面板數(shù)據(jù)分析案例

面板數(shù)據(jù)分析案例一、打開數(shù)據(jù)運(yùn)用stata軟件打開數(shù)據(jù)gurnfeld.dta，得到有關(guān)第一步，申明截面變量和時(shí)間變量。命令為：tssetcompanyyear或xtsetcompanyyear顯示：panel variable:company(strongly balanced) timevariable:year,1935 to1954 delta:1year第二步，進(jìn)行樣本的描述性記錄。首先我們看看樣本的大體分布狀況，命令為：xtdescompany:1,2,...,10n=10year:1935,1936,...,1954T=20Delta(year)=1yearSpan(year)=20periods(company*yearuniquelyidentifieseachobservation)DistributionofT_i:min5%25%50%75%95%max20202020202020Freq.PercentCum.|Pattern---------------------------+----------------------10100.00100.00|11111111---------------------------+----------------------10100.00|XXXXXXXXXXXXXXXXXXXX接下來，我們列示出樣本中重要變量的基本記錄量，命令為：xtsumxtsuminvestmvaluekstock我們發(fā)現(xiàn)記錄成果是按照"整體"、"組間"和"組內(nèi)"三個(gè)層次進(jìn)行的。當(dāng)然，你也可以采用sum命令來得到基本記錄量，并且在寫論文時(shí)，所需列示的成果并不規(guī)定像上面那么詳細(xì)，此時(shí)sum命令反而更實(shí)用。第三歩，面板數(shù)據(jù)模型回歸分析。我們先做固定效應(yīng)模型，命令為：xtregmvalueinvestkstock,fe（軟件默認(rèn)為隨機(jī)效應(yīng)）Fixed-effects(within)regressionNumberofobs=200Groupvariable:companyNumberofgroups=10R-sq:within=0.4117Obspergroup:min=20between=0.8078avg=20.0overall=0.7388max=20F(2,188)=65.78corr(u_i,Xb)=0.6955Prob>F=0.0000------------------------------------------------------------------------------mvalue|Coef.Std.Err.tP>|t|[95%Conf.Interval]-------------+----------------------------------------------------------------invest|2.856166.30751479.290.0002.2495433.462789kstock|-.5078673.1403662-3.620.000-.7847625-.2309721_cons|804.980232.4317724.820.000741.0033868.9571-------------+----------------------------------------------------------------sigma_u|905.81517sigma_e|268.73329rho|.91910377(fractionofvarianceduetou_i)------------------------------------------------------------------------------Ftestthatallu_i=0:F(9,188)=113.76Prob>F=0.0000成果的前兩行列示了模型的類別(本例中為固定效應(yīng)模型）、截面變量、以及估計(jì)中使用的樣本數(shù)目和個(gè)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(gè)層次。第6行和第7行分別列示了針對(duì)參數(shù)聯(lián)合檢查的F記錄量和對(duì)應(yīng)的P值，本例中分別為65.78和0.0000，表明參數(shù)整體上相稱明顯。第8-11行列示理解釋變量的估計(jì)系數(shù)、原則差、t記錄量和對(duì)應(yīng)的P值以及95%的置信區(qū)間，這和我們?cè)谶M(jìn)行截面回歸是得到的成果是同樣的。最終四行列示了固定效應(yīng)模型中個(gè)體效應(yīng)和隨機(jī)干擾項(xiàng)的方差估計(jì)值（分別為sigma_u和sigma_e），兩者之間的關(guān)系(rho)。最終一行給出了檢查固定效應(yīng)與否明顯的F記錄量和對(duì)應(yīng)的P值，本例中固定效應(yīng)非常明顯。估計(jì)隨機(jī)效應(yīng)模型的命令為：xtregmvalueinvestkstock,reRandom-effectsGLSregressionNumberofobs=200Groupvariable:companyNumberofgroups=10R-sq:within=0.4115Obspergroup:min=20between=0.8043avg=20.0overall=0.7371max=20Waldchi2(2)=149.94corr(u_i,X)=0(assumed)Prob>chi2=0.0000------------------------------------------------------------------------------mvalue|Coef.Std.Err.zP>|z|[95%Conf.Interval]-------------+----------------------------------------------------------------invest|3.113429.307613210.120.0002.5105193.71634kstock|-.578422.1424721-4.060.000-.8576622-.2991819_cons|786.9048182.17154.320.000429.85531143.954-------------+----------------------------------------------------------------sigma_u|546.52144sigma_e|268.73329rho|.80529268(fractionofvarianceduetou_i)------------------------------------------------------------------------------第四歩，模型的篩選和檢查。