STATA面板数据模型操作命令讲解

《STATA面板数据模型操作命令讲解》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讲解（19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STATA处理命令y =a+ x p+8固定效应模型it i it ity = x b +卩it it it=a +8随机效应模型it it it（一）数据处理输入数据tsset code year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.xtdescode:1 ! 2 , ,20n =20year;2004, 2DQ5,1 2014T =11Delta(year)=1 unitspan (year)=11 periods(code*yearuniquely idenfifies eachobse rwfi on

2、)Disrrlbution of T_i:min5%25%50%75%95%max1111 11111111 11zreq.Percentcum.卩attern2010&. 00 100. 0020100. 00xxxxxxxxxxxsummarize sq cpi unem g se5 ln 各变量的描述性统计（统计分析）gen lag_y=L.y /gen F_y=F.y /gen D_y=D.y /gen D2_y=D2.y /产生一个滞后一期的新变量 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.summaizE sireQres-=-4 o-nGr o-i

3、ip va.r i Btlbl : codeNumber o-iF Number o-iFO-I&353 r on p s-2202 0wT -t hT n belE weer-F o-vcr al 1Ok?s- per- gr- o-np :mH rb &ViQ! max11kz o-r in Cilj-I . jets JFCS ：LDSO pr o-lh ” ifXI -O. OOOOu oamUDmutzgIT .STj .c.r* r .HIP A I X |匸 OOX-Q3 . S SO. OOO-maoa一。卫-3676-6 . B. GGG 43_ a_X _ 6.2O. :L

4、OE一：L-4 . X - MdO-4 NdLi 5B 3G - fc Ao ooo4总.ii 54 5iOS2唱#九O 2B 5C7-1.2E S0290T - C 5 1O13 54斗.芳4 9口 3 3 5ZS 51255 552110 0-0a mm m-IO 5-&BZ211 3132* tQimaL4 s-1 oma一e r 卜id2 BBBT9C 3 OOlOHL OJ 3j?CZ71_CiFr act T o-r o-iF var T -ancc 曰u*e ico- uT 丄F- -t e s-t -t, H-B.X al I u! 口 匚_:z a_mPr O-ta A F一

5、 o Q-OQ-O-对于固定效应模型而言，回归结果中最后一行汇报的 F 统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现 F 统计量的概率为 0.0000，检验结果表明固定效应模型优于混合 OLS 模型2、检验时间效应（混合效应还是随机效应）（检验方法：LM统计量）（原假设：使用OLS混合模型） qui xtreg sq cpi unem g se5 ln,re （加上“qui”之后第一幅图将不会呈现）xttest0NitiimbiG-r o1F ob =d4Funem0 se 5 1 n co-rs-4 th 峠se &70BL 3S731- 2295.B -O52B 4rl

6、吕1 ? i lezs 一ao. 7HZ0 2 2. 10506 九鼻133S9 IO.5 993ZB0 0 7 3 3 J-62.2.5,66o.so.o.do.3 e 8 3 7 .iaz sG ltS-4 flB 597C-d 7 - 却兰4QZ- 13 12B可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。可见,随机效应模型也优于混合 OLS 模型 3、检验固定效应模型or随机效应模型（检验方法：Hausman检验） 原假设：使用随机效应模型（个体效应与解释变量无关）通过上面分析，可以发现当模型加入了个体效应的时候，将显著优于截距项 为常数假设条件下的混合OLS模型。

7、但是无法明确区分FE or RE的优劣，这需 要进行接下来的检验，如下：St epl:估计固定效应模型，存储估计结果Step2：估计随机效应模型，存储估计结果Step3:进行 Hausman 检验 qui xtreg sq cpi unem g se5 ln,feest store fequi xtreg sq cpi unem g se5 ln,re est store rehausman fe(或者更优的是 hausman fe,sigmamore/ sigmaless) hausmani feCoeTf i ci ents 1CbCECb-Bs Terei TTer en 匚 eS. E

