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