面板数据单位根检验, 软件操作及解读都在这里, 建议留存
1.动态面板门槛回归程序公布, 使用方法介绍；2.动态面板分位数估计怎么做？；3.计量大牛白聚山教授, 是这样讲解动态面板分析的；4.动态面板模型的王冠—系统GMM什么鬼？；5.面板协整与误差修正模型的操作程序和讲解；6.GMM和工具变量在面板数据中的运用；7.HCW面板数据政策评估方法, panel数据构造对照组；8.截面, 时间和面板的门槛回归模型, threshold；9.面板数据聚类, 因子分析和主成分分析咋做?；10.伪面板回归是什么, 诺贝尔经济学家推荐使用；11.面板数据中介效应的计算程序, 打开面板这扇门；12.中国工企数据库各年份指标解释, 面板数据构建地基；13.面板数据中去中心化的交互项回归什么情况；14.空间面板回归模型: SAR, SDM, SAC和SEM；15.面板交互固定效应是什么, 白聚山教授推动了最前沿的研究；16.面板数据密度图和时间趋势图韩城攻略和常见操作；17.面板数据计量方法全局脉络和程序使用指南篇；18.面板数据里处理多重高维固定效应的神器；19.向量自回归VAR模型操作指南针,为微观面板VAR铺基石；20.非线性面板模型中内生性解决方案以及Stata命令；21.面板门槛回归Stata程序xthreg和其编写者；22.面板数据、工具变量选择和HAUSMAN检验的若干问题；23.把动态面板命令讲清楚了，对Stata的ado详尽解释；24.动态面板回归和软件操作，单位根和协整检验；25.SVAR模型的起源、识别、估计与应用, 系统讲述；26.面板向量自回归PVAR是什么? 数据, 程序和解读一步到位；27.面板数据为什么好？读了这篇你才会明白
今天，咱们小组引荐的是面板数据的单位根检验，即unit root test。面板数据是由时间(time)和个体(panel)构成，而在时间序列回归中一开始就需要做单位根检验，因此，面板数据在分析之前理应做一下单位根检验，尤其是宏观数据。
咱们知道，在时间序列数据单位根检验时，有三种基本的情形：①包含常数和趋势，②只包含常数项和③两者都不包含。可具体选择哪种形式进行单位根检验呢？各位学者可以看看这个：
https://www.douban.com/group/topic/160270770/
与此类似，面板数据单位根检验也有关于常数项和时间趋势项选择问题，这里的常数项为个体(panel)固定效应(panel specific means)，时间趋势项与前面的一样。再考虑到关于N和T的设定问题，ρi假设问题，残差自相关问题，因此，目前有六种面板数据单位根检验方法，如下图所示。其中，Levin–Lin–Chu (2002), Harris–Tzavalis (1999), Breitung (2000; Breitung and Das 2005), Im–Pesaran–Shin (2003), and Fisher-type (Choi 2001)检验中的H0假设为所有个体(panel)中包含一个单位根。The Hadri (2000) Lagrange multiplier (LM)检验中的H0假设为所有个体(panel)都是(趋势)稳定的。
在每种检验方法中都有对常数项、时间趋势项设定的分类。比如，对于LLC检验，其中有三个选择项：无常数项、有常数项、有常数项和时间趋势项。对于无常数项(nonconstant)，一般适用于T比根号N增加得快(那T可能比N要增加得慢)的情形；对于有常数项和有常数和时间趋势项，一般适用于T比N增加得快的情形。又比如，对于HT检验，无论是否有常数项和时间趋势项，都适用于T固定但N会趋向于无限大的情形。从关于N和T的设定上，我们就知道哪些检验方法适用于宏观实证，哪些适用于微观实证，这里假定的前提是宏观数据一般N是固定但T可以变大或者T比N能以更快速度变大，而微观数据一般N是可以变大，但T变化较慢。
对于LLC检验，微观数据里可以选择nonconstant，而宏观数据里往往选择constant或者constant加上trend。而对于HT检验，无论是否包括nonconstant和trend，多适用于微观数据。
除了N与T的设定外，还有ρ的设定问题，LLC、HT和Breitung三大检验要求ρ对于所有个体(panel)都是相同的，即像下图这样ρi都等于ρ。
但IPS和Fisher type两大检验要求ρi对于每个个体(panel)都不同，即每个个体都有一个专属ρ。这个区别倒不很影响我们对这些检验方法的选择，所以各位学者在结果中看相关的p值即可，显著就拒绝H0假设。