8、cpi乏.9216564 a 4Q744B-2L 4iE575aLinem-187 62S-114 a 2304-73 3SBG3H5吕幻石卫了g-6.3666B-6a036792L 73 71S 6a 4 6T9B27seS76a 2397S77a 5 970a 642755S2 06 74 725 1MS 285675a 625365J.4 d6O3i5.626595bcons 11 sxenxHinder ho a.ind Ha:obx mH irie d f r oin xxir e gB二 1 me Dins 1 st e mi:under hm. eiFfH d eni: Lind

9、er ho：dbx ai ned 1Fram xtr egiresi: :iho:differ ence in coelFfi d enxsihidt sysic eonax 1 cch1= 8 v_b-v_”W_L|(H Ed27. 3$pit obchill 2 二o. oooos i t i ve defi ni ej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、固定效应模型估计 xtreg sq cpi unem g se5 ln,fe（如下图所

10、示）x*tr eg sq cpi unem g se 5 1 n B 1FeFi xed e4FF ec 3 (wt Hi in isr oup war 1 able : codeN Limlh er odF olhs- n Limb er of g r DLip s22020R sq :wi thii n between over a! 1O 2307O OZOZO. OOt4Obs per group: mi n avg11110cor r Ctii , xbXX. 696 OOOOsqcoeT -st: d - bit r .PA|H |55t conT - ini: er val *=

11、pi unemcons2a 92J.698 -167 &Z9 一召.3666847fl.2372Oa 2E567 .357E5X24 a S7S557 甜IS. 3021M 3778 dL5 2 74aG ：L 30296 5a 555241o 5 石 686X6063.5-n6Oa 550O OOO0 1.08O. OOO oa OiS 9 4 9-6.7O1B63 -ZGZ B9OS -1.4.132743. l.i 5a 5 -3a 97S28 5 -XOa 596Z212a 54 52C -92 3&7Z&1 34 21LIOS. 36-41.44 a 54 363：Li 3J.3 9

12、2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、组间和样本总体三个层 面，通常情况下，关注的是组内（within）,第6行和第7行分别列示了针对模 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a与解释变量均i不相关

13、，则我们可以将a视为随机干扰项的一部分。此时，设定随机效应模型i更为合适。（如下图所示）xtreg sq cpi unem g se5 ln,rexXr eg sq cpiRanciofflieffecTs oils r egr essl on 匚ir 口up vi abl a :codeNumber of obs NLimlbc-r aHF gr aiups2 2020Rsq :wl rhi n iset ween qveit1D=D. 0376=O 02 76Obs per group: mi n avg ina.x11 dLl- oXX-47. O6 OOOOsqC oe1F srd B

14、 Err LO535 con.Fb interval H1 m gs 0 s pe el 叭 cn s 04 a 407446 -111 2 304 -S. 1O3B79-77s. 5?b7O 3、时间固定效应（以上分析主要针对的是个体效应）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。首 tab year ,gen(dumt)先，我们需要定义一下 T-1 个时间虚拟变量。（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）drop dumt1作用在于去掉第一个虚拟变量以避免完全共线性）45C/H 1-L丿 rl-l

15、 CQCJJrLL 丄丄M pm HnJ00000000009 E b, IDsiq Y N 丄O-O- 1M31J-” 疗 fx&GIo 丄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：xtreg sq cpi unem g se5 ln dumt*,fea xtreg sq cpiFii xed effectsGroup variabler占q:wixhl nbeTween overall匸or(u_i B xbjunem g se 5 1n dumt* 3fe220201111.0JLJL4. 89 O ODOQ(wi thi n) r egr essii on :code-O

16、 2836=O. 026-L-O 093 5-一O1752Nunnber of obs=Number of groups obs pair group: inin F(15 ?185)Pob Favg = max sq匚 oef.std. Err.tp 1 r 125岛 conf.Intervalcpi3. 7748344.961B72a. 760. 448-6.01429313. 56396uneui-37 B OOM7石Q58528一0 57CL 567-164屈Ml事0 ll&66g孑1110525 OB8950&10 542一& 92S676l.m 15D7Sse 577a 3662G

17、丄5700284&34 OOO4石.39164iOS.mdog1 nH.S 03112丄耳3238509S0 329-13 25 511孑931735dumt 2B01057S.63163:55-0. 40. 634-1.54713.Ci4 5O76gdufwr 3- 3376552 6317213一0 530 595一1 58967Ba 9丄斗5575dumT-t.162&合71.64502750. 25CL 801-1.1114371.436S31dufn. s 5598&5 5 647316400 3B8一 717174 5丄 636!66dunrt 6.431614.67335010.

