STATA面板数据模型操作命令

《STATA面板数据模型操作命令》由会员分享，可在线阅读，更多相关《STATA面板数据模型操作命令（14页珍藏版）》请在装配图网上搜索。

1、STATA面板数据模型估计命令一览表一、静态面板数据的STAT础理命令YitiXitYitXitit固定效应模型精选ititit随机效应模型（一）数据处理输入数据tssetcodeYear该命令是将数据定义为“面板”形式xtdes该命令是了解面板数据结构summarizesqcpiunemgse5In各变量的描述性统计（统计分析）.xrdescode:year:1j21.,202004.20052014Delta(yearj=1unitspan(yearJ=11periodsCcode*yearuniquelyidentifieseachobservation)n=T二2D11plstribu

2、tianof:min5%25%50%75%95%max11111111111111-req.PercentCum.Pattern20100,00100.0011111U11112Q100.00XXXXXXXXXXXgenlag_Y=L.Y/产生一个滞后一期的新变量.summarizescVaria_blecpiunemgse5In&bsMeanStd.Dev.MinMaxr料tpiunem摧220.914279B2,9303464.75e-O626.22301Z201.10655.03249&1.0451.Z5220*034945510071555.012.046220.10907.M2752

3、3-0246.2357220.0268541.0116719.0053.0693In220.1219364.0240077,074-203genF_y=F.y/genD_y=D.y/genD2_y=D2.y/产生一个超前项的新变量产生一个一阶差分的新变量产生一个二阶差分的新变量（二）模型的筛选和检验1、检验个体效应（混合效应还是固定效应）（原假设：使用OLS混合模型）xtregsqcpiunemgse5ln,feKt“nlm，qwiTNicodeMM口Waw-ftrIHibe:*weennv广日i113LOIXAA-O-8卫。6uQfrC*3.工its心O.OOOO&OJ号F:a!。，号g0富

4、ZCMWWW%号s#?NFooocols-SOCOO4点口ZMNSFdl130:30iizM-7J:m0弃二l43-l二一_一_一与4，吉D1密干必sqrxMtagCv_b-vg4.40744Hunem-1B7.W-7339e3g-E.3&BBS4一B.JLO3B79IJ_.73ZT96a6J_yB2Z77.57O45.a卫5365.robchii2-o.oouo(Vh-V_Rianotpoai11vrdeTinit可以看出，hausman检验的P值为0.0000,拒绝了原假设，认为随机效应模型的基本假设得不到满足。此时，需要采用工具变量法和是使用固定效应模型。（三）静态面板数据模型估计1、固

5、定效应模型估计xtregsqcpiunemgse5ln,fe(如下图所示）xtregsq亡pHunemgs-eSif1Ked一erTeczi:三Cw1trmnJregressrllonCaivup1c&bIe.归*c_p1yn略mO-Wko.ozezo*oc&nobsjpiergroup:minnvgfnatx.FCsffig5F3rotpaFST0+111.adLlHrgo.oooo05%ConrBIrrtcrV*1J2.yiKati-XB7.-6.36fi6B47B.W扣F?20.28567a4-bzeso?4a3O21B3.93/7B行44012B30206BZ?sbTO.SS=1.2.

6、19Proba尸=o,oooo其中选项fe表明我们采用的是固定效应模型，表头部分的前两行呈现了模型的估计方法、界面变量的名称（id）、以及估计中使用的样本数目和个体的数目。第3行到第5行列示了模型的拟合优度、分为组内、组问和样本总体三个层面，通常情况下，关注的是组内（within），第6行和第7行分别歹U示了针对模型中所有非常数变量执行联合检验得到的F统计量和相应的P值，可以看出，参数整体上相当显著。需要注意的是，表中最后一行列示了检验固定效应是否显著的F统计量和相应的P值。显然，本例中固定效应非常显著。2、随机效应模型估计若假设本例的样本是从一个很大的母体中随机抽取的，且.与解释变量均7i不

