面板数据模型与stata应用.pptxVIP

1;第一讲 短面板;第3页/共83页;面板数据的分类;第5页/共83页;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）;第7页/共83页;表2 上市公司的投资与股票账面价值：N=20,T=4;面板数据模型的优点;举例;;面板数据模型的误差项由两部分组成： 一部分是与个体观察单位有关的，它概括了所有影响被解释变量，但不随时间变化的因素，因此，面板数据模型也常常被成为非观测效应模型； 另外一部分概括了随截面随时间而变化的不可观测因素，通常被成为特异性误差或特异扰动项 ;在实践中常采用折衷策略，即假定个体的回归方程拥有相同的斜率，但可以有不同的截距项，以此来捕捉异质性。;由于面同一个体在不同时期的扰动项之间往往存在自相关，故应使用“聚类稳健的标准差”（cluster-robust standard error），而所谓“聚类”（cluster），就是由每个个体不同时期的所有观测值所组成。同一聚类（个体）的观测值允许存在相关性，而不同聚类（个体）的观测值则不相关。;第15页/共83页;第16页/共83页;第17页/共83页;第18页/共83页;第19页/共83页;第20页/共83页;第21页/共83页;第22页/共83页;第23页/共83页;动态模型 y=.8y(-1)+v，样本容量分别为T=20，50，100时，各模拟2万次;3. 面板数据模型估计方法;第26页/共83页;第27页/共83页;第28页/共83页;第29页/共83页;第30页/共83页;;第32页/共83页;第33页/共83页;第34页/共83页;面板模型选择：固定效应还是随机效应;;固定效应模型;;2、而当我们研究某个县市居民的消费行为时，由于样本数相对于江苏省几千万人口是个很小的样本，此时，可以认为个体居民在个人能力、消费习惯等方面的差异是随机的，采用随机效应模型较为合适 随机效应模型： RE认为个体的差异是随机的，其中 非观测的个体差异效应 与随机扰动项一样都是随机变量 ;总结：如果把非观测效应看做是各个截面或个体特有的可估计参数，并且不随时间而变化，则模型为固定效应模型； 如果把非观测效应看作随机变量，并且符合一个特定的分布，则模型为随机效应模型 ;;; ;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??? quietly xtreg fatal beertax spircons unrate perincK,fe est store fix 第二步：估计随机效应模型，存储结果 quietly xtreg fatal beertax spircons unrate perincK,re est store ran 第三步：进行hausman检验 hausman setconsist seteff (setconsist为固定效应模型估计名称，seteff为随机效应模型估计名称) fix ran ;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。 在这里，零假设是随机效应成立，即个体效应和解释变量无关。 ;案例:美国公路交通死亡人数与啤酒税的关系研究 以数据集为例;四、stata软件简介;估计结果;回归诊断：;画图;;;;五、Stata对面板数据模型的估计;随机效应模型;Stata对面板数据模型的估计;;;;;;;Hausman检验;;;;;;第二讲 长面板;;第71页/共83页;第72页/共83页;第73页/共83页;第二讲 动态面板;第75页/共83页;DID-GMM;DID-GMM存在的问题;第78页/共83页;第79页/共83页;SYS-GMM;应用;第82页/共83页;感谢您的观看！