stata上机实验第五讲——面板数据的处理...pptVIP

2021/7/26 * tab company,gen(dum)（批量生成变量） drop dum1 reg invest mvalue kstock dum*（ *表示未知数） 与上述方法比较一下： xi:reg invest mvalue kstock pany 结果完全一样。 . 2021/7/26 * 组间估计法 对于随机效应模型，还可以采用“组间估计量”。对于那些每个个体的时间序列数据较不准确或“噪音”较大的数据，可对每个个体取时间平均值，然后用平均值来回归。 xtreg invest mvalue kstock ,be 由于损失了较多信息量，组间估计法并不常用。 . 2021/7/26 * 极大似然估计 如果随机效应模型中假设扰动项服从正态分布，则可以使用最大似然估计法（MLE）来进行估计。 xtreg invest mvalue kstock ,mle 与随机效应模型的估计比较结果几乎完全一致。 . . 2021/7/26 * (最新整理)stata上机实验第五讲——面板数据的处理.. 2021/7/26 * 面板数据 . 2021/7/26 * 一些面板数据教材 面板数据分析 （美）萧政 著 横截面与面板数据的经济计量分析 伍德里奇　著，王忠玉　译 Baltagi. Econometric Analysis of Panel Data 最新动态可关注期刊： Journal of Econometrics . 2021/7/26 * 面板数据一些前沿问题 面板向量自回归模型(Panel VAR) 面板单位根检验(Panel Unit Root test) 面板协整分析(Panel Cointegeration) 门槛面板数据模型(Panel Threshold) 面板联立方程组 面板空间计量 . 2021/7/26 * 静态面板数据 静态面板数据模型，是指解释变量中不包含被解释变量的滞后项(通常为一阶滞后项) 的情形。但严格地讲，随机干扰项服从某种序列相关的模型，如AR(1), AR(2), MA(1) 等，也不是静态模型。静态面板数据主要有两种模型------固定效应模型和随机效应模型。 . 2021/7/26 * 面板数据的格式 company year invest mvalue 1 1951 755.9 4833 1 1952 891.2 4924.9 1 1953 1304.4 6241.7 1 1954 1486.7 5593.6 2 1951 588.2 2289.5 2 1952 645.5 2159.4 2 1953 641 2031.3 2 1954 459.3 2115.5 3 1951 135.2 1819.4 3 1952 157.3 2079.7 3 1953 179.5 2371.6 3 1954 189.6 2759.9 . 2021/7/26 * 面板数据模型 考虑如下模型： Yit=Xitb+Uit uit=ai+εit 其中， i=1,2,… N ; t=1, 2,…T(既有i又有t的情况则一般是用面板数据） uit称为复合扰动项。 . 2021/7/26 * 固定效应模型 对于特定的个体i而言，ai 表示那些不随时间改变的影响因素，如个人的消费习惯、国家的社会制度、地区的特征、性别等，一般称其为“个体效应” (individual effects)。如果把“个体效应”当作不随时间改变的固定性因素， 相应的模型称为“固定效应”模型。 . 2021/7/26 * 固定效应模型 固定效应模型的公式变为： Yit=ai+Xitb+εit 回归结果是每个个体都有一个特定的截距项。（ai在这里就独立出来了） . 2021/7/26 * . 2021/7/26 * 随机效应模型 随机效应模型将个体效应ai视为随机因素，即把个体效应设定为干扰项的一部分。公式将变为： Yit=Xitb+(ai+εit) 回归的结果是随机效应模型的所有的个体具有相同的截距项，个体的差异主要反应在随机干扰项的设定上。 . 2021/7/26 * 怎样选择固定效应和随机效应？ 随机效严格要求个体效应与解释变量不相关，即 Cov(ai,XitB)=0 而固定效应模型并不需要这个假设条件。 这是两种模型选择的关键。 . 2021/7/26 * 面板数据基本命令 1、指定个体截面变量和时间变量：xtset（ 2、对数据截面个数、时间跨度的整体描述：xtdes。分组内、组间和样本整体计算各个