7、相关，则我们可以将j视为随机干扰项的一部分。此时，设定随机效应模型更为合适。xtregsqcpiunemgse5ln,re（如下图所示）RandomefrectsGiROLipVdiF1dJblbleI,220_rFkj4.4G7440-114?3CM-B-iLEiB797Tb5HTO1、-BN5BIS!5JL*tftiXAUX.965B5922.COX70Bl49003253、时间固定效应4.2OG4440.792OZ3-oxosa*15.1:LS3O92J7BoirilclqJrnJndJ300057o.o.*IQ-s，23G037-1M-.1BZ3-XS_76IB49dTs531(5-1

8、S-Ol6-4JSx2.1405X73-34.?7B=i=t一.皿司日卫/上上1OT,25flfl卫八2B722t$.ay/ojCFractionofvar1ancedueto(以上分析主要针对的是个体效应)Waidclhii2C5*iTot?ac.Hl2*如果希望进一步在上述模型中加入时间效应，可以采用时间虚拟变量来实现。tr先，我们需要定义一下T-1个时间虚拟变量。tabyear,gen(dumt)(tab命令用于列示变量year的组类别，选项gen(dumt)用于生产一个以dumt开头的年度虚拟变量)dropdumtl(作用在丁去掉第一个虚拟变量以避免完全共线性)mfcsyeVauITa

9、rgdnCwrrrt、IF-r-=1-ircz*1m土xuVJ1m-Vcdr-T-EZboIR日TLJimtr22o1oO*Oo若在固定效应模型中加入时间虚拟变量，则估计模型的命令为:xtregsqcpiunemgse5Indumt*,fexreqsqcpinemqswS1nduimt*+1FeFixied-affetlfe(withinwwiionGroupvariable:ccxlcR-iq:MilthInO.2818hTwPH-0.02SIOverallO.G9子5Numbercjfob=220Numberofgroups20b刍pergroupmIn一11avg二11.011FCl5.

10、185=4.8prnhFQ.onooCora5td.Err-Liu/rrgse1ndum2dunudurrr4dumt$durvt6duiwtzdufit8dunt9riimTlOHurnrtllcons3-774E34-37.OOCM373.11105277.13.OJ1L2f301057a-7&46+391B-13.25511-1.5471931.5887B-1.1114377171745.89740a距89日74-.262597.OB17745,3362ft71-18.BGSghfi13.5G39&0-4196613.15078108340939.31?35.5450769.S14557

11、51.436831JL.8369681.7601241.95513Z.4383133.12&7273.4758224,0022575003865Corr(ij_1pXbJ-0-1752GgiiJU2*1&6-15055igma_e1.982827rHo.550S8173ffrAttionofvdLi*idinceduetou_iFtestthatallu_i-O;F(19.1S5)=10.75Prabf-o.00001、异方差检验（四）异方差和自相关检验（组问异方差）本节主要针对的是固定效应模型进行处理（1）检验原假设：同方差需要检验模型中是否存在组问异方差，需要使用xttest3命令quix

12、tregsqcpiunemgse5ln,fexttest3.quixtregsqcpiunemgse51n,fe.xttesr3ModifiedwaldtestforgroupwisehetercskedasticityinfixedeffectregressionmodelHO:sigma(i)2sigma2forallichi2(20)-11561.60Probchi2-0.OOOQ显然，原假设被拒绝。此时，需要进一步以获得参数的GLS古计量，命令为xtgls:xtglssqcpiunemgse5ln,panels(heteroskedastic)XTgIssqcpiunengs1n.pa

13、neIsCrieteroskedatst1cjcross-seerianame-ser1esf-islsreqiresslonorTTirichi.2563J79?T.643&4=3ZBIZX10.700-B-_672X03m020291?1.771116E*5953JL.Wmg2_3TM5A2-7Q11ft43730?.!thQolao6667ZO.074O.OO1S901Lgozeiz-2Ob4S-O3Z-tp.-10iQn?q-13.7O96JL3*64HZ625.03520113202M一UJJJO?,4煦-3-544596我68844其中，组问异方差通过panels()选项来设定。上