這是模型設(shè)定過程中最為關(guān)鍵同步也是最難的一歩，重要波及使用【混合效應(yīng)】混合OLS模型(最小二乘估計(jì)）、固定效應(yīng)模型還是隨機(jī)效應(yīng)模型，更進(jìn)一歩還也許包括序列有關(guān)和異方差的檢查等問題。在這方面功力的提髙需要大量的實(shí)踐經(jīng)驗(yàn)和對(duì)理論的深入理解。1）檢查個(gè)體效應(yīng)的明顯性。對(duì)于固定效應(yīng)模型而言，回歸成果中最終一行匯報(bào)的F記錄量便在于檢查所有的個(gè)體效應(yīng)整體上與否明顯。在我們的例子中，上而的檢查成果表明固定效應(yīng)模型優(yōu)于混合的OLS模型。下面我們闡明怎樣檢查隨機(jī)效應(yīng)與否明顯，命令為：若模型檢查下面沒有F檢查，就輸入xttest0注明：通過豪斯曼檢查，使用固定效應(yīng)/隨機(jī)效應(yīng)BreuschandPaganLagrangianmultipliertestforrandomeffectsmvalue[company,t]=Xb+u[company]+e[company,t]Estimatedresults:|Varsd=sqrt(Var)---------+-----------------------------mvalue47e|72217.58268.7333u|298685.7546.5214Test:Var(u)=0chibar2(01)=772.32Prob>chibar2=0.0000檢查得到的P值為0.0000，表明隨機(jī)效應(yīng)非常明顯?？梢?，隨機(jī)效應(yīng)模型也優(yōu)于混合OLS模型，至于固定效應(yīng)模型和隨機(jī)效應(yīng)模型何者更佳，則要采用Hausman檢查來確定。2)hausman檢查。詳細(xì)環(huán)節(jié)為：step1：估計(jì)固定效應(yīng)模型模型，存儲(chǔ)估計(jì)成果；step2：估計(jì)隨機(jī)效應(yīng)模型，存儲(chǔ)估計(jì)成果；step3：進(jìn)行Hausman檢查quixtregmvalueinvestkstock,fe/*step1*/.eststorefe.quixtregmvalueinvestkstock,re/*step2*/.eststorere.hausmanfe/*step3*/這里qui的作用在于不把估計(jì)成果輸出到屏幕上，eststore的作用在十把估計(jì)成果存儲(chǔ)到名稱為fe的臨時(shí)性文獻(xiàn)中。輸出成果為：----Coefficients----|(b)(B)(b-B)sqrt(diag(V_b-V_B))|fereDifferenceS.E.-------------+----------------------------------------------------------------invest|2.8561663.113429-.2572636.kstock|-.5078673-.578422.0705548.------------------------------------------------------------------------------b=consistentunderHoandHa;obtainedfromxtregB=inconsistentunderHa,efficientunderHo;obtainedfromxtregTest:Ho:differenceincoefficientsnotsystematicchi2(2)=(b-B)'[(V_b-V_B)^(-1)](b-B)=2366.62Prob>chi2=0.0000(V_b-V_Bisnotpositivedefinite)我們注意到輸出成果的最終一行提醒說固定效應(yīng)模型和隨機(jī)效模型的參數(shù)估計(jì)方差的差是-個(gè)非正定矩陣，因此sqrt(diag(V_b-V_B))一項(xiàng)全為缺失值。這是在進(jìn)行Hausman檢查過程中常常碰到的問題，有時(shí)我們還會(huì)得到負(fù)的chi2值。產(chǎn)生這些狀況的原因也許有多種，但一種重要的原因是我們的模型設(shè)定有問題，導(dǎo)致hausman檢查的基本假設(shè)得不到滿足。這時(shí)，我們最佳先對(duì)模型的設(shè)定進(jìn)行分析，看看與否有遺漏變量的問題，或者某些變量是非平穩(wěn)的等等。在確定模型的設(shè)定沒有問題的狀況再進(jìn)行檢查，假如仍然拒絕原假設(shè)或是出現(xiàn)上面的問題，那么我們就認(rèn)為隨機(jī)效應(yīng)模型的基本假設(shè)(個(gè)體效應(yīng)與解釋變量不有關(guān)）得不到滿足。此時(shí)，需要采用工具變量法或是使用固定效應(yīng)模型。在本例中，假如拋開sqrt(diag(V_b-V_B))一項(xiàng)全為缺失值這一問題，從檢查的P值為零這一成果來看，隨機(jī)效應(yīng)模型的假設(shè)無法滿足，因此采用同定效應(yīng)模型是比較合適的。對(duì)于采用stata9.0或以上版本的讀者而言，使用Hausman命令中新增的sigmaless和sigmamore兩個(gè)選項(xiàng)可以大大減少上述chi2值為負(fù)的狀況出現(xiàn)的次數(shù)。著下面的例子：hausmanfe,sigmaless----Coefficients----|(b)(B)(b-B)sqrt(diag(V_b-V_B))|fereDifferenceS.E.