18、 640. 522-.89674061.760124dumit 7 423282 644 8527CL 660 512- 84894741.65513dumts：L OS 3107 6S4 6403HL. 5SCL 114一.Z&Z59972.43S013dumt 9la 605751 7724 6662D8CK OB 9 OB1774 53a12&727duurtio：L 906054 795&772400 O1B 33271375022diLimtll2.2206 3.90306372.460. 015.43900254. O02Z57_cons-石.81046予.922799一卫丄30

19、261-16 36 596毎.O03S65s 1 gina_u2505si gma_e1 82827r hro 5508173(f r 耳匚 fi onof varian匚定 duetou_i JF est that a.-!11 u_i =:p(ig. les)= 10a75Prob F=Oa O&OO（四）异方差和自相关检验1、异方差检验（组间异方差）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间异方差,需要使用 xttest3 命令 qui xtreg sq cpi unem g se5 ln,fexttest3.qui xtreg sq cpi

20、unem g se5 ln,fe. xttest3Modi cd Wal d test for groupw- sc heter oskedasti ci tv in fi xed effect rgressi on modelHO: sigma(i)2 - si gma 2 for all ichi2 (20)=11561.6GProbAtzhrm 二0. 0000显然,原假设被拒绝。此时，需要进一步以获得参数的GLS估计量，命令为Xtgls:xtgls sq cpi unem g se5 ln,panels(heteroskedastic)O.君目 一0 42 一忑372L 79 -3.

21、31O. O15. O352OL ：LM 20264 一.653562622 a 4OS3 -3. 54 55-63.-1. SO7 617 -20 49-OB2-6.90902 -JLa 035025 -313. 79961 -3. 64S2C21.77116遇.553 ：L 595BO9 5a 9E9B7T 2-6H6123 1-fi7175九.5 6 372 一2 64 384 一！3 7B129LLQ 7009 -S. J6721O3 .020212epi uneni g se5.COIHiSdgGr.do.o.其中，组间异方差通过panels ()选项来设定。上述结果是采用两步获得,

22、 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 FGLS 估计 量。2、序列相关检验对于T较大的面板而言，往往无法完全反映时序相关性，此时便可能i it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于固定效应模型，可以采用 Wooldridge 检验法，命令为 xtserial:xtserial sq cpi unem g se5 ln.xtserial sq cpi unem g seS Inwooldridge test for autocorrelation in panel data HO

23、: no first order autocorrelafionF( 1,19) =1246.120Prob a F =0. 0000可以发现，这里的P=0.0000，我们可以在1%的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，ee iti，t-1因此，输入以下命令得到 。检验该值是否显著异于-0.5，因为在原假q = 0.8858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。q = -0.5 mat list e(b).mat list c(b) symmetri c e(b)1,1L.000006yl .S058249

24、92） RE 模型的序列相关检验对于RE模型，可以采用xttest1命令来执行检验: qui xtreg sq cpi unem g se5 ln dumt*,rexttest1-qu ixt reg =q upH unurn g=e 51n dumt * p r e-XTT GST1Tge t sfort he err orc omp onio nim 口匚1 口 1 :w口匚code Pt Kb +u CcodeH + v Ccode7 匸 code 1t 1 a mt? id a v 匸 uotd 匸 Clt 工丁1十匸匸匸ode七21匚st 1 maic cd r os Li 1 s

25、:vairsd sqrx Cva.r =q8. 536&2 52. 3026e3a 931603la 9628Z7u弓 BZIIIZ_ 907 5979Tes-ts :Rairiiidain E-F-Fac1t s rTw口5ii dad :alm Cva.r Oi04 59pr 匚 IhllNtJL) oa ooooRairiidain Effect s .One Si deed :ALM Cvar Cn = O:LO 23Fr-M (O B 1=O ooooser 11 3l1 cor ir el mhF on:ALM(1arnbdaOJ却岂mPrchi ZC1 O oooo o1 nx

