文档介绍：STATA与面板数据回归1
面板数据模型的误差项由两部分组成：
一部分是与个体观察单位有关的，它概括了所有影响被解释变量，但不随时间变化的因素，因此，面板数据模型也常常被成为非观测效应模型；
另外一部分概括了随截面随时间而变化的不可观Durbin-Watson 统计量:estat dwatson
序列相关检验：estat durbinalt
滞后阶数选择：estat durbinalt,lags(2)
条件异方差检验：estat archlm,lags(2)
可选变量的异方差检验：estat szroeter gdp invest culture sci
五、Stata对面板数据模型的估计
随机效应模型
Stata对面板数据模型的估计
首先对面板数据进行声明：
前面是截面单元，后面是时间标识：
tsset company year
tsset industry year
产生新的变量：gen newvar=human*lnrd
产生滞后变量Gen fiscal(2)=
产生差分变量Gen fiscal(D)=
描述性统计：
xtdes ：对Panel Data截面个数、时间跨度的整体描述
Xtsum：分组内、组间和样本整体计算各个变量的基本统计量
xttab 采用列表的方式显示某个变量的分布
Stata中用于估计面板模型的主要命令：xtreg
xtreg depvar [varlist] [if exp] , model_type [level(#) ]
Model type 模型
be Between-effects estimator
fe Fixed-effects estimator
re GLS Random-effects estimator
pa GEE population-averaged estimator
mle Maximum-likelihood Random-effects
estimator
主要估计方法：
xtreg： Fixed-, between- and random-effects, and population-averaged linear models
xtregar：Fixed- and random-effects linear models with an AR(1) disturbance
xtpcse ：OLS or Prais-Winsten models with panel-corrected standard errors
xtrchh ：Hildreth-Houck random coefficients models
xtivreg ：Instrumental variables and two-stage least squares for panel-data models
xtabond：Arellano-Bond linear, dynamic panel data estimator
xttobit ：Random-effects tobit models
xtlogit ： Fixed-effects, random-effects, population-averaged logit models
xtprobit ：Random-effects and population-averaged probit models
xtfrontier ：Stochastic frontier models for panel-data
xtrc gdp invest culture edu sci health social admin,beta
xtreg命令的应用：
声明面板数据类型：tsset sheng t
描述性统计：xtsum gdp invest sci admin
：
xtreg gdp invest culture sci health admin techno,fe
固定效应模型中个体效应和随机干扰项的方差估计值(分别为sigma u 和sigma e），二者之间的相关关系(rho)
最后一行给出了检验固定效应是否显著的F 统计量和相应的P 值，本例中固定效应非常显著
：
xtreg gdp invest culture sci health admin tech