stada面板数据分析

《stada面板数据分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、STADA面板数据分析1、短面板处理而板数据是桁既有截而数据又有时间序列的数据，W此其存在截而数据没有的优势，在用stata进行谢板数裾的佔计时，一般选择xtrcg命令进行拟合。本节主要论述短而板的stata实现，即吋间维度T相对于截面数n较小的数据。在那种情况不，由于T较小，每个个体的信息较少，故无从讨论扰动项是否存在自相关，我们-•般假设其独立同分布。2、:据维度的确定在面板数据进行模型估计前，要进行面板数据的维度确定。由于面板数据既宥截面数据乂有时间序列，而stata不能自动识别，因此，必须使得stata得

2、知哪一部分是截面数裾，而哪一部分是时间序列。设置面板数据维度的基本命令为：xtsetpanelvartimvar[，tsoptions]其中panelvar代表截面数据变量，timvar代表时间序列变量。选取某一而板数据进行维度设定（该数据研究职业培训津贴对厂商废弃率的影响）：xtsetfcodeyear.xtsetfcodeyearpanelvariable:fcode（stronglybalanced）timevariable;year,1987to1989delta:1unit定效应估计xtreg可以估计固

3、定效应勾随机效应，两者的差界在干选项的不冏。xtreg用来做固定效应的语法是：xtregdepvar[indepvars][if][in][weight]，fe[FE_options]其语法可以helpxtreg获得。（说明，K屮xt表示而板数据的命令，因此，在stata中输入helpxt可以学习面板数据描述、估计等命令。）选取某一数拋进行拟介:xtregIscrapd88d89grantgrant_l，fe结果显示如下:分别表示组内、组间和R方表示个体效画表示个体观测效应，sigma_u

4、为个体（解释方差）。其

5、中固定效应应与解释变效应的标准差,■表示随机干扰项,u+efi•组内R-sq,随机效应fi•总量的相关系为所谓的混合误差，rho是指个体效应体R-4。数。的方差占混合误差方差的比重。-laAerapd88d899rant^rant^4feFix«d-«£fecvk(within)s«gr«s膠io?:oupvariatolefccdeR-«q:vithi-n•0.2010between=0.0079overall=0.0068Xb)=-0,0714KuriDQr中cb>Kusr2Dezifgroups=Obsp

6、e/:group:cun”avg=rix=FI471O4J-Prob>?=X62S433.03€.540.0001IscrapCoef.Std.Srr.tp/lt

7、[9S%Conf.Interval]d88-.0802157.1094751-0736.465-.297309.1363776d89-.2472028.1332183-186/O.O66-.5113797.0169741gran%-.2523149•150629-168/0-097'5510178.0463881gsanr_l-.4215895•210

8、2-201110.04?-.8384239-.0047551_cona•5974341.0677344882/0.000.4631142-73175391.438982,49774421rho.893138670.0000表示模型的显著性4、随机效应估计xtreg用来做随机效应的语法是：xtregdepvar[indepvars][if][in][weight],re[RE_options]与上一部分

9、类似的估计xtregIscrapd88d89grantgrant_l,re与固定效应不同的足，固定效应F检验处，此处为瓦尔徳卡方检验，同样表示榄型整体显著性。25.320.0000定效应与随机效应的选择:豪斯曼检验Waldchi2(4)Prob>chi2首先，看两个效应的区别区別一:FE/RE模型可统—表述为:y_it=u；+xit*b+eit对于FE，个体效应Ui被视为一组解释变量，为非随机变3,即N-1个虚拟变fi;对于RE，个体效成Ui被视为干扰项的一部分，因此是随机变量，假设其服从正态分布，即u」〜N(0

10、,sigma_uA2)；在上述两个模型的设定中，eit都被视为“干干净净的”T扰项，也就是OLS吋那个竹负着众多假设条件，但长相极为俊们的干扰项，eit〜N(0,sigma_eA2)。需要注意的是，在FE模型中，只有一个干扰项eit，它可以随公司和吋阆而改变，所有个体差异都采川Ui來捕捉。而在RE模型中，K•实冇两个十扰项：Ui和eit,差别在于，第一种十扰项不随时叫改变