stata与面板数据回归精编版.pptVIP

xtreg命令的应用： 声明面板数据类型：tsset sheng t 描述性统计：xtsum gdp invest sci admin 1.固定效应模型估计： xtreg gdp invest culture sci health admin techno,fe 固定效应模型中个体效应和随机干扰项的方差估计值(分别为sigma u 和sigma e），二者之间的相关关系(rho) 最后一行给出了检验固定效应是否显著的F 统计量和相应的P 值，本例中固定效应非常显著 2.随机效应模型估计： xtreg gdp invest culture sci health admin techno,re 检验随机效应模型是否优于混合OLS 模型： 在进行随机效应回归之后，使用xttest0 检验得到的P 值为0.0000，表明随机效应模型优于混合OLS 模型 3. 最大似然估计Ml： xtreg gdp invest culture sci health admin techno,mle 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) 面板数据模型与stata软件的应用 一、什么是面板数据 二、面板数据模型的优势 三、面板模型的估计方法：FE和RE 四、stata软件简介 五、如何用stata估计面板模型：案例分析 一、面板数据类型 时间维度+截面维度 如我们在分析中国各省份的经济增长时，共有31个截面，每个截面都取1979-1998共20年的数据，共有620个观察值，这是一个典型的平行面板数据 上市公司财务数据，研究一段时期内（1998-2008）上市公司股利的发放数额与股票账面价值之间的关系，共有20 ×11=220个观测值 强调经济理论基础、强调微观行为基础 表1 1996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费数据（不变价格） 地区人均消费 1996 1997 1998 1999 2000 2001 2002 CP-AH（安徽） 3282.466 3646.150 3777.410