stata中面板数据异方差的处理
一、前言
计算和互联网技术的广泛运用极大地提高了数据的可获得性,使大量的数据得以收集、保存和整理。与此同时,计量经济学在整个经济学体系中的地位日益提升。在顶级经济学杂志的论文中,应用计量论文已占到了相当高的比例。正是在这些背景之下,面板数据受到了越来越多经济研究人员的欢迎,面板数据的应用研究亦成为热点。
面板数据成为研究的热点一方面自然是因为本身优秀的特质;另一方面也归因于面板数据在应用过程中仍有许多问题和未知领域需要去探索。在面板数据回归分析中,如果存在异方差,最小二乘估计出的系数尽管是线性、无偏和一致的,但不是有效的,甚至不是渐进有效的。这些影响将导致参数估计和假设检验失效。
二、异方差产生的原因
异方差产生的因素很多,比如模型中省略了某些重要的解释变量,模型形式设定不准确,样本数据中存在的测量误差,异常值的出现,截面个体之间的差异等。面板数据是具有时序和截面双重性质的数据形式,异方差不仅会出现在时间序列上还将出现在横截面序列上,所以面板数据模型中的异方差问题要比单纯的时间序列或截面数据模型要复杂得多。
实际上,在处理面板数据线性回归时,主要考虑固定效应模型与pooled OLS的异方差问题。因为随机效应模型使用GLS估计,本身就已经控制了异方差。
Huber (1967)、Eicker (1967) 和 White (1980)提出了异方差—稳健方差矩阵估计,该方法能够在考虑异方差情况下求出稳健标准误。利用异方差稳健标准误对回归系数进行t检验和F检验都是渐近有效的。这就意味着,如果出现异方差,仍然可以使用OLS回归,只需结合使用稳健标准误即可。在STATA中,异方差—稳健标准误可以在“reg