短面板數(shù)據(jù)分析的基本程序

短面板數(shù)據(jù)分析的根本程序

方紅生浙江大學(xué)經(jīng)濟(jì)學(xué)院2021年秋編輯課件參考書(shū)計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論第四版〔伍德里奇〕中文版或英文版用Stata學(xué)計(jì)量經(jīng)濟(jì)學(xué)

高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及stata應(yīng)用〔陳強(qiáng)〕編輯課件內(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？編輯課件短面板數(shù)據(jù)面板數(shù)據(jù)〔paneldata〕是同時(shí)在時(shí)間和截面上取得的二維數(shù)據(jù)，也稱(chēng)時(shí)間序列與截面混合數(shù)據(jù)〔pooledtimeseriesandcrosssectiondata〕。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〕。編輯課件

Stata中面板數(shù)據(jù)結(jié)構(gòu)companyyearinvestmvalue11951755.9483311952891.24924.9119531304.46241.7119541486.75593.621951588.22289.521952645.52159.4219536412031.321954459.32115.531951135.21819.431952157.32079.731953179.52371.631954189.62759.9編輯課件regioncodeyearrgdpinflation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22001

編輯課件短面板：N>T;反之為長(zhǎng)面板。平衡面板數(shù)據(jù)〔balancedpaneldata〕：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。Foranyi,thereareTobservations.非平衡面板數(shù)據(jù)〔unbalancedpanel〕:Tmaydifferentoveri.編輯課件Benefitsofpaneldataanalysis編輯課件usetraffic.dta

des第一步:構(gòu)造計(jì)量模型編輯課件面板數(shù)據(jù)模型非觀測(cè)效應(yīng)模型〔unobservedeffectsmodel〕固定效應(yīng)模型(FixedEffectsModel,FE)隨機(jī)效應(yīng)模型(RandomEffectsModel,RE)混合回歸模型〔PooledRegressionModel〕編輯課件固定效應(yīng)模型(FixedEffectsModel,FE)編輯課件隨機(jī)效應(yīng)模型(RandomEffectsModel,RE)編輯課件混合回歸模型〔PooledRegressionModel〕編輯課件模型的估計(jì)固定效應(yīng)模型固定效應(yīng)變換〔FixedEffectsTransformation〕〔組內(nèi)變換〕(WithinTransformation)LSDV(LeastSquareDummyVariable編輯課件(式1)給定第i個(gè)個(gè)體，將(式1)兩邊對(duì)時(shí)間取平均可得，(式2)固定效應(yīng)變換

編輯課件

(式1)–(式2)得：可以用OLS方法估計(jì)β，稱(chēng)為“固定效應(yīng)估計(jì)量〞〔FixedEffectsEstimator〕，記為由于主要使用了每個(gè)個(gè)體的組內(nèi)離差信息，故也稱(chēng)為“組內(nèi)估計(jì)量〞〔withinestimator〕。令，那么編輯課件Stata命令xtreg,fexi:xtregi.year,fe編輯課件LSDV(LeastSquareDummyVariable)根本思想：將不可觀測(cè)的個(gè)體效應(yīng)ai看做待估計(jì)的參數(shù)，ai就是第i個(gè)個(gè)體的截距。估計(jì)n個(gè)截距的方法就是引入n?1個(gè)虛擬變量〔如果省略常數(shù)項(xiàng)，那么引入n個(gè)虛擬變量〕。編輯課件例如：共有7個(gè)州，方程可以寫(xiě)成：7個(gè)州的回歸線(xiàn)斜率相同，但截距不同。第1個(gè)州的截距是：第2個(gè)州的截距是：第3個(gè)州的截距是：第4個(gè)州的截距是：編輯課件Stata命令xi:regi.codexi:regi.codei.year編輯課件隨機(jī)效應(yīng)模型估計(jì)GLS

TheusualpooledOLScangiveconsistentestimators,butasitsstandarderrorsignorethepositiveserialcorrelationinthecompositeerrorterm,theywillbeincorrect.編輯課件Solution:GLStransformationtoeliminatetheserialcorrelation:TheseestimatorscanbebasedonthepooledOLSorfixedeffectsresiduals.編輯課件RandomEffectsEstimator:ThefeasibleGLSestimatorthatusesinplaceof編輯課件RE,FEandPLSPooledOLS:FixedEffectsEstimator:編輯課件Stata命令xtreg,rexi:xtregi.year,re編輯課件編輯課件進(jìn)一步的解釋heteroscedasticityconsistentor“White〞standarderrorsareobtainedbychoosingoptionvce(robust)whichisavailableformostestimationcommands.編輯課件Stata’sestimationcommandswithoptionrobustalsocontainacluster()optionanditisthisoptionwhichallowsthecomputationofso-calledRogersorclusteredstandarderrors.編輯課件

