短面板数据分析的基本程序优秀课件

1、2021/3/291 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2021/3/292参考书o计量经济学导论第四版（伍德里奇）中文版或英文版 o用用Stata学计量经济学学计量经济学 o高级计量经济学及stata应用（陈强）2021/3/293内容安排第1讲 短面板数据分析 第2讲 长面板数据分析（PPT 第3讲 内生性与工具变量法第4讲 动态面板数据模型 第5讲 双重差分模型及其应用 第6讲 基于DID的权威文献做对了吗？ （学生报告与讨论） 第7讲 PSMDID 第8讲 如何识别核心变量的作用机制？ 2021/3/294短面板数据o面板数据（panel data）是同时

2、在时间和截面上取得的二维数据，也称时间序列与截面混合数据（pooled time series and cross section data）。o是在一段时间内跟踪同一组个体的数据。既有横截面的维度（n个个体），又有时间维度（T个时期）。2021/3/295 StataStata中面板数据结构中面板数据结构companyyearinvestmvalue11951755.9483311952891.24924.9119531304.46241.7119541486.75593.621951588.22289.521952645.52159.4219536412031.321954459.3211

3、5.531951135.21819.431952157.32079.731953179.52371.631954189.62759.92021/3/296regioncodeyearrgdpinflation北京12000北京12001北京12002北京12003北京12004北京12005北京12006北京12007北京12008天津22000天津220012021/3/297o短面板：NT;反之为长面板。o平衡面板数据（balanced panel data）：如果每个个体在相同的时间内都有观测值记录。 For any i, there are T observations.o非平衡面板数

4、据（unbalanced panel）:T may different over i.2021/3/298Benefits of panel data analysis2021/3/299ittiititititituperinckunratespirconsbeertaxatal43210fuuse traffic.dta udes第一步:构造计量模型2021/3/2910面板数据模型p 非观测效应模型（unobserved effects model）固定效应模型(Fixed Effects Model, FE)随机效应模型(Random Effects Model, RE)o混合回归模型

5、（Pooled Regression Model）2021/3/2911固定效应模型(Fixed Effects Model, FE)则为固定效应模型与某个解释变量相关，如果为不可观测的个体效应其中iiitiitTtniuxuu,.,1;,.1yit2021/3/2912随机效应模型(Random Effects Model, RE)，则为随机效应模型与所有解释变量不相关如果为不可观测的个体效应其中iiitiitTtniuxuu,.,1;,.1yit2021/3/2913混合回归模型（Pooled Regression Model）Ttnixitit,.,1;,.1y, 0uiti为混合回归模

6、型：即不存在个体效应，则如果2021/3/2914模型的估计o固定效应模型固定效应变换（Fixed Effects Transformation）（组内变换）(Within Transformation)LSDV (Least Square Dummy Variable 2021/3/2915( (式式1)1)给定第给定第i i 个个体，将个个体，将( (式式1)1)两边对时间取平均可得，两边对时间取平均可得，(式式2)固定效应变换o itiititXY1iiiiXY12021/3/2916 (式式1)(式式2)得：得：可以用可以用OLS方法估计方法估计，称为，称为“固定效应估计量固定效应估计

7、量”（FixedEffectsEstimator），记为），记为FE由于由于主要使用了每个个体的组内离差信息，故主要使用了每个个体的组内离差信息，故也称为也称为“组内估计量组内估计量”（withinestimator）。）。FE令令 ，则，则 2021/3/2917Stata 命令oxtreg ,feoxi: xtreg i.year, fe2021/3/2918LSDV(Least Square Dummy Variable )o基本思想：将不可观测的个体效应基本思想：将不可观测的个体效应ai看做待估看做待估计的参数，计的参数，ai就是第就是第i个个体的截距。估计个个体的截距。估计n个个截距

8、的方法就是引入截距的方法就是引入n1个虚拟变量（如果省个虚拟变量（如果省略常数项，则引入略常数项，则引入n个虚拟变量）个虚拟变量）。2021/3/2919o例如：共有例如：共有7个州，方程可以写成：个州，方程可以写成：01112233445566ititiYXDDDDDDu7个州的回归线斜率相同，但截距不同。个州的回归线斜率相同，但截距不同。第第1个州的截距是：个州的截距是：第第2个州的截距是：个州的截距是：第第3个州的截距是：个州的截距是：第第4个州的截距是：个州的截距是：102013024032021/3/2920Stata 命令oxi: reg i.codeoxi: reg i.code

9、 i.year2021/3/2921随机效应模型估计oGLS The usual pooled OLS can give consistent estimators ,but as its standard errors ignore the positive serial correlation in the composite error term, they will be incorrect.itiitstisit),/(),(Corr2222021/3/2922oSolution: GLS transformation to eliminate the serial correlat

