面板数据计量分析
计量经济学服务中心专辑汇总!计量百科·资源·干货: Stata |Python |Matlab |Eviews |R Geoda |ArcGis |GeodaSpace |SPSS 一文读懂 |数据资源 |回归方法 |网络爬虫 门限回归 |工具变量 |内生性 |空间计量 因果推断 |合成控制法 |倾向匹配得分 |断点回归 |双重差分 面板数据 | 动态面板数据
🌈2021年寒假Stata研讨班:高级计量经济学及Stata应用研讨班
👉2021空间计量研讨班:空间计量及Geoda、Stata、ArcGis、Matlab应用
本文由计量经济学服务中心整理
转载请注明来源
一.静态面板数据操作
(一)数据处理
输入数据
use 'E:\stata\data\FDI.dta', clear
tsset code year 该命令是将数据定义为“面板”形式
xtset code year
xtdes 该命令是了解面板数据结构
summarize lngdp lnfdi lnie lnex lnim lnci lngp
各变量的描述性统计(统计分析)
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
拓展命令:
gen lag_y=L.y 产生一个滞后一期的新变量
gen F_y=F.y 产生一个超前项的新变量
gen D_y=D.y 产生一个一阶差分的新变量
gen D2_y=D2.y 产生一个二阶差分的新变量
二.静态(短)面板数据固定效应汇总
固定效应篇
主要包括混合效应VS固定效应,LSDV方法、双向固定效应等
1、检验个体效应(混合效应还是固定效应)(原假设:使用OLS混合模型)
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
其中选项fe表明我们采用的是固定效应模型,表头部分的前两行呈现了模型的估计方法、界面变量的名称(id)、以及估计中使用的样本数目和个体的数目。第3行到第5行列示了模型的拟合优度、分为组内、组间和样本总体三个层面,通常情况下,关注的是组内(within),第6行和第7行分别列示了针对模型中所有非常数变量执行联合检验得到的F统计量和相应的P值,可以看出,参数整体上相当显著。需要注意的是,表中最后一行列示了检验固定效应是否显著的F统计量和相应的P值。显然,本例中固定效应非常显著。
对于固定效应模型而言,回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000,检验结果表明固定效应模型优于混合OLS模型。
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe r
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe r
等价于
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe vce(cluster id)
![](http://n4.ikafan.com/assetsj/blank.gif)
2、固定效应LSDV法
reg lngdp lnfdi lnie lnex lnim lnci lngp i.id,fe vce(cluster id)
3、双向固定效应
xtreg lngdp lnfdi lnie lnex lnim lnci lngp i.year,fe r
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
结果强烈拒绝无时间效应的原假设,认为模型存在时间效应
结果强烈拒绝无时间效应的原假设,认为模型存在时间效应
三.个体固定效应、时间固定、双固定效应模型操作
1、个体固定效应模型代码为:
#方法1
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe r
#方法2
reg lngdp lnfdi lnie lnex lnim lnci lngp i.id, r
结果为:
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
2、时间固定效应模型代码为:
【时点】固定效应变截距模型
reg lngdp lnfdi lnie lnex lnim lnci lngp i.year, r
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
3、个体时间双固定效应模型代码为:
#方法1
xtreg lngdp lnfdi lnie lnex lnim lnci lngp i.year,fe r
#方法2
reg lngdp lnfdi lnie lnex lnim lnci lngp i.state i.year, r
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
reg lngdp lnfdi lnie lnex lnim lnci lngp i.var1 i.year, r
Linear regression Number of obs = 341
F(46, 294) = 4217.98
Prob > F = 0.0000
R-squared = 0.9975
Root MSE = .05897
------------------------------------------------------------------------------
| Robust
lngdp | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lnfdi | .0152438 .0170456 0.89 0.372 -.0183031 .0487907
lnie | -.0592966 .0448992 -1.32 0.188 -.1476612 .0290679
lnex | .1103377 .0285485 3.86 0.000 .0541523 .166523
lnim | .0481628 .0214432 2.25 0.025 .0059611 .0903644
lnci | .150422 .0327891 4.59 0.000 .0858909 .2149531
lngp | -.1767717 .061193 -2.89 0.004 -.2972037 -.0563398
|
var1 |
120000 | -.5145403 .0440615 -11.68 0.000 -.6012563 -.4278244
130000 | .3769029 .056382 6.68 0.000 .2659394 .4878663
140000 | -.2560204 .0622532 -4.11 0.000 -.3785387 -.133502
150000 | -.0588581 .0746528 -0.79 0.431 -.2057797 .0880635
210000 | .1970042 .0357982 5.50 0.000 .126551 .2674574
220000 | -.3204478 .0543751 -5.89 0.000 -.4274615 -.213434
