短面板数据分析的基本程序.pptVIP

Whileallthesetechniquesofestimatingthecovariancematrixarerobusttocertainviolationsoftheregressionmodelassumptions,theydonotconsidercross-sectionalcorrelation.However,duetosocialnormsandpsychologicalbehaviorpatterns,spatialdependencecanbeaproblematicfeatureofanymicroeconometricpaneldatasetevenifthecross-sectionalunits(e.g.individualsorfirms)havebeenrandomlyselected.*引入了时间虚拟变量导致exper消失usetraffic.dtaxtsetstateyearsumfatalbeertaxspirconsunrateperinck变量解释与变量的描述性统计twoway(scatterfatalbeertax)(lfitfatalbeertax)关键变量与被解释变量的散点图并画出回归直线第2步:描述性统计PLSorFEtabyear,gen(year)1.xtregfatalbeertaxspirconsunrateperinckyear2-year7,fe这里误差项可能存在自相关、异方差和截面相关问题，所以F检验显示的结果可能不可靠,所以严格的话，首先要检验是否存在截面相关问题，命令如下：xtcsd,pesxtcsd,frixtcsd,freTestingforCross-sectionalDependencextcsd短面板xttest2长面板xtcsdisapostestimationcommandvalidforuseafterrunninganFEorREmodel.xtcsdcanalsoperformPesaran’sCDtestforunbalancedpanels.在使用命令“xtreg,fe”时，如果不加选项cluster(state),则输出结果还包含一个F检验，其原假设为“H0:allui=0”,即混合回归是可以接受的。xi:xtsccfatalbeertaxspirconsunrateperinckyear2-year7i.state对州虚拟变量做F检验如果不存在截面相关，则xi:regfatalbeertaxspirconsunrateperinckyear2-year7i.state,cluster(state)对州虚拟变量做F检验xtregfatalbeertaxspirconsunrateperinckyear2-year7,re1xttest0/xttest1（AR(1)）2PLSorREPLSorREFEorREHausmantest1xtregfatalbeertaxspirconsunrateperinckyear2-year7,feeststoreFExtregfatalbeertaxspirconsunrateperinckyear2-year7,rehausmanFE,sigmamoreFEorREHausman检验：基本思想：如果,Fe和Re都是一致的，但Re更有效。如果,Fe仍然一致，但Re是有偏的。因此：如果原假设成立，则FE与RE估计量将共同收敛于真实的参数值，反之，两者的差距过大，则倾向于拒绝原假设，选择FE短面板数据分析的基本程序方红生浙江大学经济学院2013年秋参考书高级计量经济学及stata应用（陈强）03用Stata学计量经济学?02计量经济学导论第四版（伍德里奇）中文版或英文版01内容安排01第1讲??短面板数据分析0