26、Tes-x :LM evaro-p 1 ambdaQ Z32 OJ.Prchi ZCZ o a-a-a-o这里汇报了 4个统计量，分别用于检验RE模型中随机效应（单尾和双尾）、序列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列相关，而且对随机效应和序列相关的联合检验也非常显著3） 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：xtregar sq cpi unem g se5 ln dumt*,fe lbigja.r s q cpliu飞石【m g s 51 o Edtimit-

27、*- , Te 1 tsiPOO20IFE. tWiHlrll rO r um o-up va.r H IiMLunibar o-T olbs NLunibar o-T gjr o-upsio 工6 OIOOk?s- per group ; md mBlV53 max口：1BSC 口. O-QFO 口. Q5F2iflH* n se-t wren over eil 1IF zo L LS&39115 L 90 - ilT-T- !九 2154 - - - 王鼻 4374&3515卫卫4 3T-36O57Z2TT-Szd59 3 0 & fi54cmE7GW r丁em4l-5al-05ra 1-

28、1-Q3a_y5dea2 5tz .3n3-sl&3QCBB3&1& FI - z 3 5 7 e 9 53- - 一弓 -一 石！：0|弓口2耳斗3B7flQusi IIluuulilllllluIIMlmc ddddddddu - 口口日Edsi 日3首 mrlzc ezrN 3j*lmz a-z.-5 m4弓Prob F = 0. 000(Numbeof obs Number of groups22020R-sq: within between overal 1D 2307 L 07670. 0064obs per group: mln - avg = max三1111.0 n匸dtit

29、(u_i , xb)-0. 5296Prob F2. 52 CX 0656-test that all _!=:F(19,166) =17.43nodified Bhargava et al. Durbln-watson =219&3495 3altagi-wu LBI =641462 3、“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，但都未将两者联立在一起考虑，要获得“异方差-序列相关”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： x

30、treg sq cpi unem g se5 ln,fe vce(robust). xtreg sq epi unEm g se S In af e 甘匚erDbustJiFixed-effects (with!n) regression Group va.r i abl e : cedeRDbLISt5td Err.cpi unem g1 n cons9216&S-1S7.62 -氐 366684了吕.23973ZO. 2B567 3578512弓 B3：7S57SS.06419 刁970915 勺12D77 11.42156411775D.-2-11.10.6-05897 16 3 7 0

31、一5 1110512L0 544 5-371.-3. 3DS55C-14.67791.944537-43斗0爲3：了IM B8S-3. 61918 44. igi2C -8,260698 8.976401si gma_iL si gma_e rho2.68&796320017081 54340771(fracrion of variance due to u_1)djListed for 20 clusters in 匚ode)95K Conf. mt erval 与之前未经处理的估计结果相比，附加命令vce(robus t)选项时的结果，虽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

32、了，致使得到的估计 结果更加保守。对于面板数据模型而言，STATA在计算所谓的“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相关后的标准误。 换言之， 上述结果与设定vce(clus ter)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（1）FE 模型检验对于FE模型，可以利用xttest2命令来检验截面相关性： qui xtreg sq cpi unem g se5 ln,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模型检验对于RE模型，可以利用

33、xtcsd命令来检验截面相关性： qui xtreg sq cpi unem g se5 ln,rextcsd,pesaran（下面命令是另一个检验指标）xtcsd,frees.qtH xtreg sq epi unem g se5 In.re xtcsd5pesaranPessrans rest of cross 生电匚tiomial inidepenidenc - -oa 34b7 Pr = ：L 272 5. Mtcsd.freesFrees tes-t of cross- sectional inidepemdence -1 255I1crixlc 且values f iroo Fre

34、es1 q d1 sir 1 bull onalpha = o.io :0 2S33alpha 二 CL 05 :0 3103alpha = 0-01 ;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 模型估计对于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xtsee命令获取Driscoll and Kraay(1998)提出的“异方差一序列相关截面相关”稳健型标准误：xtsee sq epi unem g se5 ln,fe xtscc sq cp1 uneiri g

