python scipy.stats 分位数_互助问答第177期：非线性面板和面板分位数

http://weixin.qq.com/r/PTkwKHjEvSXCrTxL92wv (二维码自动识别)

1. 想用12年，14年，16年CFPS面板数据做关于家庭创业的文章，目前存在的一个问题是probit不能估计固定效应，只能用logit进行估计，但是logit会自动剔除3年内没有发生创业的的变量，如图所示：

剔除之后样本量就剩2663户家

庭，和原先要研究的对象不一样了，不知如何是好？
另外，若是用probit进行回归，只有随机效应模型，使用固定效应还是随机效应，需要进行Hausman模型检验，检验之后，显示P>0，该使用固定效应，那么如果我想用probit进行面板数据处理，可否使用命令：probit chuangye index_aggregate gender age edu hunyin health i.year ,也控制了时间固定效应，这样是否可以用这个命令做面板二值选择的回归？ 2. 除此之外，针对面板固定效应分位数回归仍然有些困惑：想研究金融发展对家庭收入不同分位数上的回归结果，由于是面板数据，直接用命令：xtqreg lnfinc index_aggregate gender age edu hunyin health fml finance lnGDP JR i.year, i(fid) q (.10)
因为面板数据除了纵向比较外，也要进行横向比较，不同年份的家庭收入分位数可能会发生变化，是否应该以12年为基期，考察14，16家庭收入的变化，我想要知道面板数据分位数回归，该命令是否正确？

我理解你的意思，就是类比 xtreg,fe结果可以利用 reg + dummy variables做出来。现有Stata 命令 xtprobit 的确是只能估计随机效应模型，不能处理固定效应模型。虽然你可以通过 probit + dummy variables的方式得到结果，但是我觉得是不妥的，因为这有就假设个体单元间的独立的，那估计的标准误会有偏误。
xtqreg 就是用于估计面板分位数回归模型 ，这个命令实现的是条件分位数模型，它的优点是可以处理模型包含内生变量的情形。你写的命令是正确的，我没有太明白你的意思。分位数模型和普通均值模型的区别是可以研究随着因变量 y 不同，自变量对因变量的影响。比如 y 为股票价格，那么在不同分位就可以研究在股票市场不同表现时（如 熊市和牛市），自变量对其影响。当然，这个分位是条件分位，不能完全按照这个解释，但是道理就是这有的。如果要按照这样的解释，你可以搜索 findit unconditional quantile， Stata 中已有相关的命令。往期回顾：
互助问答第176期：SFA计算和变系数模型操作问题
互助问答第175期 ：关于多时点PSM—DID的问题（2）
互助问答第174期 ：关于多时点PSM—DID的问题
互助问答第173期如果您在计量学习和实证研究中遇到问题，请及时发到邮箱szlw58@126.com，专业委员会有30多名编辑都会看，您的问题会得到及时关注！请您将问题描述清楚，任何有助于把问题描述清楚的细节都能使我们更方便地回答您的问题，提问细则参见：实证研究互助平台最新通知（点击文末阅读原文查看详情）
如果您想成为问题解答者，在帮助他人过程中巩固自己的知识，请发邮件至szlw58@126.com（优先）或给本公众号留言或加微信793481976给群主留言，我们诚挚欢迎热心的学者和学生。具体招募信息请参见：实证研究互助平台志愿者团队招募公告鲜活的事例更有助于提高您的研究水平，呆板的教科书让人生厌。如果您喜欢，请提出您的问题，也请转发推广！（欢迎转发，欢迎分享；转载请注明出处，引用和合作请留言。本文作者拥有所有版权，原创文章最早发表于“学术苑”。任何侵权行为将面临追责！）学术指导：张晓峒老师
本期解答人：游万海老师
编辑：杨志媛
统筹：李丹丹
技术：林毅

阅读原文