-------------+----------------------------------------------------------------invest|2.8561663.113429-.2572636.0803747kstock|-.5078673-.578422.0705548.0283398------------------------------------------------------------------------------b=consistentunderHoandHa;obtainedfromxtregB=inconsistentunderHa,efficientunderHo;obtainedfromxtregTest:Ho:differenceincoefficientsnotsystematicchi2(2)=(b-B)'[(V_b-V_B)^(-1)](b-B)=16.58Prob>chi2=0.0003以及hausmanfe,sigmamore----Coefficients----|(b)(B)(b-B)sqrt(diag(V_b-V_B))|fereDifferenceS.E.-------------+----------------------------------------------------------------invest|2.8561663.113429-.2572636.0832959kstock|-.5078673-.578422.0705548.0293698------------------------------------------------------------------------------b=consistentunderHoandHa;obtainedfromxtregB=inconsistentunderHa,efficientunderHo;obtainedfromxtregTest:Ho:differenceincoefficientsnotsystematicchi2(2)=(b-B)'[(V_b-V_B)^(-1)](b-B)=15.44Prob>chi2=0.0004時(shí)間固定效應(yīng)假如但愿進(jìn)一歩在上述模型中加入時(shí)間效應(yīng)，那么可以采用時(shí)間虛擬變量來實(shí)現(xiàn)。首先我們需要定義T-1個(gè)時(shí)間虛擬變量：tabyear,gen(dumt)dropdumt1這里，為樣本中標(biāo)示時(shí)間的變量，選項(xiàng)gen(dumt)的作用在于產(chǎn)生T個(gè)年度虛擬變量，第二條命令的作用在于去掉第一種虛擬變量以防止共線性。若在固定效應(yīng)模型中加入時(shí)間虛擬變量,則估計(jì)命令為：xtregmvalueinvestkstockdumt*,fe若估計(jì)隨機(jī)效應(yīng)模型，命令為：xtregmvalueinvestkstockdumt*,re無論估計(jì)哪一種模型，檢查時(shí)間效應(yīng)的命令均為:testdumt2=dumt3=dumt4=dumt5=dumt6=……=0這里我們假設(shè)T=6，因此有5個(gè)時(shí)間虛擬變量序列有關(guān)和截面有關(guān)檢查對(duì)于固定效應(yīng)模型，我們可以采用前面簡介的基于差分估計(jì)量的檢查措施來檢查序列有關(guān)與否存在，命令為：xtserialmvalueinvestkstock輸出成果為：WooldridgetestforautocorrelationinpaneldataH0:nofirstorderautocorrelationF(1,9)=5.698Prob>F=0.0408可見，我們?cè)?%的明顯水平上拒絕了不存在序列有關(guān)的原假設(shè)，考慮到本例中樣本的時(shí)間跨度為，這個(gè)結(jié)論還是比較合理的。對(duì)于隨機(jī)效應(yīng)模型，我們可以采用xttest1命令進(jìn)行檢查，命令為：quixtregmvalueinvestkstock,rexttest1輸出成果為：Testsfortheerrorcomponentmodel:mvalue[company,t]=Xb+u[company]+v[company,t]v[company,t]=lambdav[company,(t-1)]+e[company,t]Estimatedresults:|Varsd=sqrt(Var)---------+-----------------------------mvalue47e|72217.58268.73329u|298685.7546.52144Tests:RandomEffects,TwoSided:ALM(Var(u)=0)=634.29Pr>chi2(1)=0.0000RandomEffects,OneSided:ALM(Var(u)=0)=25.19Pr>N(0,1)=0.0000SerialCorrelation:ALM(lambda=0)=13.91Pr>chi2(1)=0.0002JointTest:LM(Var(u)=0,lambda=0)=786.24Pr>chi2(2)=0.0000該命令是針對(duì)隨機(jī)效應(yīng)模型的，匯報(bào)了7個(gè)記錄量，用于檢查隨機(jī)效應(yīng)(單尾和雙尾)、序列有關(guān)以及兩者的聯(lián)合明顯性。檢查成果表明存在隨機(jī)效應(yīng)和序列有關(guān)，并且對(duì)隨機(jī)效應(yīng)和序列有關(guān)的聯(lián)合檢查也非常明顯。許多面板數(shù)據(jù)都是針對(duì)國家或企業(yè)的，因此截面間往往會(huì)存在有關(guān)性，我們可以運(yùn)用xttest2命令來檢查固定效應(yīng)模型中截面間的有關(guān)性與否明顯。對(duì)于該命令的理論解釋部分請(qǐng)參照Greene(，第601頁)，檢查的命令為：quixtregmvalueinvestkstock,fexttest2輸出成果為：Correlationmatrixofresiduals:__e1__e2__e3__e4__e5__e6__e7__e8__e9__e10__e11.0000__e20.37461.0000__e30.60640.43