七-t49曰imzBJLtmQx疆E一eSafi■-■-■asBaa■coponN3q45432o-9-Yrwa后szBl-lsBIh.NN25s口rJ45.38oaBAN工口26萬rE2^X1^-054^X23106--￡『日毋工。3。74A7,。3-*_T-H■QOQB后N0O+存mamf61dls?zorll56呼a二15JLyrTr■■"llllxa-lxQr-hzNnMz-dl石+5工S2T341HW45rTl_fGOS7zz2z1B_zd5S32&?？?09后口右4546>。57||毋$126G7zaHaho&IH三端/口丐■1:&632日<z11Q37,Z@Q、-4<>42S七7KlarB-J1七3-O0H.IH3.C-PCIJ39W■二T?7,B5Z曲。?s3-m■W2白51masn23^^-6rR9nlsPCclBLTZtT七Frt1FIr-l￡c二mnErmEmEHlrE*uUUUUUUUUEHrcudddudddulu-cldfTestthatallu_i=C: F(19,166)- 17.43 prob>f=(LOOMnodifiedBhargavaetal.Durbin-watson?.219834g5Baltagi-WuLBI=.641462?3、”異方差一序列相關"穩(wěn)健型標準誤雖然上述估計方法在估計方差-協(xié)方差矩陣時考慮了異方差和序列相關的影響，但都未將兩者聯(lián)立在一起考慮，要獲得“異方差-序列相關"穩(wěn)健型標準誤，只需在xtreg命令中附加vce(robust)或者vce(cluster)選項即可。例如，對于FE模型，我們可以執(zhí)行如下命令：?xtregsqcpiunemgse5ln,fevce(robust)■xtregsqcpiiynemgse5lnsfevce(robust)Fixed-effectsGroupvariable(within)regression”codeNumberNumberofobs =□fgroups =22020R-sq:withinbetweeroveralI=0.23071-0.07671.0.Q064obspergroup:min-avg-max-1111.011corr(u_1.xb)=-0.5296FCS.19)probaF =2.52080656(std?Err.adjustedfor20clustersincode)sqcaefrRobuststd.Err.tp>ltI[95%conf.inxerval]卬iunemgS€5In_cons2.921698-187.629—6.36668478,23979ZO,28567,35785123.83786768.064193.97091558,1207711.421564.117750.76-2.13-1.60I.>1-780.090.4560.0460.1250.1&40.0920.932-5.111051-371.&495-14.6779-43.40837一九619918-S.26069810.95445-3.3085561.944537199.88844.19126B.976401sigma?usigma_erho2.68879632.0017081「64340771(fractionofvarianceduetau_t)I I與之前未經(jīng)處理的估計結果相比，附加命令 vce(robust)選項時的結果，雖

然系數(shù)的估計值未發(fā)生變化，但此時得到的標準誤明顯增大了，致使得到的估計結果更加保守。對于面板數(shù)據(jù)模型而言，STATAt計算所謂的“robust”標準誤時，是以個體為單位調(diào)整標準誤的。因此，我們得到的“robust”標準誤其實是同時調(diào)整了異方差和序列相關后的標準誤。換言之，上述結果與設定vce(cluster)選項的結果完全相同。?4、截面相關檢驗?4、截面相關檢驗FE模型檢驗對于FE模型，可以利用xttest2命令來檢驗截面相關性：?quixtregsqcpiunemgse5ln,fexttest2(該命令主要針對的是大T小N類型的面板數(shù)據(jù)，在本例中無法使用，故圖標略去。)RE模型檢驗對于RE模型，可以利用xtcsd命令來檢驗截面相關性：?quixtregsqcpiunemgse5ln,rextcsd,pesaran( 下面命令是另一個檢驗指標)xtcsd,frees.quixtregsqcpiuncm□se5IrxtcsdFpesaranpesaran'stestofcrosssecrional1ridependence- -0.348,pr=1.2725xtcsd,freesindepenflence=distributian10 : indepenflence=distributian10 : O+233305 ; 0.310301 ： 0+4649criticalvaluesfromFrees'曰Ipha=alpha=mlpha=可以看出，兩種不同的檢驗方法均顯示面板數(shù)據(jù)存在著截面相關性。?5、”異方差一序列相關一截面相關"穩(wěn)健型標準誤FE模型估計

對于FE模型，在確認上述存在著截面相關的情況下，我們可以采用Hoechle(2007)編寫的xtscc命令獲取DriscollandKraay(1998) 提出的“異方差—序列相關一截面相關"穩(wěn)健型標準誤：?xtsccsqcpiunemgse5ln,fe.xtsccsqcpniunemgseSln,feRegressionwithDriscol1-tcraaystandarderrorsNumberofobs =220Method:Fixed--effectsregressionNumberofgroups=20<iroupvariable(i):codeF(5,19)28.20maximumlag:2Prob>F =Q.0000withinR-squared=0.2307Drisc/Kraaysqcoef4stdrErr,tP>|t|[95%erval]<=pi2.9216984.1737830.700.492-5.B1412911.65753unem-187.62925.956-7.230,000-241.9556-133.3025g-G.3666M2.23。28呂-2,350.01071,034E9-1,seS78.2397920,900853.740.00134.4938121.98531n20.2E5675,1239923,960.0019.56103431.01031_cons.35785124.5632780,080,938-9.19329,908903這里，xtscc命令會自動選擇的滯后階數(shù)為2,系數(shù)估計值和Within-R2與xtreg,fe 的結果完全相同，但標準誤存在著較大差異?？梢?，在本例中，截面相關對統(tǒng)計推斷有較大的影響。若讀者有跟高的方法來確定自相關的滯后階數(shù)，則可以通過 lag()選項設定。當然,在多數(shù)情況下，這很難彳到。不過我們可以通過附加 lag(0)來估計僅考慮異方差和截面相關的穩(wěn)健型標準誤，命令如下：?xtsccsqcpiunemgse5ln,felag(0)-xtsccsqcp1unemg 1n,f€：1ag<03Regressionwiichoriscoil1-kfaaystandarderrorsNumberofobs - 220Method:Fixed-efirectsregression Numberofgroups— 20Groupvaniable(i);code 5sl 19) = ±8.96maximumlag:□ Prob>F - O.OOOOwithinR-squared= Ch2307sqDrtsc/KraayCoef. 512dLErr. t P>111 [95%Conf,interval]Mil-cons2.921698 3.724402 O.78 -i1.873565 IO.71696-1B7.629 26.72656 -7.02 0.0^0 ^243.5684 -131.6897一后4m656Ed 2\69^32 -2\36 O>029 -12.01643 -a716941978,23979 05845 4.87 O-OOO 44,6Z9O8 111.850520^2S567 6^557483 孑.09 Q,006 6.560703 34g0X064.3578512 4,130379 |||O?09 O-932 -S.287JL32 9.OO283S1 1RE模型估計(略，待補充)