stata应用高级培训教程 Stata_III-7-1_XT_Linear_Panel.pdfVIP

Panel data  线性模型  变系数模型  内生性与工具变量估计  动态面板  分层混合效应模型  面板Probit模型  随机边界  面板单位根与面板协整 1  《STATA应用高级培训教程》 南开大学数量经济研究所 王群勇 固定效应模型  1.1 面板数据概念  1.2 混合估计模型  混合估计  混合检验  1.3 固定效应模型  单因素固定效应模型：组内估计  双因素固定效应模型：组内估计  组间估计  差分估计 2  《STATA应用高级培训教程》 南开大学数量经济研究所 王群勇 1.1 面板数据 面板数据是同时在时间和截面上取得的二维数据。所以，面板数据 （panel data ）也称时间序列截面数据 （time series and cross section data ） 或混合数据 （pool data ）。面板数据从横截面 （cross section ）上看， 是由若干个体 （entity, unit, individual ）在某一时点构成的截面观测值， 从纵剖面 （longitudinal section ）上看每个个体都是一个时间序列。 面板数据用双下标变量表示。例如  y i t, i = 1, 2, …, N ; t = 1, 2, …, T N表示面板数据中含有N个个体。T表示时间序列的最大长度。若固定t 不变，y i ., ( i = 1, 2, …, N)是横截面上的N个随机变量；若固定i不变，y. t, (t = 1, 2, …, T)是纵剖面上的一个时间序列 （个体）。 3  《STATA应用高级培训教程》 南开大学数量经济研究所 王群勇 1.1 面板数据 对于面板数据y i t, i = 1, 2, …, N ; t = 1, 2, …, T，如果从横截面上看，每 个变量都有观测值，从纵剖面上看，每一期都有观测值，或者每个个 体的观测值个数是相同的，则称此面板数据为平衡面板数据 （balanced panel data ）。若面板数据中部分个体缺失若干个观测值，则称此面板 数据为非平衡面板数据 （unbalanced panel data ）。 4 《STATA应用高级培训教程》 南开大学数量经济研究所 王群勇 1.1 为什么要用面板数据  可以同时反映个体差异和动态变化。可以捕捉单纯的时间序列 或截面数据不能反映或不能充分反映的特征。  工会会员与非工会会员的工资是否存在差异。  就业率问题  克服了不可观测因素对模型估计的影响。  Macurdy(1981): h=工作时数；w= 工资水平；i0=初始收入。 ln(h)  ln(w)  ln(i0) u it 1 it 2 i it ln(h)  ln(w)  ln(i0) u it 1 it 2 i i n(h) ln(h)  (ln(w) ln(w) )  (ln(i0) ln(i0) ) u u it it 1 it it 2 i i it i  经济收敛理论。  提高有效性。 5  《STATA应用高级培训教程》 南开大学数量经济研究所 王群勇 1.1 微观面板数据库  PSID(Panel Studry of Income Dynamics), 密西根大学社会科学研究所。  NLS(National Longitudinal Survey of labor market experience), 俄亥俄州 立大学人力资源研究中心。  LRHS(Logitidual Ret