1、2021/7/261(最新整理)stata上机实验第五讲面板数据的处理.2021/7/262面板数据2021/7/263一些面板数据教材 面板数据分析 （美）萧政 著 横截面与面板数据的经济计量分析 伍德里奇著，王忠玉译 Baltagi.Econometric Analysis of Panel Data 最新动态可关注期刊：Journal of Econometrics2021/7/264面板数据一些前沿问题 面板向量自回归模型(Panel VAR)面板单位根检验(Panel Unit Root test)面板协整分析(Panel Cointegeration)门槛面板数据模型(Panel
2、Threshold)面板联立方程组 面板空间计量2021/7/265静态面板数据 静态面板数据模型，是指解释变量中不包含被解释变量的滞后项(通常为一阶滞后项)的情形。但严格地讲，随机干扰项服从某种序列相关的模型，如AR(1),AR(2),MA(1)等，也不是静态模型。静态面板数据主要有两种模型-固定效应模型和随机效应模型。2021/7/266面板数据的格式companycompanyyearyearinvestinvestmvaluemvalue11951755.9483311952891.24924.9119531304.46241.7119541486.75593.621951588.22
3、289.521952645.52159.4219536412031.321954459.32115.531951135.21819.431952157.32079.731953179.52371.631954189.62759.92021/7/267面板数据模型 考虑如下模型：Yit=Xitb+Uit uit=ai+it其中，i=1,2,N;t=1,2,T(既有i又有t的情况则一般是用面板数据）uit称为复合扰动项。2021/7/268固定效应模型 对于特定的个体i而言，ai 表示那些不随时间改变的影响因素，如个人的消费习惯、国家的社会制度、地区的特征、性别等，一般称其为“个体效应”(indi
4、vidual effects)。如果把“个体效应”当作不随时间改变的固定性因素，相应的模型称为“固定效应”模型。2021/7/269固定效应模型 固定效应模型的公式变为：Yit=ai+Xitb+it 回归结果是每个个体都有一个特定的截距项。（ai在这里就独立出来了）2021/7/26102021/7/2611随机效应模型 随机效应模型将个体效应ai视为随机因素，即把个体效应设定为干扰项的一部分。公式将变为：Yit=Xitb+(ai+it)回归的结果是随机效应模型的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。2021/7/2612 怎样选择固定效应和随机效应？随机效严格要
5、求个体效应与解释变量不相关，即 Cov(ai,XitB)=0 而固定效应模型并不需要这个假设条件。这是两种模型选择的关键。2021/7/2613面板数据基本命令 1、指定个体截面变量和时间变量：xtset（2、对数据截面个数、时间跨度的整体描述：xtdes。分组内、组间和样本整体计算各个变量的基本统计量xtsum。采用列表的方式显示某个变量的分布xttab，较少使用。3、list、sum、des、tabstat、histogram、kdensity等命令都可以用。4、对每个个体分别显示该变量的时间序列图：xtline。5、静态面板数据基本回归命令：xtreg，系统默认GLS估计（广义最小二乘法
6、）。2021/7/2614 use grunfeld,clear xtset company year xtdes xtline invest混合回归：reg invest mvalue kstock（pool回归，其会扩大样本量，）固定效应：xtreg invest mvalue kstock,fe随机效应：xtreg invest mvalue kstock,re用F值或P值进行判断，如果p值较大，则应该用pool回归）2021/7/2615 xtreg Fixed-,between-and random-effects,and population-averaged linear mod
7、els xtregar Fixed-and random-effects linear models with an AR(1)disturbance xtgls Panel-data models using GLS 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-
8、data models 2021/7/2616 xtabond Arellano-Bond linear,dynamic panel data estimator（动态面板估计）xtabond2 Arellano-Bond system dynamic panel data estimator(需要从网上下载)xttobit Random-effects tobit models xtintreg Random-effects interval data regression models xtreg Fixed-,between-and random-effects,and populati
