面板数据模型估计方法要点.pptVIP

面板数据计量分析 韩峰 长沙理工大学经济与管理学院 fenghan2009@hnu.edu.cn 面板数据的种类 长面板：横截面n的个体数较小，而时间跨度T较大，比如以全国31省市为样本的面板数据。 短面板：n较大而T较小，比如目前用的较多的地级城市面板数据，有的还用到县级单位的面板及每个城市细分行业的企业面板数据。 动态面板：解释变量中有被解释变量的滞后项，否则为静态面板。 分析框架 数据描述 静态面板估计 动态面板估计 数据描述 定义面板数据 xtset id year 显示面板数据结构 xtdes 显示数据的整体特征 xtsum 显示变量的时间序列图 xtline variable 静态面板模型 混合效应模型 固定效应模型 随机效应模型 可行的广义最小二乘（FGLS） 工具变量法 各类模型的检验 1.固定效应与混合效应 xtreg gdp23 labor kstock cstudent agglomeration,fe F检验 2.随机效应与混合效应 xtreg gdp23 labor kstock cstudent agglomeration,re 或 xtreg gdp23 labor kstock cstudent agglomeration,re vce(cluster id ) xttest0 LM检验 3.固定效应与随机效应 xtreg gdp23 labor kstock cstudent agglomeration,fe est store fe xtreg gdp23 labor kstock cstudent agglomeration,re est store re hausman fe re （, constant sigmamore） 异方差与自相关的检验 1.异方差的检验(Ho:不存在异方差)： LR检验： xtgls y x1 x2 x3 x4 x5, i(id) t(year) igls panels(heteroskedastic) estimates store hetero xtgls y x1 x2 x3 x4 x5, i(id) t(year) estimates store nohetero local df=e(N_g)-1 lrtest hetero nohetero , df(`df) 2. 自相关检验（不存在自相关） xtserial y x 混合效应模型 普通标准差估计 reg gdp23 labor kstock cstudent agglomeration 聚类稳健标准差估计 reg gdp23 labor kstock cstudent agglomeration,vce(cluster id) 由于同一城市或地区不同时期之间的扰动项一般存在自相关，而普通标准差估计假设扰动项为独立同分布序列，因而用聚类标准差估计更为准确。 固定效应模型 1. 每个截面可能存在不随时间而变的遗漏变量，此时要用固定效应模型 xtreg gdp23 labor kstock cstudent agglomeration,fe xtreg gdp23 labor kstock cstudent agglomeration,fe vce(cluster id) 可进一步采用LSDV法来考察个体效应的显著性 xi:xtreg gdp23 labor kstock cstudent agglomeration i.id, vce(cluster id) 2. 考虑时间的两维固定效应 定义时间虚拟变量：tab year, gen(year) xtreg gdp23 labor kstock cstudent agglomeration year2-year8,fe vce(cluster id) test year2 year3 year4 year5 year6 year7 year8 随机效应模型 个体效应还可能以随机效应形式存在 xtreg gdp23 labor kstock cstudent agglomeration,re xtreg gdp23 labor kstock cstudent agglomeration,re vce(cluster id) xtreg gdp23 labor kstock cstudent agglomeration, mle（随机效应最大似然估计，用的较少） 可行的广义最小二乘估计(FGLS) 1.用法：用于解决长面板存在的异方差和自相关问题 2.命令： (1)仅解决组内自相关： xtpcse y x, corr(ar1); xtpcse y x, corr(psar1) (2)仅解决不同个体