文档介绍：STATA 面板数据模型估计命令一览表
一、静态面板数据的STATA处理命令
固定效应模型
随机效应模型
(一)数据处理
输入数据
●tsset code year 该命令是将数据定义为“面板”形式
●xtdes 该命令是了解面板数据结构
●summarize sq cpi unem g se5 ln 各变量的描述性统计(统计分析)
●gen lag_y= /////// 产生一个滞后一期的新变量
gen F_y= /////// 产生一个超前项的新变量
gen D_y= /////// 产生一个一阶差分的新变量
gen D2_y= /////// 产生一个二阶差分的新变量
(二)模型的筛选和检验
●1、检验个体效应(混合效应还是固定效应)(原假设:使用OLS混合模型)
●xtreg sq cpi unem g se5 ln,fe
对于固定效应模型而言,回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。,检验结果表明固定效应模型优于混合OLS模型。
●2、检验时间效应(混合效应还是随机效应)(检验方法:LM统计量)
(原假设:使用OLS混合模型)
●qui xtreg sq cpi unem g se5 ln,re (加上“qui”之后第一幅图将不会呈现)
xttest0
可以看出,,表明随机效应非常显著。可见,随机效应模型也优于混合OLS模型。
●3、检验固定效应模型or随机效应模型(检验方法:Hausman检验)
原假设:使用随机效应模型(个体效应与解释变量无关)
通过上面分析,可以发现当模型加入了个体效应的时候,将显著优于截距项为常数假设条件下的混合OLS模型。但是无法明确区分FE or RE的优劣,这需要进行接下来的检验,如下:
Step1:估计固定效应模型,存储估计结果
Step2:估计随机效应模型,存储估计结果
Step3:进行Hausman检验
●qui xtreg sq cpi unem g se5 ln,fe
est store fe
qui xtreg sq cpi unem g se5 ln,re
est store re
hausman fe (或者更优的是hausman fe,sigmamore/ sigmaless)
可以看出,,拒绝了原假设,认为随机效应模型的基本假设得不到满足。此时,需要采用工具变量法和是使用固定效应模型。
(三)静态面板数据模型估计
●1、固定效应模型估计
●xtreg sq cpi unem g se5 ln,fe (如下图所示)
其中选项fe表明我们采用的是固定效应模型,表头部分的前两行呈现了模型的估计方法、界面变量的名称(id)、以及估计中使用的样本数目和个体的数目。第3行到第5行列示了模型的拟合优度、分为组内、组间和样本总体三个层面,通常情况下,关注的是组内(within),第6行和第7行分别列示了针对模型中所有非常数变量执行联合检验得到的F统计量和相应的P值,可以看出,参数整体上相当显著。
需要注意的是,表中最后一行列示了检验固定效应是否显著的F统计量和相应的P值。显然,本例中固定效应非常显著。
●2、随机效应模型估计
若假设本例的样本是从一个很大的母体中随机抽取的,且与解释变量均不相关,则我们可以将视为随机干扰项的一部分。此时,设定随机效应模型更为合适。
●xtreg sq cpi unem g se5 ln,re (如下图所示)
●3、时间固定效应(以上分析主要针对的是个体效应)
如果希望进一步在上述模型中加入时间效应,可以采用时间虚拟变量来实现。首先,我们需要定义一下T-1个时间虚拟变量。
●tab year ,gen(dumt) (tab命令用于列示变量year的组类别,选项gen(dumt)用于生产一个以dumt开头的年度虚拟变量)
drop dumt1 (作用在于去掉第一个虚拟变量以避免完全共线性)
若在固定效应模型中加入时间虚拟变量,则估计模型的命令为:
●xtreg sq cpi unem g se5 ln dumt*,fe
(四)异方差和自相关检验
●1、异方差检验(组间异方差)本节主要针对的是固定效应模型进行处理
(1)检验
原假设:同方差需要检验模型中是否存在组间异方差,需要使用xttest3命令。
●qui xtreg sq cpi unem g se5 ln,fe
xttest3
显然,原假设被拒绝。此时,需要进一步以获得参数的GLS估计量,命令为xtgls:
●xt