stata与计量经济学,eviews高级培训教程iii-74xt dynamic panel data

1、动态面板动态面板：被解释变量的滞后项作为解释变量。yit yi,t 1xit uit i vituitFixed effect estimation: ( yi,t 1xi ) (vit viyiyi,1 ) (xityit)Random effect estimation: yi ( yi,t 1 yi xi ) (uit ui,1 ) (xityit)1差分工具变量估计yit yi,t 1xit uit i vituityit yi,t 1 ( yi,t 1 yi,t 2 ) (xit xi,t 1 ) (vit vi,t 1 )Accoording Anderson and Hsiao(

2、1981):yi,t 2 yi,t 3Instruments : yi,t 2 ,2差分工具变量估计利率对通货膨胀率回归.Or.use infla, clearxtivreg depr dcpi (L.depr=L2.depr ), fdivregress ivregressivregress2sls 2sls2slsD.depr D.deprD.deprD.dcpi D.dcpiD.dcpi(LD.depr=L2D.depr) (LD.depr=L2.depr)(LD.depr=L2.deprL2D.depr)Arrelano and Bond(1991)M.:nL.n wkysyr*use

3、 abond, cleardes3Arrelano and Bond(1991) yi,t 1 ( yi,t 1 yi,t 2 ) (vitDifference : yit )i,t ) yi 2 ) (vi 4 vi3 ) yi1, yi 2 ( yi,T 1yiT yi,T 1 yi1 yi,T 2 ) (viT vi,T 1 ) yi1, yi 2 , yi ,T 2y , y i1i 2Wiy , y, yW W1 ,W2 ,i,T 2 i1i 2,WN4Arrelano and Bond(1991)其一，直接利用传统的gmm估计，利用数据进行估计。其二，由d.v=v(t)-v(t-1

4、)到Omega的矩阵形式。y y1 v W y W y1 W v yW 1W y1 yW 1W y1111GMM : NT W W var(WitvitvitWiv)LLNTi 1 t 1 : NTTwo Step : G)W W GWv) (I G) W (I Var(2vNNititi 1 t 112 20110 GT T2112 1v is obtaind from 15Arrelano and Bond(1991)Arrelano and Bond(1991): endogeneous.xtabond n,lags(#) maxldep(#) twostepmaxldep(#): nu

5、mber of lags use as ivtwostep: two-step estimator; defaultis GMM.M:nL.n.use xabdata, clearxtabond n,xtabond n,lags(1) IV: L(2/.).n,lags(1) maxldep(3) L(2/4).n,(19ivs)t=3: x1; t=4:x1,x2; t=5: x1,x2,x3; t=6: x2,x3,x4; .注：Sa自动从滞后2阶开始作为工具变量，用户需要设定最高的滞后阶数的个数。SA6Arrelano and Bond(1991)如果模型中存在其它变量，则需要根据变量的

6、内生性情况选择恰当的工具变量。如果x仅与扰动项不相关，则x只能作为差分方程的工具变量。严格外生：D.x（t=3,4,T)预定变量：L.x （t=3,4,.,T)内生变量：L2.x （t=3,4,.,T)如果x与效应和扰动项都不相关，则x可以作为水平方程的工具变量。严格外生：D.x （t=3,4,.,T)预定变量：L.x （t=2,3,.,T)7Arrelano and Bond(1991)严格外生性的情况：First Difference :yit yi,t 1 ( yi,t 1 yi,t 2 ) (xit xi,t 1 ) Strictly exogeneous : E(xitvis ) 0

7、, s t.Instruments : xit(vit)i,t yi3 ( yi 3) yi 2 ) (xi 4) xi3 ) (vi 4), vi3 ) yi1, yi 2 , xi 4yi 4yiT yi,T 1 ( yi,T 1 yi,T 2 ) (xiT xi,T 1 ) (viT vi,T 1 ) yi1, yi 2 , yi,T 2 , xiT8Arrelano and Bond(1991)Arrelano and Bond(1991)M.:nL.n wkys yr*use abdata, cleardesabond nwkys yr*, lags(1)注：Sa自动将外生变量的差分

8、项作为工具变量。9Arrelano and Bond(1991)预定变量的情况Difference :yit yi,t 1 ( yi,t 1 yi,t 2 ) (xit xi ,t 1 ) (vit vi ,t 1 ) Predetermined : E(xitvis ) 0, s t; E(xitvis ) 0, s tInstrumentsi,t 1) yi 2 ) (xi 4), xi 2 ( yi3 xi3 ) (vi 4 vi3 ) yi1, yiyi 4 yi3i3yiT yi,T 1 ( yi ,T 1 yi ,T 2 ) (xiT xi ,T 1 ) (viT vi ,T 1

9、) yi1, yi 2 , yi,T i3 , xi,T 110Arrelano and Bond(1991)Arrelano and Bond(1991) : predeterminedM:nL.nwkys yr* ,wis predetermined.use abdata,clearys yr*, lags(1) pre(w, lagstruct(0,.)xtabond nk.xtabond nkys yr*, lags(1) pre(w, lagstruct(0,4)Note: pre(varlist, lagstruct(premaxlags, premaxlag)premaxlag

