短面板数据分析的基本程序.ppt

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 计量经济学导论第四版 伍德里奇 中文版或英文版用Stata学计量经济学高级计量经济学及stata应用 陈强 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 短面板数据 面板数据 paneldata 是同时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 pooledtimeseriesandcrosssectiondata 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 Stata中面板数据结构 短面板 N T 反之为长面板 平衡面板数据 balancedpaneldata 如果每个个体在相同的时间内都有观测值记录 Foranyi thereareTobservations 非平衡面板数据 unbalancedpanel Tmaydifferentoveri Benefitsofpaneldataanalysis usetraffic dtades 第一步 构造计量模型 面板数据模型 非观测效应模型 unobservedeffectsmodel 固定效应模型 FixedEffectsModel FE 随机效应模型 RandomEffectsModel RE 混合回归模型 PooledRegressionModel 固定效应模型 FixedEffectsModel FE 随机效应模型 RandomEffectsModel RE 混合回归模型 PooledRegressionModel 模型的估计 固定效应模型固定效应变换 FixedEffectsTransformation 组内变换 WithinTransformation LSDV LeastSquareDummyVariable 式1 给定第i个个体 将 式1 两边对时间取平均可得 式2 固定效应变换 式1 式2 得 可以用OLS方法估计 称为 固定效应估计量 FixedEffectsEstimator 记为 由于主要使用了每个个体的组内离差信息 故也称为 组内估计量 withinestimator 令 则 Stata命令 xtreg fexi xtregi year fe LSDV LeastSquareDummyVariable 基本思想 将不可观测的个体效应ai看做待估计的参数 ai就是第i个个体的截距 估计n个截距的方法就是引入n 1个虚拟变量 如果省略常数项 则引入n个虚拟变量 例如 共有7个州 方程可以写成 7个州的回归线斜率相同 但截距不同 第1个州的截距是 第2个州的截距是 第3个州的截距是 第4个州的截距是 Stata命令 xi regi codexi regi codei year 随机效应模型估计 GLSTheusualpooledOLScangiveconsistentestimators butasitsstandarderrorsignorethepositiveserialcorrelationinthecompositeerrorterm theywillbeincorrect Solution GLStransformationtoeliminatetheserialcorrelation TheseestimatorscanbebasedonthepooledOLSorfixedeffectsresiduals RandomEffectsEstimator ThefeasibleGLSestimatorthatuses inplaceof RE FEandPLS PooledOLS FixedEffectsEstimator Stata命令 xtreg rexi xtregi year re 进一步的解释 heteroscedasticityconsistentor White standarderrorsareobtainedbychoosingoptionvce robust whichisavailableformostestimationcommands Stata sestimationcommandswithoptionrobustalsocontainacluster optionanditisthisoptionwhichallowsthecomputationofso calledRogersorclusteredstandarderrors But 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 第2步 描述性统计 变量解释与变量的描述性统计usetraffic dtaxtsetstateyearsumfatalbeertaxspirconsunrateperinck关键变量与被解释变量的散点图并画出回归直线twoway scatterfatalbeertax lfitfatalbeertax 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 fre 第3步 模型选择 TestingforCross sectionalDependence xtcsd短面板xttest2长面板xtcsdisapostestimationcommandvalidforuseafterrunninganFEorREmodel xtcsdcanalsoperformPesaran sCDtestforunbalancedpanels PLSorFE 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 2 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 PLSorRExtregfatalbeertaxspirconsunrateperinckyear2 year7 rexttest0 xttest1 AR 1 PLSorRE FEorREHausmantest1xtregfatalbeertaxspirconsunrateperinckyear2 year7 feeststoreFExtregfatalbeertaxspirconsunrateperinckyear2 year7 rehausmanFE sigmamore Hausman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 FEorRE 解决办法 构造一个辅助回归 继续 基于随机效应估计的自相关检验xtserialfatalbeertaxspirconsunrateperinckyear2 year7 Hausmantest2 quietlyxtregfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7 rescalartheta e theta globalyandxforhausmanfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7sortstateforeachxofvarlist yandxforhausman bystate egenmean x mean x genmd x x mean x genred x x theta mean x quietlyregredfatalredbeertaxredspirconsredunrateredperinckredyear2redyear3redyear4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7 vce clusterstate testmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7 Hausmantest3 基于随机效应估计的截面相关检验xtregfatalbeertaxspirconsunrateperinckyear2 year7 rextcsd pesabsxtcsd friabsxtcsd freabs Hausmantest3 quietlyxtsccredfatalredbeertaxredspirconsredunrateredperinckredyear2redyear3redyear4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7testmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7 第4步 报告计量结果 假设Hausmantest选择FE 则xtregfatalbeertaxspirconsunrateperinckyear2 year7 fextcsd pesabsxtcsd friabsxtcsd freabs 如果存在截面相关 则最终报告由如下命令估计的结果 xtsccfatalbeertaxspirconsunrateperinckyear2 year7 fe其中标准误是Driscoll Kraay 估计量是组内估计量如果不存在截面相关 则检验是否存在异方差xtregfatalbeertaxspirconsunrateperinckyear2 year7 fexttest3 一般都存在异方差 如果存在异方差 且存在自相关 前面已做过自相关的检验 则最终报告由如下命令估计的结果 xtregfatalbeertaxspirconsunrateperinckyear2 year7 fecluster state 标准误是Rogersorclusteredstandarderrors 假设Hausmantest选择RE 则最终报告由如下命令估计的结果 xtregfatalbeertaxspirconsunrateperinckyear2 year7 recluster state xtscc不能处理随机效应的截面相关问题 聚类稳健的标准误 对自相关和异方差稳健 练习1 要求 描述性统计并作图模型选择PLSorFE PLSorRE FEorRE 三种HausmanTest 3 报告计量结果并和上表中的结果进行比较 练习2 要求 描述性统计并作图模型选择PLSorFE PLSorRE FEorRE 三种HausmanTest 3 报告计量结果 Thankyou