面板数据模型与stata应用.ppt

Hausman检验 Hausman检验究竟选择固定效应模型还是随机效应模型： 第一步：估计固定效应模型，存储结果 xtreg gdp invest culture sci health admin techno,fe est store fe 第二步：估计随机效应模型，存储结果 xtreg gdp invest culture sci health admin techno,re est store re 第三步：进行hausman检验 hausman fe Hausman检验量为： H=(b-B)′[Var(b)-Var(B)]-1(b-B)～x2(k) Hausman统计量服从自由度为k的χ2分布。当H大于一定显著水平的临界值时，我们就认为模型中存在固定效应，从而选用固定效应模型，否则选用随机效应模型 如果hausman检验值为负，说明的模型设定有问题，导致Hausman 检验的基本假设得不到满足，遗漏变量的问题，或者某些变量是非平稳等等 可以改用hausman检验的其他形式： hausman fe, sigmaless 对于固定效应模型的异方差检验和序列相关检验： Xtserial gdp invest culture sci health admin techno 异方差检验： xtreg gdp invest culture sci health admin techno,fe xttest3 (Modified Wald statistic for groupwise heteroskedasticity in fixed effect model) 随机效应模型的序列相关检验： xtreg gdp invest culture sci health admin techno,re Xttest1 Xttest1用于检验随机效应(单尾和双尾) 、一阶序列相关以及两者的联合显著 检验结果表明存在随机效应和序列相关，而且对随机效应和序列相关的联合检验也非常显著 可以使用广义线性模型xtgls对异方差和序列相关进行修正： xtgls gdp invest culture sci health admin techno, panels(hetero)，修正异方差 xtgls gdp invest culture sci health admin techno, panels(correlated)，修正依横截面而变化的异方差 xtgls gdp invest culture sci health admin techno, panels(hetero) corr(ar1)，修正异方差和一阶序列相关ar(1) 可以使用广义线性模型xtgls对异方差和序列相关进行修正： xtgls gdp invest culture sci health admin techno, panels(hetero)，修正异方差 xtgls gdp invest culture sci health admin techno, panels(correlated)，修正依横截面而变化的异方差 xtgls gdp invest culture sci health admin techno, panels(hetero) corr(ar1)，修正异方差和一阶序列相关ar(1) 第二讲 长面板 对于短面板，由于时间维度T 较小，每个个体的信息较少，无从讨论扰动项{εit} 是否存在自相关，故一般假设{ε it}为独立同分布。 对于长面板，由于T 较大，信息较多，故可放松此假定，对{εit }自相关的具体形式进行估计，然后用FGLS进行估计。 在长面板中，由于n 相对于T 较小，对于可能存在的固定效应，只要加入个体虚拟变量即可（即 LSDV 法）。 对于时间效应，可以通过加上时间趋势项来控制。 第二讲 动态面板 DID-GMM DID-GMM存在的问题 SYS-GMM 应用 如果在原方程中引入(n ? 1) 个虚拟变量（如果没有截距项，则引入n 个虚拟变量）来代表不同的个体，则可以得到与上述离差模型同样的结果。故 FE 也被称为“最小二乘虚拟变量模型”（Least Square Dummy Variable Model ，LSDV）。 使用LSDV 的好处是可以得到对个体异质性 的估计。 面板模型选择：固定效应还是随机效应 对“个体效应”的处理主要有两种方式：一种是视其为不随时间改变的固定性因素， 相应的模型称为“固定效应”模型；另一种是视其为随机因素，相应的模型称为“随机效应”模型 固定效应模型中的个体差异反映在每个个体都有一个特定的截距项上； 随机效应模型则假设所有的个体具有相同的截距项，个体的差异主要反应在