实证研究方法论——Stata应用 课件 第6章 面板数据分析.pptx

第6章 面板数据分析;面板数据分析概述 线性面板数据模型与Stata实现 动态面板数据的广义矩方法 非线性面板数据模型与Stata实现 利用面板数据做项目评价与政策分析与Stata实现;面板数据分析;面板数据分析;为什么使用面板数据？;使用面板数据的第二个原因是可以增大样本量。降低估计量的标准误，自由度＝n-k，s＝sqrt(e’e/(n-k)) 使用面板数据还有助于正确理解变量之间的关系（产出、规模和技术进步），可以度量难以度量的因素（地理差异） Hsiao（1985，1986）等列出了使用面板数据的好处 ;对于横截面观测值i，t期的面板数据模型通常为： ;对于情形1，在横截面上无个体影响、无结构变化 对于情形2，称为变截距模型，在横截面上个体影响不同，个体影响表现为模型中被忽略的反映个体差异的变量的影响，又分为固定效应模型和随机效应模型两种情况。;;对于情形3，称为变系数模型，除了存在个体影响外，在横截面上还存在变化的经济结构，因而结构参数在不同横截面单位上是不同的。;如果在横截面上无个体影响、无结构变化，扰动项uit服从独立同分布假定，而且和解释变量不相关，那么普通最小二乘估计给出了α和β的一致有效估计。 如果仅在横截面单位存在异方差，最简单的方法是仍然通过使用异方差稳健标准误（heteroscedasticity-robust standard error）来控制异方差的影响。 如果样本观测值可以分为不同的“群或聚类”（clusters），在同一“群”里的观测值互相相关，而不同“群”之间的观测值不相关，这种样本称为“群/聚类样本”（cluster sample）。为了控制组间异方差以及群问题的影响，在统计推断中应采用群稳健标准误（cluster-robust standard error），或者采用GLS估计。;在Stata中，可以在reg命令后加robust、cluster选项来控制异方差和群问题的影响。可以通过下载非官方命令xttest3、xtserial、xtcsd/ xttest2来检验面板数据是否存在组间异方差、组内自相关、组间同期相关问题。可以使用xtgls来进行广义最小二乘估计。;在模型（6-1）中，如果个体固定效应ai和解释变量xit相关，那么OLS和GLS都将失效。 一种方法是采用一阶差分（适用两期或多期数据），去除模型（6-1）???的固定效应，由此得到的估计量为一阶差分估计量（first- differenced estimator，FD估计量）。 ;另一种方法是使用固定效应变换（fixed effects transformation），又称组内估计量（within estimator），来消除个体效应的影响。 这种基于去除时间均值变量的混合OLS估计量被称为固定效应估计量（fixed effects estimator）或组内估计量（within estimator）。;当T=2时，FD和FE的估计值及其全部检验统计量都完全一样，故可随便选用一种。 当T≥3时，FE和FD估计量便不相同。 当uit无序列相关时，固定效应法比一阶差分更有效。反之一阶差分更有效。 当T很大时，尤其是当N还不是很大时（比如，N=20而T=30），使用固定效应估计量必须保持警惕。 存在差异，同时报告两种方法的结果也讲的通 在固定效应模型中，同样需要群-稳健标准误来控制异方差和群问题的影响。;在模型（6-1）中，如果个体效应αi和解释变量xit不相关，那么使用FE和FD消去αi的变换则导致了非有效估计量。 第一，OLS虽得到参数的一致估计，但标准误差被低估。 第二，OLS估计不如可行的广义最小二乘估计有效。 在随机效应模型中，同样需要群-稳健标准误来控制异方差和群问题的影响。;在Stata中，可以采用xtreg命令进行固定效应和随机效应模型估计。选项fe表示固定效应估计，选项re表示随机效应估计。 固定效应模型（Fixed-effects (FE) model） xtreg depvar [indepvars] [if] [in] [weight] , fe [FE_options] 随机效应模型（GLS random-effects (RE) model） xtreg depvar [indepvars] [if] [in] [, re RE_options] 在Stata中，可以使用reg命令和areg命令进行最小二乘虚拟变量回归（LSDV），以获得固定效应模型相同的结果。 使用非官方的Stata命令reghdfe，能方便地估计双向固定效应（选项absorb(FE1=idcode FE2=year)）和双向cluster效应（选项cluster(idcode year)）。 ssc install reghdfe;对