9、on-averaged linear models xtregar Fixed-and random-effects linear models with an AR(1)disturbance xtgls Panel-data models using GLS2021/7/2617 xtpcse OLS or Prais-Winsten models with panel-corrected standard errors xtrchh Hildreth-Houck random coefficients models xtivreg Instrumental variables and t
10、wo-stage least squares for panel-data models xtabond Arellano-Bond linear,dynamic panel data estimator xtabond2 Arellano-Bond system dynamic panel data estimator(需要从网上下载)xttobit Random-effects tobit models xtintreg Random-effects interval data regression models 2021/7/2618结果解读 固定效应 随机效应 特别注意：1、三个R2哪
11、个重要？组内、组间、总体拟合优度。2、固定效应为什么有两个F检验？3、corr(u_i,Xb)的含义。4、sigma_u、sigma_e、rho的含义。2021/7/2619 sigma_u是固定效应模型估计中的个体效应的方差估计值 sigma_e随机干扰项的方差估计值 rho：rho=sigma_u 2/(sigma_u2+sigma_e2)，是两者之间的关系（u-i）以及针对u_i显著性的联合检验统计量（F值和p值）。corr(u_i,Xb)个体效应与解释变量的相关系数，相关系数为0或者接近于0，可以使用随机效应模型；相关系数不为0，需要使用固定效应模型。u-i不表示残差，表示个体效应。2
12、021/7/2620模型选择 固定效应还是混合OLS？可以直接观测F值 随机效应还是混合OLS？先用随机效应回归，然后运行xttest0 固定效应还是随机效应？Hausman检验2021/7/2621 Hausman检验 基本思想：如果 Corr(a_i,x_it)=0,Fe 和 Re 都是一致的，但Re更有效。如果 Corr(a_i,x_it)!=0,Fe 仍然一致，但Re是有偏的。因此原假设是Corr(a_i,x_it)=0，即应该采用随机效应。2021/7/2622 Hausman检验步奏 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
13、：进行Hausman检验；2021/7/2623 xtreg invest mvalue kstock,fe est store fixed xtreg invest mvalue kstock,re est store random hausman fixed random本题接受原假设，即应该用随机效应。2021/7/2624几个常见问题 1、既然固定效应每个个体都有单独的截距项，如何获得每个个体的截距项？xi:reg invest mvalue kstock pany 即LSDV方法或者添加虚拟变量法。2021/7/2625 2、非平衡面板如何处理？use nlswork,clear x
14、tset idcode year xtdes 这是一份典型的大n小t型非平衡面板数据。方法一：下载命令xtbalance提取成一个平衡面板数据，但不推荐使用，因为会损失大量样本。方法二：利用算法填补缺失值，需要经济理论和算法的支撑。2021/7/2626 3、面板数据格式不符合要求的处理。例如如下表格格式该如何处理？处理方法：扁平数据变长条数据的命令：reshape use invest2,clear edit reshape long invest kstock,i(company)j(year)2021/7/2627companycompanyinvest2002invest2002inv
15、est2003invest2003invest2004invest2004kstock2002kstock2002kstock2003kstock2003kstock2004kstock20041 118.918.919.119.119.619.619.619.616.816.816.716.72 217.417.418.418.418.818.818.118.117.417.417173 3191919.619.620.120.120.220.2171717.117.14 4202020.420.420.320.320.420.417.517.517.317.35 518.118.118.3
16、18.318.418.418.518.516.416.416.116.16 619.719.7202019.919.917.217.216.316.316.316.32021/7/2628其他回归方法 1、聚类稳健的标准差 通常可以假设不同个体之间的扰动项相互独立，但同一个体在不同时期的扰动项之间往往存在自相关。故须采用聚类稳健的标准差。use grunfeld,clear xtset company year reg invest mvalue kstock,vce(cluster company)同理有：xtreg invest mvalue kstock,fe vce(cluster c
