stata面板数据gmm回归_Stata面板数据学习手册

来源：本文授权转载自数量经济学

转载请联系

本文包括静态与动态面板数据处理方法，包含hausman检验，固定效应检验，随机效应检验，异方差检验、相关检验，面板logit与面板probit模型、面板泊松模型、面板负二项模型等众多干货内容，欢迎阅读。

本文目录

一、静态面板数据

●数据处理

●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)

2、检验时间效应(混合效应还是随机效应)

3、检验固定效应模型or随机效应模型 (检验方法：Hausman检验)

●模型的筛选和检验

1、固定效应估计

2、随机效应估计省略

3、时间固定效应(以上分析主要针对的是个体效应)

●异方差和自相关检验

1、异方差检验 (组间异方差)

2、序列相关检验

3、“异方差—序列相关”稳健型标准误

4、截面相关检验

5、“异方差—序列相关—截面相关”稳健型标准误

二、动态面板数据

三、面板logit与面板probit模型

四、面板泊松模型

五、面板负二项模型

六、面板Tobit模型

七、面板工具变量法

八、面板随机前沿模型

一．静态面板数据的STATA处理命令

(一)数据处理

输入数据

use "E:\stata\data\FDI.dta", clear

tsset code year 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

summarize lngdp lnfdi lnie lnex lnim  lnci lngp

各变量的描述性统计(统计分析)

拓展命令：

gen lag_y=L.y  产生一个滞后一期的新变量 

gen F_y=F.y 产生一个超前项的新变量 

gen D_y=D.y  产生一个一阶差分的新变量 

gen D2_y=D2.y 产生一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)

xtreg lngdp lnfdi lnie lnex lnim lnci lngp,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)

qui xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re (加上“qui”之后第一幅图将不会呈现) 

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FE or RE的优劣，这需要进行接下来的检