短面板數(shù)據(jù)分析的基本程序

1、 短面板數(shù)據(jù)分析的基本程序 方紅生 浙江大學(xué)經(jīng)濟(jì)學(xué)院 2013年秋參考書o計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論第四版（伍德里奇）中文版或英文版 o用用Stata學(xué)計(jì)量經(jīng)濟(jì)學(xué)學(xué)計(jì)量經(jīng)濟(jì)學(xué) o高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及stata應(yīng)用（陳強(qiáng)）內(nèi)容安排第1講 短面板數(shù)據(jù)分析 第2講 長(zhǎng)面板數(shù)據(jù)分析（PPT 第3講 內(nèi)生性與工具變量法第4講 動(dòng)態(tài)面板數(shù)據(jù)模型 第5講 雙重差分模型及其應(yīng)用 第6講 基于DID的權(quán)威文獻(xiàn)做對(duì)了嗎？ （學(xué)生報(bào)告與討論） 第7講 PSMDID 第8講 如何識(shí)別核心變量的作用機(jī)制？ 短面板數(shù)據(jù)o面板數(shù)據(jù)（panel data）是同時(shí)在時(shí)間和截面上取得的二維數(shù)據(jù)，也稱時(shí)間序列與截面混合數(shù)據(jù)（pooled time

2、 series and cross section data）。o是在一段時(shí)間內(nèi)跟蹤同一組個(gè)體的數(shù)據(jù)。既有橫截面的維度（n個(gè)個(gè)體），又有時(shí)間維度（T個(gè)時(shí)期）。 StataStata中面板數(shù)據(jù)結(jié)構(gòu)中面板數(shù)據(jù)結(jié)構(gòu)companyyearinvestmvalue11951755.9483311952891.24924.9119531304.46241.7119541486.75593.621951588.22289.521952645.52159.4219536412031.321954459.32115.531951135.21819.431952157.32079.731953179.52371.

3、631954189.62759.9regioncodeyearrgdpinflation北京12000北京12001北京12002北京12003北京12004北京12005北京12006北京12007北京12008天津22000天津22001o短面板：NT;反之為長(zhǎng)面板。o平衡面板數(shù)據(jù)（balanced panel data）：如果每個(gè)個(gè)體在相同的時(shí)間內(nèi)都有觀測(cè)值記錄。 For any i, there are T observations.o非平衡面板數(shù)據(jù)（unbalanced panel）:T may different over i.Benefits of panel data anal

4、ysisittiititititituperinckunratespirconsbeertaxatal43210fuuse traffic.dta udes第一步:構(gòu)造計(jì)量模型面板數(shù)據(jù)模型p 非觀測(cè)效應(yīng)模型（unobserved effects model）固定效應(yīng)模型(Fixed Effects Model, FE)隨機(jī)效應(yīng)模型(Random Effects Model, RE)o混合回歸模型（Pooled Regression Model）固定效應(yīng)模型(Fixed Effects Model, FE)則為固定效應(yīng)模型與某個(gè)解釋變量相關(guān)，如果為不可觀測(cè)的個(gè)體效應(yīng)其中iiitiitTtniux

5、uu,.,1;,.1yit隨機(jī)效應(yīng)模型(Random Effects Model, RE)，則為隨機(jī)效應(yīng)模型與所有解釋變量不相關(guān)如果為不可觀測(cè)的個(gè)體效應(yīng)其中iiitiitTtniuxuu,.,1;,.1yit混合回歸模型（Pooled Regression Model）Ttnixitit,.,1;,.1y, 0uiti為混合回歸模型：即不存在個(gè)體效應(yīng)，則如果模型的估計(jì)o固定效應(yīng)模型固定效應(yīng)變換（Fixed Effects Transformation）（組內(nèi)變換）(Within Transformation)LSDV (Least Square Dummy Variable ( (式式1)1)