17、ompany)xtreg invest mvalue kstock,re vce(cluster company)GLS的缺点就是要满足一些特定的条件2021/7/2629 2、对于固定效应模型，可采用虚拟变量法。基本思想：固定效应模型实质上就是在传统的线性回归模型中加入 N-1 个虚拟变量，使得每个截面都有自己的截距项。由于固定效应模型假设存在着“个体效应”，每个个体都有其单独的截距项。这就相当于在原方程中引入n1个虚拟变量（如果省略常数项，则引入n个虚拟变量）来代表不同的个体，获得每个个体的截据项。2021/7/2630 tab company,gen(dum)（批量生成变量）drop d
18、um1 reg invest mvalue kstock dum*（*表示未知数）与上述方法比较一下：xi:reg invest mvalue kstock pany 结果完全一样。2021/7/2631组间估计法 对于随机效应模型，还可以采用“组间估计量”。对于那些每个个体的时间序列数据较不准确或“噪音”较大的数据，可对每个个体取时间平均值，然后用平均值来回归。xtreg invest mvalue kstock,be 由于损失了较多信息量，组间估计法并不常用。2021/7/2632极大似然估计 如果随机效应模型中假设扰动项服从正态分布，则可以使用最大似然估计法（MLE）来进行估计。xtre
19、g invest mvalue kstock,mle 与随机效应模型的估计比较结果几乎完全一致。2021/7/2633双向固定效应模型 固定效应模型：Yit=ai+XitB+it 双向固定效应模型：Yit=ai+ft+XitB+it（既固定时间也固定个体的效应）实际上添加了t-1个时间虚拟变量。主要反应随着时间变化的一些特征。tab year,gen(yr)edit drop yr1 xtreg invest mvalue kstock yr*,fe 大部分时间虚拟变量显著，说明随着时间的变动，invest有不断变动的趋势。2021/7/2634 检验：可以使用似然比检验。原假设：时间虚拟变量
20、不显著。xtreg invest mvalue kstock,fe est store fe1 xtreg invest mvalue kstock yr*,fe est store fe2 lrtest fe1 fe2 整体来看时间虚拟变量不够显著。2021/7/2635异方差、序列相关和截面相关 大n小T 重点关注异方差 大T小n 重点关注序列相关 由于面板数据中每个截面（公司、个人、地区）之间还可能存在内在的联系，因此，截面相关性是面板数据的一个特有的特征。三个假设：1、Vare_it=sigma2 同方差假设 2、Corre_it,e_it-s=0 序列无关假设 3、Corre_it,
21、e_jt=0 截面不相关假设2021/7/2636 1、异方差的检验(组间)：findit xttest3 或者直接 ssc install xttest3 xtreg invest mvalue kstock,fe xttest32021/7/2637 2、序列相关的检验：基本思想：若无序列相关，则一阶差分后残差相关系数应为-0.5。findit xtserial xtserial invest mvalue kstock xtserial invest mvalue kstock,output2021/7/2638 3、截面相关的检验：ssc install xttest2 xtreg i
22、nvest mvalue kstock,fe xttest22021/7/2639FGLS估计 1、xtgls命令 xtgls invest mvalue kstock,panels(iid)Pooled OLS xtgls invest mvalue kstock,panel(het)截面异方差 xtgls invest mvalue kstock,corr(ar1)所有个体具有相同的自相关系数 2021/7/2640 xtgls invest mvalue kstock,corr(psar1)每个个体有自己的自相关系数 xtgls invest mvalue kstock,panel(co
23、rr)截面间相关且异方差 xtgls invest mvalue kstock,panel(corr)corr(ar1)异方差、序列相关和截面相关2021/7/2641 2、xtpcse命令 xtpcse invest mvalue kstock OLS估计，面板稳健性标准差 xtpcse invest mvalue kstock,corr(ar1)Prais_Winsten估计，个体具有共同的自相关系数 xtpcse invest mvalue kstock,corr(psar1)每个截面有自己的自相关系数 xtpcse invest mvalue kstock,corr(ar1)hetonly 不考虑截面相关2021/7/2642
