stata面板数据模型操作命令讲解

《stata面板数据模型操作命令讲解》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、.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●tssetcodeyear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●summarizesqcpiunemgse5ln各变量的描述性统计（统计分析）●genlag_y=L.y///////产生一个滞后一期的新变量...genF_y=F.y///////产生一个超前项的新变量genD_y=D.y///////产生一个一阶差分的新变量genD2_y=D2.y///////产生一

2、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）●xtregsqcpiunemgse5ln,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。在我们这个例子中发现F统计量的概率为0.0000，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）●quixtregsqcpiunemgse5ln,re(加上“qui”之后第一幅图将

3、不会呈现)xttest0...可以看出，LM检验得到的P值为0.0000，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FEorRE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H

4、ausman检验●quixtregsqcpiunemgse5ln,feeststorefequixtregsqcpiunemgse5ln,reeststorerehausmanfe(或者更优的是hausmanfe,sigmamore/sigmaless)可以看出，hausman检验的P值为0.0000，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●xtregsqcpiunemgse5ln,fe(如下图所示)其中选

5、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

6、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。●xtregsqcpiunemgse5ln,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。●tabyear,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)dropdumt1（作用在于去掉第一个虚拟变

7、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：●xtregsqcpiunemgse5lndumt*,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。●quixtregsqcpiunemgse5ln,fexttest3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：●xtglssqcpiunemgse5ln,panel

8、s(heteroskedastic)其中，组间异方差通过panels（）选项来设定。上述结果是采用两步获得，即，先采用OLS估计不考虑异方差的模型，进而利用其残差计算。。。，并最终得到FGLS估计量。●2、序列相关检验对于T较大的面板而言，往往无法完全反映时序相关性，此时便可能存在序列相关，在多数情况下被设定为AR(1)过程。原假