stata第五讲【山大陈波】.pptVIP

几个常见问题 1。既然固定效应每个个体都有单独的截距项，如何获得每个个体的截距项？ xi:reg invest mvalue kstock pany 即LSDV方法或者添加虚拟变量法。 2。非平衡面板如何处理？ use nlswork,clear xtset idcode year xtdes 这是一份典型的大n小t型非平衡面板数据。 方法一：下载命令xtbalance提取成一个平衡面板数据，但不推荐使用，因为会损失大量样本。 方法二：利用算法填补缺失值，需要经济理论和算法的支撑。 3。面板数据格式不符合要求的处理。 例如如下表格格式该如何处理？ 处理方法： 扁平数据变长条数据的命令：reshape use invest2,clear edit reshape long invest kstock, i(company) j(year) company invest2002 invest2003 invest2004 kstock2002 kstock2003 kstock2004 1 18.9 19.1 19.6 19.6 16.8 16.7 2 17.4 18.4 18.8 18.1 17.4 17 3 19 19.6 20.1 20.2 17 17.1 4 20 20.4 20.3 20.4 17.5 17.3 5 18.1 18.3 18.4 18.5 16.4 16.1 6 19.7 20 19.9 17.2 16.3 16.3 其他回归方法 1。聚类稳健的标准差 通常可以假设不同个体之间的扰动项相互独立，但同一个体在不同时期的扰动项之间往往存在自相关。故须采用聚类稳健的标准差。 use grunfeld,clear xtset company year reg invest mvalue kstock,vce(cluster company) 同理有： xtreg invest mvalue kstock,fe vce(cluster company) xtreg invest mvalue kstock,re vce(cluster company) 2。对于固定效应模型，可采用虚拟变量法。 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。 Stata上机实验 工具变量（IV） 什么情况下需要工具变量？ 1。遗漏变量 2。变量内生性问题 3。测量误差 使用这种方法的困难之处在于工具变量的“搜寻”，而不是在技术方面。 工具变量选择的要求： 1。相关性：工具变量与内生解释变量高度相关，即Cov(xt,pt) ≠0。 2。外生性：工具变量与扰动项不相关，即Cov(xt,ut) =0。 使用工具变量有两种方法：二阶段最小二乘法(2SLS)和广义矩估计法(GMM)。 二阶段最小二乘法：2SLS 主要思想：进行两阶段回归。 假设方程为： y=b1x1+b2x2+u 其中x1是外生变量，x2是内生变量，找到两个变量z1和z2，作为x2的工具变量。 第一阶段回归：reg x2 x1 z1 z2 x2结合了z1和z2的信息，此时取出x2的拟合值x2_hat。 第二阶段回归： reg y x1 x2_hat 广义矩估计法：GMM 基本思想： 求解如下一般化目标函数,使之最小化 J(b_GMM) = n*g(b_GMM)*W*g(b_GMM) 其中，W 为权重矩阵 在球型扰动项的假定下，2SLS 是最有效的。但如果扰动项存在异方差或自相关，则广义矩估计方法效果更好。 GMM方法又分为两步GMM法和迭代GMM方法。 使用grilic.dta估计教育投资的回报率。 变量说明：lw80（80年工资对数），s80（80年时受教育年限），expr80（80年时工龄），tenure80（80年时在现单位工作年限）， iq（智商），med（母亲的教育年限），kww（在‘knowledge of the World of Work’测试中的成绩），mrt（婚姻虚拟变量，已婚=1），age（年龄）。 建立方程： use grilic.dta,clear reg lw80 s80 expr80 tenure80 对方程进行分析： 1。遗漏变量问题：认为方程遗漏了“能力”这个变量，加入iq（智商）作为“能力”的代理变量。 2。测量误差