6、給定第給定第i i 個(gè)個(gè)體，將個(gè)個(gè)體，將( (式式1)1)兩邊對(duì)時(shí)間取平均可得，兩邊對(duì)時(shí)間取平均可得，(式式2)固定效應(yīng)變換o itiititXY1iiiiXY1 (式式1)(式式2)得：得：可以用可以用OLS方法估計(jì)方法估計(jì)，稱為，稱為“固定效應(yīng)估計(jì)量固定效應(yīng)估計(jì)量”（FixedEffectsEstimator），記為），記為FE由于由于主要使用了每個(gè)個(gè)體的組內(nèi)離差信息，故主要使用了每個(gè)個(gè)體的組內(nèi)離差信息，故也稱為也稱為“組內(nèi)估計(jì)量組內(nèi)估計(jì)量”（withinestimator）。）。FE令令 ，則，則 Stata 命令oxtreg ,feoxi: xtreg i.year, feLSDV(L

7、east Square Dummy Variable )o基本思想：將不可觀測(cè)的個(gè)體效應(yīng)基本思想：將不可觀測(cè)的個(gè)體效應(yīng)ai看做待估看做待估計(jì)的參數(shù)，計(jì)的參數(shù)，ai就是第就是第i個(gè)個(gè)體的截距。估計(jì)個(gè)個(gè)體的截距。估計(jì)n個(gè)個(gè)截距的方法就是引入截距的方法就是引入n1個(gè)虛擬變量（如果省個(gè)虛擬變量（如果省略常數(shù)項(xiàng)，則引入略常數(shù)項(xiàng)，則引入n個(gè)虛擬變量）個(gè)虛擬變量）。o例如：共有例如：共有7個(gè)州，方程可以寫成：個(gè)州，方程可以寫成：01112233445566ititiYXDDDDDDu7個(gè)州的回歸線斜率相同，但截距不同。個(gè)州的回歸線斜率相同，但截距不同。第第1個(gè)州的截距是：個(gè)州的截距是：第第2個(gè)州的截距是：個(gè)

8、州的截距是：第第3個(gè)州的截距是：個(gè)州的截距是：第第4個(gè)州的截距是：個(gè)州的截距是：10201302403Stata 命令oxi: reg i.codeoxi: reg i.code i.year隨機(jī)效應(yīng)模型估計(jì)oGLS The usual pooled OLS can give consistent estimators ,but as its standard errors ignore the positive serial correlation in the composite error term, they will be incorrect.itiitstisit),/(),(Co

9、rr222oSolution: GLS transformation to eliminate the serial correlation)()(.)()1 (y1110itiitikitkkiitixxxxy:These estimators can be based on the pooled OLS or fixed effects residuals.oRandom Effects Estimator: The feasible GLS estimator that usesin place ofRE,FEandPLS（相對(duì)重要時(shí)）不重要時(shí)相對(duì)，F(xiàn)EREOLSEii, 1)u(R00

10、1Stata 命令oxtreg ,reoxi:xtreg i.year ,re進(jìn)一步的解釋o heteroscedasticity consistent or “White” standard errors are obtained by choosing option vce(robust) which is available for most estimation commands.oStatas estimation commands with option robust also contain a cluster() option and it is this option whi

11、ch allows the computation of so-called Rogers or clustered standard errors. But oWhile all these techniques of estimating the covariance matrix are robust to certain violations of the regression model assumptions, they do not consider cross-sectional correlation. However, due to social norms and psy

12、chological behavior patterns, spatial dependence can be a problematic feature of any microeconometric panel dataset even if the cross-sectional units(e.g. individuals or firms) have been randomly selected.*引入了時(shí)間虛擬變量導(dǎo)致exper消失第2步:描述性統(tǒng)計(jì)o 變量解釋與變量的描述性統(tǒng)計(jì)usetraffic.dta xtset state year sum fatalbeertaxspir

13、consunrateperincko關(guān)鍵變量與被解釋變量的散點(diǎn)圖并畫出回歸直線 twoway (scatter fatalbeertax) (lfit fatalbeertax)oPLS or FE tab year, gen(year)1.xtregfatalbeertaxspirconsunrateperinckyear2-year7,fe 這里誤差項(xiàng)可能存在自相關(guān)、異方差和截面這里誤差項(xiàng)可能存在自相關(guān)、異方差和截面相關(guān)問題，所以相關(guān)問題，所以F F檢驗(yàn)顯示的結(jié)果可能不可靠檢驗(yàn)顯示的結(jié)果可能不可靠, ,所以嚴(yán)格的話，首先要檢驗(yàn)是否存在截面相關(guān)所以嚴(yán)格的話，首先要檢驗(yàn)是否存在截面相關(guān)問題，命