14、述结果是采用两步获得，即，先采用OLS估计不考虑异方差的模型，进而利用其残差计算。，并最终得到FGLSW计量。2、序歹0相关检验对丁T较大的面板而言，i往往无法完全反映时序相关性，此时it便可能存在序列相关，在多数情况下被设定为AR(1)过程。原假设：序列不存在相关性。(1)FE模型的序列相关检验对丁固定效应模型，可以采用Wooldridge检验法，命令为xtserial:xtserialsqcpiunemgse5ln.xtserialsqcpiunemqse5InWooldridgerestforautocorrelationInpaneldataHO:nofirstorderautocor

15、relationFC1p19)=1246.120ProbF=0.0000可以发现，这里的P=0.0000,我们可以在1%勺显著性水平下爱拒绝不存在序列相关的原假设。考虑到样本，该检验的最后一步是用对进行OLS回归,&e,t-1因此，输入以下命令得到0.8858检验该值是否显著异丁-0.5,因为在原假设下(不相关)，可见本例中不相等，拒绝原假设，说明存在序列相关-0.5matliste(b).matlistbymmetrice(b)1,1L._0Q0C06RE模型的序列相关检验对丁RE模型，可以采用xttestl命令来执行检验:quixtregsqcpiunemgse5Indumt*,rextt

16、estl4xtrecjy5lHS1Mdurnt*reT3-t.BFor*!tHt?芷r*r*tjrtotHpofhentmocd-1.scjc-odcatJXlbu1c.cjcJo1士-vic:o-diaf七1vLcodwvxl1dMHbdavcodeBJ*匚od豪.hiL&1.1matedr】:LvarsdqirtCvarsq2.9事暮a3.931SO3X_OWN32ZU87X442JLQ75O7*TestsiRand矛,Twonri;ALMCV1-(u)O)=XO4.Rr-chi2一O-OOOOOnioW1己口H;ALMCV*ilBOJLS23ATAIM(CJCKOOOOSeiria1Co

17、rr*=1aTioni:ALM(1dimljCl-did,IdMrch12O,OOOOJoflntrt.:LMCvnrCljO91ajmhddPrchi2Q.oooo这里汇报了4个统计量，分别用丁检验RE模型中随机效应(单尾和双尾)、序歹0相关以及二者的联合显著性，检验结果表明存在随机效应和序歹0相关，而且对随机效应和序歹0相关的联合检验也非常显著。(2) 稳健型估计上述结果表明，无论是FE还是RE模型，干扰项中都存在显著的序列相关为此，我们进一步采用xtregar命令来估计模型，首先考虑固定效应模型：xtregarsqcpiunemgse5Indumt*,feIbiOfOUSa一JOurLj

18、ribiairoTgroups.JCOt75per-groupsmln10avaioomac10=#3右右:N-W7proh*Q.1r-jctry兵。Cpiurswmy&i31riuumEwrruitl1ILCwCbOL-apR3口；corrCw.!BKbQ.OlQtieqIcoeTscdi.err.tC.1O3C6OOZOO-O5Z2Vs3-c:3u-6.HWrN9fMt*37713L;?-!r2c3oJ.T3Ln7li&-5xJfim。k-4!B1&4l7rb!dmlv-l.-?7.c#京4s4Hai1UX-?-一.!I-一二一一klJIQfs/giJaldiizJ-K001玉xzlsd5

19、LeeiaMAK/HIHsfl-EM-ifc2Z41LWB:11L1:-一一一WWOSOQOOON球CQfcoooort-0J3s&JTaoooooooofiDooo口凸OO0口。口00。Q-oo-omJ玮dl5d32o-二一二二二-二_3H-O5NRxsah,h,Jsz;l%:fiil?#LaJfl-o1.507J4尸口5mocI村归90F=0.000ModifiedBhargavaetal.ourbin-wat5on=.21983495taltagi-wu_BI=,6414623、“异方差一序列相关”稳健型标准误虽然上述估计方法在估计方差-协方差矩阵时考虑了异方差和序列相关的影响，但都未将