230000 | -.1365009 .0672592 -2.03 0.043 -.2688714 -.0041304
310000 | .0712601 .0439292 1.62 0.106 -.0151955 .1577157
320000 | .7902045 .0504775 15.65 0.000 .6908614 .8895475
330000 | .4645629 .0522032 8.90 0.000 .3618235 .5673024
340000 | .0077339 .0557546 0.14 0.890 -.1019949 .1174626
350000 | -.0944303 .04837 -1.95 0.052 -.1896255 .000765
360000 | -.234365 .0589496 -3.98 0.000 -.3503817 -.1183484
370000 | .8209852 .0519667 15.80 0.000 .7187113 .9232591
410000 | .5211137 .0640315 8.14 0.000 .3950955 .6471318
420000 | .2072618 .0553218 3.75 0.000 .098385 .3161387
430000 | .273798 .0623413 4.39 0.000 .1511061 .3964898
440000 | .8896234 .052403 16.98 0.000 .7864909 .9927559
450000 | -.2604254 .058295 -4.47 0.000 -.3751539 -.145697
460000 | -1.583126 .0664447 -23.83 0.000 -1.713893 -1.452358
500000 | -.404726 .0591066 -6.85 0.000 -.5210516 -.2884004
510000 | .321555 .0509501 6.31 0.000 .2212818 .4218282
520000 | -.6264375 .1073602 -5.83 0.000 -.8377295 -.4151455
530000 | -.3795609 .0718553 -5.28 0.000 -.5209767 -.238145
540000 | -2.500765 .1749716 -14.29 0.000 -2.845121 -2.15641
610000 | -.1502207 .0665677 -2.26 0.025 -.2812302 -.0192112
620000 | -.8002214 .089508 -8.94 0.000 -.976379 -.6240637
630000 | -1.771786 .1309078 -13.53 0.000 -2.029421 -1.514151
640000 | -1.759492 .1162146 -15.14 0.000 -1.988209 -1.530774
650000 | -.6987931 .0880211 -7.94 0.000 -.8720245 -.5255617
|
year |
2006 | .1302531 .022499 5.79 0.000 .0859735 .1745327
2007 | .299032 .0245284 12.19 0.000 .2507585 .3473055
2008 | .4678728 .0282007 16.59 0.000 .4123719 .5233737
2009 | .5989009 .0332971 17.99 0.000 .53337 .6644318
2010 | .7459874 .0365586 20.41 0.000 .6740377 .8179371
2011 | .9167391 .0417369 21.96 0.000 .8345983 .99888
2012 | 1.015613 .04539 22.38 0.000 .926283 1.104944
2013 | 1.101845 .0466482 23.62 0.000 1.010039 1.193652
2014 | 1.164955 .0480918 24.22 0.000 1.070308 1.259603
2015 | 1.242972 .0506982 24.52 0.000 1.143194 1.342749
|
_cons | 8.671896 .4954934 17.50 0.000 7.696733 9.64706
------------------------------------------------------------------------------
四.静态(短)面板数据随机效应汇总
1、检验时间效应(混合效应还是 随机效应 )(检验方法:LM统计量) (原假设:使用OLS混合模型)
qui xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re (加上“qui”之后第一幅图将不会呈现)
xttest0
![](http://n4.ikafan.com/assetsj/blank.gif)
可以看出,LM检验得到的P值为0.0000,表明随机效应非常显著。可见,随机效应模型也优于混合OLS模型。
2、使用MLE估计
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,mle nolog
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
四.静态(短)面板数据组间估计量
组间估计量
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,be
![](http://n4.ikafan.com/assetsj/blank.gif)
五.静态(短)面板数据固定与随机效应检验
检验固定效应模型or随机效应模型 (检验方法:Hausman检验)
原假设:使用随机效应模型(个体效应与解释变量无关)
通过上面分析,可以发现当模型加入了个体效应的时候,将显著优于截距项为常数假设条件下的混合OLS模型。但是无法明确区分FE or RE的优劣,这需要进行接下来的检验,如下:
Step1:估计固定效应模型,存储估计结果 Step2:估计随机效应模型,存储估计结果 Step3:进行Hausman检验
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re
est store re
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe
est store fe
hausman fe re
(或者更优的是hausman fe,sigmamore/ sigmaless)
![](http://n4.ikafan.com/assetsj/blank.gif)
![](http://n4.ikafan.com/assetsj/blank.gif)
可以看出,hausman检验的P值为0.0000,拒绝了原假设,认为随机效应模型的基本假设得不到满足。此时,需要采用工具变量法或者使用固定效应模型。