10、ion)()(.)()1 (y1110itiitikitkkiitixxxxy:These estimators can be based on the pooled OLS or fixed effects residuals.2021/3/2923oRandom Effects Estimator: The feasible GLS estimator that usesin place of2021/3/2924RE,FEandPLS（相对重要时）不重要时相对，FEREOLSEii, 1)u(R0012021/3/2925Stata 命令oxtreg ,reoxi:xtreg i.yea

11、r ,re2021/3/29262021/3/2927进一步的解释o heteroscedasticity consistent or “White” standard errors are obtained by choosing option vce(robust) which is available for most estimation commands.2021/3/2928oStatas estimation commands with option robust also contain a cluster() option and it is this option whic

12、h allows the computation of so-called Rogers or clustered standard errors.2021/3/2929 But oWhile all these techniques of estimating the covariance matrix are robust to certain violations of the regression model assumptions, they do not consider cross-sectional correlation. However, due to social nor

13、ms and psychological behavior patterns, spatial dependence can be a problematic feature of any microeconometric panel dataset even if the cross-sectional units(e.g. individuals or firms) have been randomly selected.2021/3/29302021/3/29312021/3/29322021/3/2933*引入了时间虚拟变量导致exper消失2021/3/2934第2步:描述性统计o

14、变量解释与变量的描述性统计usetraffic.dta xtset state year sum fatalbeertaxspirconsunrateperincko关键变量与被解释变量的散点图并画出回归直线 twoway (scatter fatalbeertax) (lfit fatalbeertax)2021/3/2935oPLS or FE tab year, gen(year)1.xtregfatalbeertaxspirconsunrateperinckyear2-year7,fe 这里误差项可能存在自相关、异方差和截面这里误差项可能存在自相关、异方差和截面相关问题，所以相关问题，

15、所以F F检验显示的结果可能不可靠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：问题，命令如下：xtcsd,pesxtcsd,frixtcsd,fre 第3步:模型选择2021/3/2936TestingforCross-sectionalDependenceoxtcsd 短面板oxttest2 长面板oxtcsd is a postestimation command valid for use after running an FE or RE model.oxtcsd can also perform Pes

16、arans CD test for unbalanced panels.2021/3/2937PLS or FEo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:all ui=0”,即混合回归是可以接受的。2021/3/29382.xi:xtsccfatalbeertaxspirconsunrateperinckyear2-year7i.state对州虚拟变量做对州虚拟变量做F F检验检验 如果不存在截面相关，则如果不存在截面相关，则xi:regfatalbeertaxspirconsunrateperinckyear

17、2-year7i.state,cluster(state)对州虚拟变量做对州虚拟变量做F检验检验2021/3/2939oPLS or RElxtregfatalbeertaxspirconsunrateperinckyear2-year7,relxttest0/xttest1（AR(1)）2021/3/2940PLS or RE2021/3/2941oFE or REuHausman test1xtregfatalbeertaxspirconsunrateperinckyear2-year7,feeststoreFExtregfatalbeertaxspirconsunrateperincky

18、ear2-year7,rehausmanFE,sigmamore2021/3/2942 Hausman检验：检验：o基本思想：如果基本思想：如果 , Fe 和和 Re 都都是一致的，但是一致的，但Re更有效。更有效。 如果如果 , Fe 仍然一致，但仍然一致，但Re是有是有偏的。偏的。 因此：因此： 如果原假设成立，则如果原假设成立，则FE与与RE估计量将共同收敛于真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，选择绝原假设，选择FE( ,)0iitCovX( ,)0iitCovXFE or RE2021/3/294320

19、21/3/2944解决办法：构造一个辅助回归2021/3/2945继续o基于随机效应估计的自相关检验 xtserial fatalbeertaxspirconsunrateperinckyear2-year72021/3/2946Hausman test2oquietlyxtregfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7,reoscalartheta=e(theta)oglobalyandxforhausmanfatalbeertaxspirconsunrateperinckyear2year3year4ye

20、ar5year6year7osortstateoforeachxofvarlist$yandxforhausmanbystate:egenmeanx=mean(x)genmdx=x-meanxgenredx=x-theta*meanxquietlyregredfatalredbeertaxredspirconsredunrateredperinckredyear2redyear3redyear4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear

21、7,vce(clusterstate)otestmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear72021/3/2947Hausman test 32021/3/2948o基于随机效应估计的截面相关检验 xtregfatalbeertaxspirconsunrateperinckyear2-year7,rextcsd,pesabsxtcsd,friabsxtcsd,freabs 2021/3/2949Hausman test3pquietlyxtsccredfatalredbeertaxr

22、edspirconsredunrateredperinckredyear2redyear3redyear4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7otestmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear72021/3/2950第4步：报告计量结果o假设Hausman test 选择FE，则xtregfatalbeertaxspirconsunrateperinckyear2-year7,fextcsd,pesabsxtcsd,friabsxtcsd,freabs2021/3/2951o如果存在截面相关，则最终报告由如下命令估计的结果： xtscc fatalbeertaxspirconsunrateperinckyear2-year7,fe 其中标准误是其中标准误是Driscoll-Kra