But

Whileallthesetechniquesofestimatingthecovariancematrixarerobusttocertainviolationsoftheregressionmodelassumptions,theydonotconsidercross-sectionalcorrelation.However,duetosocialnormsandpsychologicalbehaviorpatterns,spatialdependencecanbeaproblematicfeatureofanymicroeconometricpaneldatasetevenifthecross-sectionalunits(e.g.individualsorfirms)havebeenrandomlyselected.編輯課件編輯課件編輯課件編輯課件**引入了時(shí)間虛擬變量導(dǎo)致exper消失編輯課件第2步:描述性統(tǒng)計(jì)

變量解釋與變量的描述性統(tǒng)計(jì)

usetraffic.dtaxtsetstateyearsumfatalbeertaxspirconsunrateperinck關(guān)鍵變量與被解釋變量的散點(diǎn)圖并畫(huà)出回歸直線(xiàn)

twoway(scatterfatalbeertax)(lfitfatalbeertax)編輯課件PLSorFEtabyear,gen(year)1.xtregfatalbeertaxspirconsunrateperinckyear2-year7,fe

這里誤差項(xiàng)可能存在自相關(guān)、異方差和截面相關(guān)問(wèn)題，所以F檢驗(yàn)顯示的結(jié)果可能不可靠,所以嚴(yán)格的話(huà)，首先要檢驗(yàn)是否存在截面相關(guān)問(wèn)題，命令如下：

xtcsd,pesxtcsd,frixtcsd,fre

第3步:模型選擇編輯課件TestingforCross-sectionalDependencextcsd短面板xttest2長(zhǎng)面板xtcsdisapostestimationcommandvalidforuseafterrunninganFEorREmodel.xtcsdcanalsoperformPesaran’sCDtestforunbalancedpanels.編輯課件PLSorFE在使用命令“xtreg,fe〞時(shí)，如果不加選項(xiàng)cluster(state),那么輸出結(jié)果還包含一個(gè)F檢驗(yàn)，其原假設(shè)為“H0:allui=0〞,即混合回歸是可以接受的。編輯課件2.xi:xtsccfatalbeertaxspirconsunrateperinckyear2-year7i.state對(duì)州虛擬變量做F檢驗(yàn)如果不存在截面相關(guān)，那么xi:regfatalbeertaxspirconsunrateperinckyear2-year7i.state,cluster(state)對(duì)州虛擬變量做F檢驗(yàn)

編輯課件PLSorRExtregfatalbeertaxspirconsunrateperinckyear2-year7,rexttest0/xttest1〔AR(1)〕

編輯課件PLSorRE

編輯課件FEorREHausmantest1xtregfatalbeertaxspirconsunrateperinckyear2-year7,feeststoreFExtregfatalbeertaxspirconsunrateperinckyear2-year7,rehausmanFE,sigmamore編輯課件Hausman檢驗(yàn)：根本思想：如果,Fe和Re都是一致的，但Re更有效。如果,Fe仍然一致，但Re是有偏的。因此：如果原假設(shè)成立，那么FE與RE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(guò)大，那么傾向于拒絕原假設(shè)，選擇FEFEorRE編輯課件編輯課件解決方法：構(gòu)造一個(gè)輔助回歸編輯課件繼續(xù)基于隨機(jī)效應(yīng)估計(jì)的自相關(guān)檢驗(yàn)

xtserialfatalbeertaxspirconsunrateperinckyear2-year7編輯課件Hausmantest2quietlyxtregfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7,rescalartheta=e(theta)globalyandxforhausmanfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7sortstateforeachxofvarlist$yandxforhausman{bystate:egenmean`x'=mean(`x')genmd`x'=`x'-mean`x'genred`x'=`x'-theta*mean`x'}quietlyregredfatalredbeertaxredspirconsredunrateredperinckredyear2redyear3redyear4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7,vce(clusterstate)testmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7編輯課件Hausmantest3編輯課件基于隨機(jī)效應(yīng)估計(jì)的截面相關(guān)檢驗(yàn)

xtregfatalbeertaxspirconsunrateperinckyear2-year7,rextcsd,pesabsxtcsd,friabsxtcsd,freabs

編輯課件Hausmantest3quietlyxtsccredfatalredbeertaxredspirconsredunrateredperinckredyear2redyear3redyear4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7testmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7編輯課件

第4步：報(bào)告計(jì)量結(jié)果假設(shè)Hausmantest選擇FE，那么xtregfatalbeertaxspirconsunrateperinckyear2-year7,fextcsd,pesabsxtcsd,friabsxtcsd,freabs編輯課件如果存在截面相關(guān)，那么最終報(bào)告由如下命令估計(jì)的結(jié)果：xtsccfatalbeertaxspirconsunrateperinckyear2-