20、两者联立在一起考虑，要获得“异方差-序歹0相关”稳健型标准误，只需在xtreg命令中附加vce(robust)或者vce(cluster)选项即可。例如，对于FE模型，我们可以执行如下命令：xtregsqcpiunemgse5ln,fevce(robust).xtregxqcpiiun已Tigbe5InevceCrubust)rixedeffectsGroupva.riablc(within)regression!:codeNUFbcrNutHfof曲与一ofgroups=22020R-sq:v/1th1rb-ptwFroverall-.2307i07671=0,0064ubspergroup

21、:mln-AvgmaiH一怡11ccrr(u_iaKb-0.5296rrobr2.520.065istdBErr_adiustieclfor20eIlistersin匚od峪)叫coi*f.std.Frr.tp|tIq邓rnnF.intptsicpiulielrig5E51n_C1S2.S21t5*S-187.629&.3666847SB2397920.2E567357B5123.65/Sb/Sfi.06413.970D155E.1ZQ711.421564A177S.7b-2.13土60IL.玷1.780.09CL4ib004C0+125Q皿00920912-，11101-371.949514

22、.6779-43,40817-3.Gig-SIB-S.2606981034453OS55CL4453719%B44.19128.97S401s1sigma_erho?,68B74fiSZ.0017081b4d4U77J_(fractionof丁arlanic电diitou_OL与之前未经处理的估计结果相比，附加命令vce(robust)选项时的结果，虽致使得到的估计然系数的估计值未发生变化，但此时得到的标准误明显增大了,结果更加保守。对丁面板数据模型而言，STAT雌计算所谓的“robust”标准误时，是以个体为单位调整标准误的。因此，我们得到的“robust”标准误其实是同时调整了异方差和序列

23、相关后的标准误。换言之，上述结果与设定vce(cluster)选项的结果完全相同。4、截面相关检验原假设：截面之间不存在着相关性FE模型检验对丁FE模型，可以利用xttest2命令来检验截面相关性：quixtregsqcpiunemgse5ln,fexttest2(该命令主要针对的是大T小N类型的面板数据，在本例中无法使用，故图标略去。)RE模型检验对丁RE模型，可以利用xtcsd命令来检验截面相关性： quixtregsqcpiunemgse5ln,rextcsd,pesaran(下面命令是另一个检验指标)xtcsd,frees.quiutregsqcpiunemg、己51n,re噂m耳an

24、testofcroessecflonal1ndepcnderce-C.34S(Pr=1.Z725Freaste&totcrosssectianaIindopcndencc-1.25I1crItltdlvaluti*Fromnct*sqdisirJLut(onSlpm-Or10:0,2333alpha-0+05:0.3103alpha=0.31:0.4649可以看出，两种不同的检验方法均显示面板数据存在着截面相关性。5、“异方差一序列相关一截面相关”稳健型标准误(1)FE模型估计对丁FE模型，在确认上述存在着截面相关的情况下，我们可以采用Hoechle(2007)编写的xtscc命令获取Dris

25、collandKraay(1998)提出的“异方差一序歹0相关一截面相关”稳健型标准误：xtsccsqcpiunemgse5ln,fe.?(tscc5qcpiRegressionvitMethod:riJted-croupvariablFCh0000withinR-squared=Z3Q7Drisc/KraayCoef.Std.Err.tP11195%Corrf.Intervalcpiunenq1n_cons2.9216984.1737A3U.FO0,492-5.1412911.-187.62925.956-7.230.000-241.9556-133.3025-B,1666R42.23026

26、8-7,850.010-1.69fl6fi78.2397920,900853-740h(KJ134,4938121*9B5820,205675,1239W3.(XU9,56103431.01031.357S5124.563278O.080.93S-4.19329.90803这里，xtscc命令会自动选择的滞后阶数为2,系数估计值和Within-R2与xtreg,fe的结果完全相同，但标准误存在着较大差异。可见，在本例中，截面相关对统计推断有较大的影响。若读者有跟高的方法来确定自相关的滞后阶数，则可以通过lag()选项设定。当然，在多数情况下，这很难做到。不过我们可以通过附加lag(0)来估计仅