10、= max lag of predetermined variablespreivmaxlag =max lag used as instrument variables注：Sa自动地从滞后1阶开始计，用户需要通过preivmaxlag设定最高的滞后阶数。11Arrelano and Bond(1991)内生解释变量的情况Difference :yit yi,t 1 ( yi,t 1 yi,t 2 ) (xit xi,t 1 ) (vit vi,t 1 ) Endogeneous : E(xitvis ) 0, s t; E(xitvis ) 0, s tInstrumentsi,t 2 (

11、yi 2 yi1 ) (xi3t 3: yi3 t 4: yi 2xi 2 )(vi3 vi 2 ) yi,()(), xi1 , xi 2 ( yi,T 1, yi,T2 xi,T 1 ) (viTt T : yiTyi,T 1yi,T 2 ) (xiT vi,T 1 ) yi1, yi 2 ,i3 , xi,T 212Arrelano and Bond(1991)Arrelano and Bond(1991): endoegenousM:nL.n wkys yr* ,wis endogeneous.kys yr*, lags(1) endog(w, lagstruct(0,4)iv: L(

12、2/5).w Note:endog(varlist, lagstruct(endogmaxlag, endogivnum)endogmaxlag =endogivnum =max lag of endogeneous variablesnumber of lags used as instruments13Arrelano and Bond(1991)思考：如果模型为AR(p)，那么工具变量应作如何调整？如果模型中存在预定变量的一阶滞后，那么工具变量应作如何调整？如果模型中存在内生解释变量的一阶滞后，那么工具变量应作如何调整？Key:对于AR(p)模型，工具变量没有变化，仍为L(2/.).y设

13、模型中存在预定变量x及其滞后项L#.x，则工具变量为L(1/.).L#.x。（如果没有预定变量的滞后，则工具变量为 L(1/.).x）。设模型中存在内生解释变量及其滞后项x,L#.x，则工具变量为L(2/.).L#.x。（如果没有内生解释变量的滞后，则工具变量为L(2/.).x）。14Arrelano and Bond(1991)Arrelano and Bond(1991) : predeterminedMw.:nL.n L(0/1).w kys yr* ,is predetermineduse abdata, clearxtabond nkys yr*, lags(1) pre(w,lag

14、struct(1,.).xtabond nkys yr*, lags(1) pre(w,lagstruct(1,4)Note: pre(varlist, lagstruct(premaxlag,preivmaxlag)premaxlag =max lag of predetermined variable preivmaxlag = max lag used as instruments15Arrelano and Bond(1991)Arrelano and Bond(1991): endogeneousM:nL.n L(0/1).w kys yr* ,wis endogeneous.use

15、 abdata, clearxtabond nkys yr*, lags(1)endog(w,lagstruct(1,.)xtabond nkys yr*, lags(1)endog(w,lagstruct(1,4)Note:endog(varlist, lagstruct(endogmaxlag, endogivnum)endogmaxlag =max lag of endogenous variables endogivnum = number of lags used as instruments16Arrelano and Bond(1991)如果变量与效应和扰动项都不相关，则可以作为

16、水平方程的工具变量。u ( yyv )i,1 iii y yui ii,1WW iWL ii 17Bdell and Bover(1995)/ Bdell and Bond (1998)Bdell and Bover(1995), Bdell and Bond (1998)等发现水平方程的矩条件，包括：水平方程：因变量y的差分滞后：LD.y（GMM)预定解释变量x的差分：D.x （GMM)内生解释变量x的差分滞后： LD.x常数项（Standard)（GMM)差分方程（与ArelanoandBond(1991)相同）：因变量y的2阶滞后L(2/#).x（GMM)预定解释变量x的滞后：L(1/#

17、).x（GMM)（GMM)内生解释变量x的2阶滞后L(2/#).x严格外生解释变量x的差分：D.x（standard)18Bdell and Bover(1995)/ Bdell and Bond (1998)Sa将工具变量分为两类：GMM类型和Standard类型GMM类型是指：diag(W1,W2,.)Standard类型是指严格外生变量（包括常数项）在gmm命令中，Sa将工具变量分为两类：xtinstruments()和instrumetns()类型。 xtinstruments()即GMM类型，instrumetns()类型即 Standard类型。.gmm(residuals),xt

18、inst()inst().19Sa - xtdpdXtdpd varlist if in,optionsdgmmiv(varlist , lagrange(flag llag)：水平变量作为差分方程的工具变量。即L(flag/llag).x，默认为L(2/.).x)。lgmmiv(varlist , lag(#)：差分变量作为水平方程的工具变量。即L#D.x，默认为LD.x。iv(varlist , nodifference)：水平变量作为水平方程的工具变量，差分变量作为差分方程的工具变量（如果设定 nodifference，则利用水平变量作为差分方程的工具变量）。div(varlist ,

19、nodifference)：差分变量作为差分方程的工具变量（如果设定nodifference，则利用水平变量作为差分方程的工具变量）。liv(varlist) ：水平变量作为水平方程的工具变量。Note: iv,div,liv设定的变量不能重复。20Sa - xtdpdArellanoandBond(1991)用L(2/.).y以及D.x（对于外生变量x）L(1/.).Lk.x（对于预定变量L(0/k)）L(2/.).Lk.x（对于内生变量L(0/k)）作为差分方程的工具变量。可以等价地输入如下命令。.useabdlearxtdpdnL.nwys,dgmmiv(n)div(wys)xtabondnwys.xtdpdnL.nwys,dgmmiv(n,lagrange(25)div(wys)xtabondnwys,maxldep(4