35、 se5 1 nsfeRegression with Driscoll-Kraay standard ors NuunberMethod:Fi xed-effe匚regressi onNumbEGroup variable(i):codeF(5 9maxiimumlag; 2Prob w1th1 nobsof of groups15)FR-squared220202& 20 0 0000 02307Dii sc/ltraayCoefStdE95% Conf Intervalcp1 unem g sgSIn.cons2 9Z1696 -187,629 -6.36668478.2397&20285

36、67 3 57S512417376325. 956 2,230268 20a 00B5 5丄23992 4 56327B070 -7, 23 -2, 853a 7A296008篇10acio.o.-5-614129 -241. 9556 -11.03469込 4 9389 561034 一号.1932丄丄65753 -133.3025-1,69868121a 98 5631.010319 908903这里，xtsee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

37、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(O)来估计仅考虑异方差和截面相关的稳健型标准误，命令如下： xtsee sq epi unem g se5 ln,fe lag(0).xfscc sq 亡i unenri g se 51 in, 1Fe 1 ag(0Rearession with Dri scol 1 -1Kr aay standar derrorsNumberof obs=220MetKod! Fixed-effects regressionNumbero1F groups =20hsroLip v

38、ar Habit1 Ci 5 :匚odeFC 5-19-J=1：B. 36maxi nvLim 1 ag : Prob aF=O. QOQOwi Thi nR squar ed =O. 23071Dr 1sc/KraayMcoe.Err.rH|T |95S conf.Intervalcp1N. 92169；03.724402O. 7BD.442-4.B73565IO.71696Lineni-1B7.62526. 72656-7- D2D. OOO-zaa. sem-131.6B97g一石.3G66B42. 6932-2. 36D. 029-12. 0164 37169419se 57B.16.

39、 O5E4 54. B7D. OOO44. 62 900111.S5O5In20.ZB567G.5574B33. DSD. 0066. 56070334 . D1O E4_coin5.35765124.130379| |O. 09D. 532-B.2E7L329. OD2B 3 5RE模型估计(略，待补充)二、动态面板数据的STATA处理命令（一）差分GMMxtabond lnwi cd lngdp land doc fir lnroad lnpop finaxtabond lnwi cd lngdp land doc fir lnroad lnpop fina,lag（2） twostep（

40、二）系统GMMxtdpdsys lnwi cd lngdp land doc fir lnroad lnpop finaxtdpdsys lnwi cd lngdp land doc fir lnroad lnpop fina, twostep（三）内生性检验estat sargan（四）序列相关检验estat abond三、门槛(门限回归)面板模型的STATA处理命令xtthres y, thres(q) dthres(x) bs1(30) bs2(30) bs3(20) 各个门槛的置信区间图：xttr_graph第一轮搜索第一个门槛xttr_graph,m(22)第二轮搜索第二个门槛xtt

41、r_graph,m(21)第二轮搜索第一个门槛xttr_graph,m(3)呈现估计结果：local q1=e(rhat21)取出门槛值local q2=e(rhat22)gen d1=(qV二ql)生成虚拟变量gen d2=(qq2 )gen xd1=x*d1gen xd2=x*d2xtreg y x xd1 xd2,fe 常规标准误est store fextreg y x xd1 xd2,fe robust 稳健型估计est store fe_ robustlocal m”fe fe_ robust”esttab m ,mtitle (m ) nogap s(r2 r2_w N F)/s

42、tar(*0.1 *0.05 *0.01)1.检验：是否存在门槛效应混合面板:reg is lfr lfr2 he open psra tp gr,vce(cluster sf)固定效应、随机效应模型xtreg is lfr lfr2 he open psra tp gr,feest store fextreg is lfr lfr2 hc open psra tp gr,reest store re hausman fe两步系统GMM模型xtdpdsys rlt plf1 nai efd op ew ig ,lags(1) maxldep(2) twostep artests(2)注：rlt

43、为被解释变量，“plf1 nai efd op ew ig”为解释变量和控制变量；maxldep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：estat abond萨甘检验：estat sargan差分GMM模型Xtabond rlt plf1 nai efd op ew ig ,lags(1) twostep artests(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。