14、令如下：?jiǎn)栴}，命令如下：xtcsd,pesxtcsd,frixtcsd,fre 第3步:模型選擇TestingforCross-sectionalDependenceoxtcsd 短面板oxttest2 長(zhǎng)面板oxtcsd is a postestimation command valid for use after running an FE or RE model.oxtcsd can also perform Pesarans CD test for unbalanced panels.PLS or FEo在使用命令“xtreg,fe ”時(shí)，如果不加選項(xiàng)cluster(state),則輸

15、出結(jié)果還包含一個(gè)F檢驗(yàn)，其原假設(shè)為“H0:all ui=0”,即混合回歸是可以接受的。2.xi:xtsccfatalbeertaxspirconsunrateperinckyear2-year7i.state對(duì)州虛擬變量做對(duì)州虛擬變量做F F檢驗(yàn)檢驗(yàn) 如果不存在截面相關(guān)，則如果不存在截面相關(guān)，則xi:regfatalbeertaxspirconsunrateperinckyear2-year7i.state,cluster(state)對(duì)州虛擬變量做對(duì)州虛擬變量做F檢驗(yàn)檢驗(yàn)oPLS or RElxtregfatalbeertaxspirconsunrateperinckyear2-year7,

16、relxttest0/xttest1（AR(1)）PLS or REoFE or REuHausman test1xtregfatalbeertaxspirconsunrateperinckyear2-year7,feeststoreFExtregfatalbeertaxspirconsunrateperinckyear2-year7,rehausmanFE,sigmamore Hausman檢驗(yàn)：檢驗(yàn)：o基本思想：如果基本思想：如果 , Fe 和和 Re 都都是一致的，但是一致的，但Re更有效。更有效。 如果如果 , Fe 仍然一致，但仍然一致，但Re是有是有偏的。偏的。 因此：因此： 如果

17、原假設(shè)成立，則如果原假設(shè)成立，則FE與與RE估計(jì)量將共同收斂于真估計(jì)量將共同收斂于真實(shí)的參數(shù)值，反之，兩者的差距過大，則傾向于拒實(shí)的參數(shù)值，反之，兩者的差距過大，則傾向于拒絕原假設(shè)，選擇絕原假設(shè)，選擇FE( ,)0iitCovX( ,)0iitCovXFE or RE解決辦法：構(gòu)造一個(gè)輔助回歸繼續(xù)o基于隨機(jī)效應(yīng)估計(jì)的自相關(guān)檢驗(yàn) xtserial fatalbeertaxspirconsunrateperinckyear2-year7Hausman test2oquietlyxtregfatalbeertaxspirconsunrateperinckyear2year3year4year5yea

18、r6year7,reoscalartheta=e(theta)oglobalyandxforhausmanfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7osortstateoforeachxofvarlist$yandxforhausmanbystate:egenmeanx=mean(x)genmdx=x-meanxgenredx=x-theta*meanxquietlyregredfatalredbeertaxredspirconsredunrateredperinckredyear2redyear3redyea

19、r4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7,vce(clusterstate)otestmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7Hausman test 3o基于隨機(jī)效應(yīng)估計(jì)的截面相關(guān)檢驗(yàn) xtregfatalbeertaxspirconsunrateperinckyear2-year7,rextcsd,pesabs

20、xtcsd,friabsxtcsd,freabs Hausman test3pquietlyxtsccredfatalredbeertaxredspirconsredunrateredperinckredyear2redyear3redyear4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7otestmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7第4步：報(bào)告計(jì)量結(jié)果o假設(shè)Hausman test 選擇FE，則xtregfatalbeertaxspirconsunrateperinckyear2-year7,fextcsd,pesabsxtcsd,friabsxtcsd,freabso如果存在截面相關(guān)，則最終報(bào)告由如下命令估計(jì)的結(jié)果： xtscc fatalbeertaxspirconsunrateperinckyear2-year7,fe