这些检验方法还有对面板数据平衡性要求的区别，LLC、HT、Breitung和Hadri LM适用于平衡面板数据，而IPS、Fisher type使用非平衡面板数据。
下面直接用示例来做说明：
LLC检验。
是否等于0，等于0就表示有单位根。另外，在式子中加
主要是为了消除自相关问题，因为凡是涉及到时间序列的都会遇到残差项自相关问题。
具体数据和程序
use http://www.stata-press.com/data/r13/pennxrate
xtunitroot llc lnrxrate if g7, lags(aic 10)
解释一下：xtunitroot是面板单位根检验的程序，llc是用的llc检验方法，lnrxrate是对这个变量做单位根检验，if g7是一个限定样本的条件语句而已，lags(aic 10)就是
里面的p最大为10，即让程序帮助选择一个滞后期（最大为10）使得AIC信息准则最小。
解读结果：H0为包含单位根，但检验结果显示P-value为0，因此拒绝了有单位根的假设。
xtunitroot llc lnrxrate if g7, lags(aic 10) demean
HT检验
xtunitroot ht lnrxrate, demean
breitung检验，这里使用robust选项消除截面自相关问题。
xtunitroot breitung lnrxrate if oecd, robust
IPS检验
xtunitroot ips lnrxrate if oecd, demean
xtunitroot ips lnrxrate if oecd, lags(aic 8) demean
Fisher type检验，使用的是dfuller检验方法，加入了drift(常数)但是没有时间趋势项。
xtunitroot fisher lnrxrate, dfuller drift lags(2) demean
hadri检验
xtunitroot hadri lnrxrate if oecd, kernel(bartlett 5) demean
各位学者，可以到计量社群或面板研究小组获得更多关于面板数据分析的阅读素材和资料。
之前，咱们圈子引荐过一些数据库，如下：1.这40个微观数据库够你博士毕业了；2.中国工业企业数据库匹配160大步骤的完整程序和相应数据；3.中国省/地级市夜间灯光数据；4.1997-2014中国市场化指数权威版本；5.1998-2016年中国地级市年均PM2.5；6.计量经济圈经济社会等数据库合集；7.中国方言,官员, 行政审批和省长数据库开放；8.2005-2015中国分省分行业CO2数据；9.国际贸易研究中的数据演进与当代问题；10.经济学研究常用中国微观数据手册。
之前，咱们圈子引荐了一些处理内生性问题的文章，各位学者可以参看以下文章：1.“内生性” 到底是什么鬼? New Yorker告诉你；2.Heckman两步法的内生性问题；3.IV和GMM相关估计步骤，内生性、异方差性等检验方法；4.最全估计方法，解决遗漏变量偏差，内生性，混淆变量和相关问题；5.忽略干扰因素，内生性，遗漏变量偏差及相关问题下的估计；6.非线性面板模型中内生性解决方案；7.内生性处理的秘密武器－工具变量估计；8.内生性处理方法与进展；9.内生性问题和倾向得分匹配；10.你的内生性解决方式out, ERM独领风骚；11.面板数据里处理多重高维固定效应的神器；12.面板数据是怎样处理内生性的；13.计量分析中的内生性问题综述；14.工具变量IV与内生性处理的解读；15.一份改变实证研究的内生性处理思维导图；16.Top期刊里不同来源内生性处理方法；17.面板数据中heckman方法和程序；18.控制函数法CF, 处理内生性的广义方法；19.二值选择模型内生性检验方法；20.2SRI还是2SPS, 内生性问题的二阶段CF法实现；21.内生变量的交互项如何寻工具变量；22.显著不显著的后背是什么
前些日，咱们圈子引荐了“实证研究中用到的200篇文章, 社科学者常备toolkit”，各位学者甚至要求将文章发送其邮箱进行深度学习。不少高校院长甚至校长也要求门下的研究生有选择性地阅读相关文章，为日后更为严谨规范的实证计量分析打下坚实基础。
下这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。
2.5年，计量经济圈近1000篇不重类计量文章，
可直接在公众号菜单栏搜索任何计量相关问题,
Econometrics Circle