STATA面板數(shù)據(jù)模型操作命令要點

STATA面板數(shù)據(jù)模型操作命令要點

ID:36812380

大?。?.88 MB

頁數(shù):14頁

時間:2019-05-15

STATA面板數(shù)據(jù)模型操作命令要點_第1頁
STATA面板數(shù)據(jù)模型操作命令要點_第2頁
STATA面板數(shù)據(jù)模型操作命令要點_第3頁
STATA面板數(shù)據(jù)模型操作命令要點_第4頁
STATA面板數(shù)據(jù)模型操作命令要點_第5頁
資源描述:

《STATA面板數(shù)據(jù)模型操作命令要點》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、...STATA面板數(shù)據(jù)模型估計命令一覽表一、靜態(tài)面板數(shù)據(jù)的STATA處理命令yitixitit固定效應(yīng)模型yitxitit隨機效應(yīng)模型itit it(一)數(shù)據(jù)處理輸入數(shù)據(jù)●tssetcodeyear該命令是將數(shù)據(jù)定義為“面板”形式●xtdes該命令是了解面板數(shù)據(jù)結(jié)構(gòu)●summarizesqcpiunemgse5ln各變量的描述性統(tǒng)計(統(tǒng)計分析)●genlag_y=L.y///////產(chǎn)生一個滯后一期的新變量......genF_y=F.y///////產(chǎn)生一個超前項的新變量genD_y=D.y///////產(chǎn)生一個一

2、階差分的新變量genD2_y=D2.y///////產(chǎn)生一個二階差分的新變量(二)模型的篩選和檢驗●1、檢驗個體效應(yīng)(混合效應(yīng)還是固定效應(yīng))(原假設(shè):使用OLS混合模型)●xtregsqcpiunemgse5ln,fe對于固定效應(yīng)模型而言,回歸結(jié)果中最后一行匯報的F統(tǒng)計量便在于檢驗所有的個體效應(yīng)整體上顯著。在我們這個例子中發(fā)現(xiàn)F統(tǒng)計量的概率為0.0000,檢驗結(jié)果表明固定效應(yīng)模型優(yōu)于混合OLS模型?!?、檢驗時間效應(yīng)(混合效應(yīng)還是隨機效應(yīng))(檢驗方法:LM統(tǒng)計量)(原假設(shè):使用OLS混合模型)●quixtregsqcp

3、iunemgse5ln,re(加上“qui”之后第一幅圖將不會呈現(xiàn))xttest0......可以看出,LM檢驗得到的P值為0.0000,表明隨機效應(yīng)非常顯著。可見,隨機效應(yīng)模型也優(yōu)于混合OLS模型?!?、檢驗固定效應(yīng)模型or隨機效應(yīng)模型(檢驗方法:Hausman檢驗)原假設(shè):使用隨機效應(yīng)模型(個體效應(yīng)與解釋變量無關(guān))通過上面分析,可以發(fā)現(xiàn)當(dāng)模型加入了個體效應(yīng)的時候,將顯著優(yōu)于截距項為常數(shù)假設(shè)條件下的混合OLS模型。但是無法明確區(qū)分FEorRE的優(yōu)劣,這需要進(jìn)行接下來的檢驗,如下:Step1:估計固定效應(yīng)模型,存儲估計

4、結(jié)果Step2:估計隨機效應(yīng)模型,存儲估計結(jié)果Step3:進(jìn)行Hausman檢驗●quixtregsqcpiunemgse5ln,feeststorefequixtregsqcpiunemgse5ln,reeststorerehausmanfe(或者更優(yōu)的是hausmanfe,sigmamore/sigmaless)可以看出,hausman檢驗的P值為0.0000,拒絕了原假設(shè),認(rèn)為隨機效應(yīng)模型的基本假設(shè)得不到滿足。此時,需要采用工具變量法和是使用固定效應(yīng)模型。......(三)靜態(tài)面板數(shù)據(jù)模型估計●1、固定效應(yīng)模型估

5、計●xtregsqcpiunemgse5ln,fe(如下圖所示)其中選項fe表明我們采用的是固定效應(yīng)模型,表頭部分的前兩行呈現(xiàn)了模型的估計方法、界面變量的名稱(id)、以及估計中使用的樣本數(shù)目和個體的數(shù)目。第3行到第5行列示了模型的擬合優(yōu)度、分為組內(nèi)、組間和樣本總體三個層面,通常情況下,關(guān)注的是組內(nèi)(within),第6行和第7行分別列示了針對模型中所有非常數(shù)變量執(zhí)行聯(lián)合檢驗得到的F統(tǒng)計量和相應(yīng)的P值,可以看出,參數(shù)整體上相當(dāng)顯著。需要注意的是,表中最后一行列示了檢驗固定效應(yīng)是否顯著的F統(tǒng)計量和相應(yīng)的P值。顯然,本例中

6、固定效應(yīng)非常顯著?!?、隨機效應(yīng)模型估計若假設(shè)本例的樣本是從一個很大的母體中隨機抽取的,且i與解釋變量均不相關(guān),則我們可以將i視為隨機干擾項的一部分。此時,設(shè)定隨機效應(yīng)模型更為合適?!駒tregsqcpiunemgse5ln,re(如下圖所示)......●3、時間固定效應(yīng)(以上分析主要針對的是個體效應(yīng))如果希望進(jìn)一步在上述模型中加入時間效應(yīng),可以采用時間虛擬變量來實現(xiàn)。首先,我們需要定義一下T-1個時間虛擬變量?!駎abyear,gen(dumt)(tab命令用于列示變量year的組類別,選項gen(dumt)用于生

7、產(chǎn)一個以dumt開頭的年度虛擬變量)dropdumt1(作用在于去掉第一個虛擬變量以避免完全共線性)若在固定效應(yīng)模型中加入時間虛擬變量,則估計模型的命令為:●xtregsqcpiunemgse5lndumt*,fe......(四)異方差和自相關(guān)檢驗●1、異方差檢驗(組間異方差)本節(jié)主要針對的是固定效應(yīng)模型進(jìn)行處理(1)檢驗原假設(shè):同方差需要檢驗?zāi)P椭惺欠翊嬖诮M間異方差,需要使用xttest3命令。●quixtregsqcpiunemgse5ln,fexttest3顯然,原假設(shè)被拒絕。此時,需要進(jìn)一步以獲得參數(shù)的GLS

8、估計量,命令為xtgls:......●xtglssqcpiunemgse5ln,panels(heteroskedastic)其中,組間異方差通過panels()選項來設(shè)定。上述結(jié)果是采用兩步獲得,即,先采用OLS估計不考慮異方差的模型,進(jìn)而利用其殘差計算。。。,并最終得到FGLS估計量?!?、序列相關(guān)檢驗對于T較大的面板而言,

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。