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。

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|为个体（解释方差）。其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=Obspe/:group:cun”avg=rix=FI471O4J-Prob>?=X62S433.03€.540.0001IscrapCoef.Std.Srr.tp/lt|[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•2102-201110.04?-.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,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(这也是所谓的“个体效应”的含义)，而第二类干扰项可以随时阆改变。因为上述对FE和RE中个体效应的假设之差异，二者的估计方法亦有差异。FE可直接采用OLS估计，而RE则必须使用GLSj能获得更为有效的估计量。固定效应模型屮的个体差异反映在每个个体都有一个特定的截距项上；随机效应模型则假设所有的个体具有相同的截距项，个体的差异主要反应在随机干扰项的设定上。区别二：固定效应更适合研究样本之间的区别，而随机效应适合III样木来推断总体特征。K次，Hausman检验确走模型形式的选择。以上面的面板数据为例xtregIscrapd88d89grantgrant一l，feeststorefextregIscrapd88d89grantgrant_l,reeststorerehausmanfe结果显示:原假没为随机效应，Iflj最终P伉为0.7096,接受原假没，模艰最终选择为随机效应。 Test:Ho:differenceincoefficientsnetsystematicchi2(4)=(b-B)1[chi2=0.7096