27、考虑异方差和截面相关的稳健型标准误，命令如下：xtsccsqcpiunemgse5ln,felag(0)Lrsccsqepiunemg当lnBfe1NumherNuvtibrFC3.Prob争Thlnofotks=ofgroups19)F=RsquaredZ2O20L/LQGo.ooooO.2JO7ReqressionwiHhDriscol1-Kraaystardardmsrhod:i-feersregre-ss1onerrorsGFiOiJipvfltr1ablpC1:rnflRmaximum1aq:O际qur1sc/.raaycorF.STd.err.cl1T1。号需ennf.mtRrwi

28、ll1Cfp1A3.724402O_FH0-442Q1.ooo4.a/3S.feS10.7JL&4&tinFm-laz.zj&se一丁.07-Z43.566431.CjtiQZg-6-36&6B42.6M3Z-Z_36.OZ9-12-OJL&4L3-71694197ft.2Ife.Q)桂454_87a-ooo44.6上母CJH11JL.HSO51n?B5&7574033.09.ng&.560703g.OlO&d一_ccms-357B5JL24.130379|口.D9D.932-a.zfiziaz9-.QO2B35(2)RE模型估计(略，待补充)二、动态面板数据的STATA#理命令（一）差分GM

29、MxtabondlnwicdIngdplanddocfirInroadInpopfinaxtabondlnwicdIngdplanddocfirInroadInpopfina,lag(2)twostep（二）系统GMMxtdpdsyslnwicdlngdplanddocfirlnroadlnpopfinaxtdpdsyslnwicdlngdplanddocfirlnroadlnpopfina,twostep内生性检验estatsargan（四）序列相关检验estatabond三、门槛（门限回归）面板模型的STATA处理命令xtthresy,thres(q)dthres(x)bs1(30)bs2

30、(30)bs3(20)各个门槛的置信区问图：xttr_graphxttr_graph,m(22)xttr_graph,m(21)xttr_graph,m(3)呈现估计结果：localq1=e(rhat21)localq2=e(rhat22)gend1=(q2)genxd1=x*d1genxd2=x*d2xtregyxxd1xd2,feeststorefe第一轮搜索第一个门槛第二轮搜索第二个门槛第二轮搜索第一个门槛取出门槛值生成虚拟变量常规标准误xtregyxxd1xd2,ferobust稳健型估计eststorefe_robustlocalm”fefe_robust”esttabm,mtitl

31、e(m)nogaps(r2r2_wNF)/star(*0.1*0.05*0.01)1检验：是否存在门槛效应混合面板:regislfrlfr2hcopenpsratpgr,vce(clustersf)固定效应、随机效应模型xtregislfrlfr2hcopenpsratpgr,feeststorefextregislfrlfr2hcopenpsratpgr,reeststorerehausmanfe两步系统GMM模型xtdpdsysrltplf1naiefdopewig,lags(1)maxldep(2)twostepartests(2)注：rlt为被解释变量，“plflnaiefdopewi

32、g”为解释变量和控制变量；maxldep(2)表示使用被解释变量的两个滞后值为工具变量；pre()表示以某一个变量为前定解释变量;endogenous()表示以某一个变量为内生解释变量。自相关检验：estatabond萨甘检验：estatsargan差分GMM模型Xtabondrltplf1naiefdopewig,lags(1)twostepartests(2)内生：该解释变量的取值是(一定程度上)由模型决定的。内生变量将违背解释变量与误差项不相关的经典假设，因而内生性问题是计量模型的大敌，可能造成系数估计值的非一致性和偏误；外生：该解释变量的取值是(完全)由模型以外的因素决定的。外生解释变量与误差项完全无关，不论是当期，还是滞后期。前定：该解释变量的取值与当期误差项无关，但可能与滞后期误差项相关。