如果解释变量包含被解释变量的滞后值.PPTVIP

固定效应模型：LSDV法 LSDV估计法又称为虚拟变量法。 基本思想：固定效应模型实质上就是在传统的线性回归模型中加入 N-1 个虚拟变量，使得每个截面都有自己的截距项。 由于固定效应模型假设存在着“个体效应”，每个个体都有其单独的截距项。这就相当于在原方程中引入n?1个虚拟变量（如果省略常数项，则引入n个虚拟变量）来代表不同的个体，获得每个个体的截据项。 如何理解个体效应、个体截距项的不同以及虚拟变量的引入？ 我们用一份模拟的数据来分析： use example,clear xtset company year xtdes 1。 画出散点图和拟合线，并建立OLS回归方程。 2。加入虚拟变量，并重新画出建立OLS回归方程。 gen d1=0 gen d2=0 gen d3=0 replace d1=1 if id==1 replace d2=1 if id==2 replace d3=1 if id==3 reg y x d1 d2 reg y x 固定效应模型的stata实现 组内离差估计法 use fatality,clear xtset state year xtdes xtline FatalityRate 固定效应模型： xtreg FatalityRate beertax,fe 回归结果解读 1。三个R2哪个重要？ 2。固定效应为什么有两个F检验？ 3。corr(u_i, Xb) 的含义。 4。 sigma_u、sigma_e、rho的含义。 1。因为固定效应模型是组内估计量（离差），因此，只有within是一个真正意义上的R2，其他两个是组间相关系数的平方。 2。右侧的F统计量表示除常数项外其他解释变量的联合显著性。最后一个F检验，原假设所有U_i=0，即不存在个体效应，不必使用固定效应模型。 首先注意：结果中的u_i不表示残差，而是表示个体效应。 3。corr(u_i, Xb) 个体效应与解释变量的相关系数，相关系数为0或者接近于0，可以使用随机效应模型；相关系数不为0，需要使用固定效应模型。 4。 sigma_u：表示个体效应的标准差 sigma_e：表示干扰项的标准差 rho：rho = sigma_u^2 / (sigma_u^2 + sigma_e^2) 个体效应的波动占整个波动的比例。 LSDV法：显示每个个体截距的方法： 方法1 tab state,gen(dum) reg FatalityRate beertax dum*,nocons 方法2 drop dum1 reg FatalityRate beertax dum* 方法3 xi: reg FatalityRate beertax i.state 时间固定效应回归 个体固定效应模型解决了不随时间而变(time invariant)但随个体而异的遗漏变量问题。 ? 但还可能存在不随个体而变(individual invariant)，但随时间而变(time varying)的遗漏变量问题。 和个体固定效应能控制不随时问变化但个体间不同的变量一样，时间固定效应能控制个体间相同但随时间变化的变量。 比如，企业经营的宏观经济环境。 再比如：由于新车安全性能的提高是发生在全国范围内的。因此它们能够减少所有州的交通死亡事故。故把汽车安全性能视为随时间变化但对所有州都相同的遗漏变量是合理的。 加入用St表示的汽车安全性能的效应后，得以下方程：其中St是只随时间改变，不随个体改变的变量，称为时间固定效应。 对于此方程，可使用LSDV法来估计，即对每个时期定义一个虚拟变量，然后把T-1个时间虚拟变量包括在回归方程中(未包括的时间虚拟变量即为基期)： 双向固定效应 如果方程既考虑了个体固定效应，又考虑了时间固定效应，可以称为“双向固定效应”(Two-way FE)。 此时，可以分别加入个体虚拟变量和时间虚拟变量，并可通过检验这些虚拟变量的联合显著性来判断是否应使用双向固定效应模型。 在上述例子中加入时间固定效应。 实际上添加了t-1个时间虚拟变量。主要反映随着时间变化的一些特征。 use fatality,clear tab year,gen(yr) edit drop yr1 reg FatalityRate beertax yr* 几乎所有时间虚拟变量均不显著，说明本例子的时间固定效应不明显。 在交通死亡人数中的应用 上述形式中包含了啤洒税，47个州二元变量(州固定效应