




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、1、橫截面數(shù)據(jù):多個(gè)經(jīng)濟(jì)個(gè)體的變量在同一時(shí)間點(diǎn)上的取值,如2012 年中國(guó)各省的GDP2、時(shí)間數(shù)列數(shù)據(jù):指的是某個(gè)經(jīng)濟(jì)個(gè)體的變量在不同時(shí)點(diǎn)上的取值,如1978-2012 年山東省每年的GDP3、面板數(shù)據(jù):多個(gè)經(jīng)濟(jì)個(gè)體的變量在不同時(shí)點(diǎn)上的取值,如1978-2012 年中國(guó)各省的GDP小樣本OLS (最小二乘法):?jiǎn)我环匠叹€性回歸最常見方法條件:解釋變量與擾動(dòng)項(xiàng)正交、擾動(dòng)項(xiàng)無(wú)自相關(guān)、同方差。擬合優(yōu)度:衡量線性回歸模型對(duì)樣本數(shù)據(jù)的擬合程度(R2) ,越高說明模型擬合程度越好。單系數(shù)T檢驗(yàn):對(duì)回歸方程擾動(dòng)項(xiàng)的具體概率進(jìn)行假設(shè)顯著性水平進(jìn)行檢驗(yàn)F 檢驗(yàn):整個(gè)回歸方程是否顯著STATAt作簡(jiǎn)介:如果數(shù)據(jù)中
2、包含1949-10-01 或 1949/10/01 的時(shí)間變量,導(dǎo)入stata 后可能會(huì)被視為字符串,因此對(duì)于日度數(shù)據(jù),可以使用命令gen newvar=date(varname,YMD), 將其轉(zhuǎn)換為整數(shù) 日期變量,其中 YMD說明原始數(shù)據(jù)的格式為年月日,如果原始數(shù)據(jù)的格式為月日年則使用MDY 對(duì)于月度數(shù)據(jù)貝U gen newvar=monthly(varname,YM)。:刪除和保留:變量之間相關(guān)系數(shù)產(chǎn)生:OLS回歸noc 表示在進(jìn)行回歸時(shí)不要常數(shù)項(xiàng).describe :數(shù)據(jù)的概貌.drop keep.su :統(tǒng)計(jì)特征PwcorrStar ( .05 ) : 5%顯著性水平gen:g in
3、tc=log ( tc ) :取自然對(duì)數(shù). reg.Vce :協(xié)方差矩陣reg。大樣本OLS只要求解釋變量與同期的擾動(dòng)項(xiàng)正交即可Robust:穩(wěn)健標(biāo)準(zhǔn)誤,如果存在異方差,則應(yīng)使用穩(wěn)健標(biāo)準(zhǔn)誤最大似然估計(jì)法:如果回歸方程存在非線性,則使用最大似然估計(jì)法(MLE或非線性最小二乘法(NLS)三類在大樣本下漸進(jìn)等價(jià)的統(tǒng)計(jì)檢驗(yàn):Wald test LR (似然比檢驗(yàn))LM操作步驟如下:sysuse auto (調(diào)用數(shù)據(jù)集)Hist mpg , normal (畫變量 mpg的直方圖,并與正態(tài)密度比較)直方圖顯示,變量 mpg的分布于正態(tài)分布有一定差距。變量可以取對(duì)數(shù)解決非正態(tài)分布的問題。異方差與GLS (
4、廣義最小二乘法)異方差的檢驗(yàn):看殘差圖、懷特檢驗(yàn)( white test )、BP檢驗(yàn)(Breusch and Pagan )異方差的處理:1、OLS+急健標(biāo)準(zhǔn)誤(最好的)2 、廣義最小二乘法(GLS)3 、加權(quán)最小二乘法(WLS)實(shí)例操作:1、 使用數(shù)據(jù):use ,clear2、 reg intc inq inpl inpk inpf(進(jìn)行回歸)3、4、 畫殘差圖:rvfplot上圖可以發(fā)現(xiàn)當(dāng)擬合值較小時(shí),擾動(dòng)項(xiàng)方差較大,繼續(xù)考察殘差與解釋變量inq 的散點(diǎn)圖: rvpplot inq ,結(jié)果與上圖幾乎一致,可能存在異方差,即擾動(dòng)項(xiàng)的方差隨著觀測(cè)值而變。5、 完成回歸后,進(jìn)行懷特檢驗(yàn):est
5、at imtest , whiteP 值顯著,認(rèn)為存在異方差6、完成回歸后,進(jìn)行BP檢驗(yàn):estat hettest,iid estat hottest,rhs iid estathottest inq,iid三種形式的檢驗(yàn)都強(qiáng)烈拒絕同方差的原假設(shè),存在異方差(這里只放一個(gè)形式的檢驗(yàn)結(jié)果)7、處理異方差:擾動(dòng)項(xiàng)之間自相關(guān)自相關(guān)的例子:1、時(shí)間序列數(shù)據(jù)中通常具有某種連續(xù)性和持久性,如相鄰兩年的GDP曾長(zhǎng)率;2、截面數(shù)據(jù)中相鄰的觀測(cè)單位之間可能存在溢出效應(yīng),如相鄰地區(qū)的農(nóng)業(yè)產(chǎn)量收到類似天氣變化的影響;3、對(duì)數(shù)據(jù)的人為處理如數(shù)據(jù)中包含移動(dòng)平均數(shù)等;4、如果模型設(shè)定中遺漏了某個(gè)自相關(guān)的解釋變量并被納入
6、到擾動(dòng)項(xiàng)中,則會(huì)引起擾動(dòng)項(xiàng)的自相關(guān)。自相關(guān)的檢驗(yàn):1、畫圖(不推薦) 2、BG檢3e estat bgodfrey 3、BOX-Pierce Q 檢驗(yàn)4、DW僉驗(yàn)estat dwatson.檢驗(yàn)都要在OLS做完后才能做。自相關(guān)的處理:1、使用OLS矯方差自相關(guān)穩(wěn)健的標(biāo)準(zhǔn)誤;2、OLS喋類穩(wěn)健的標(biāo)準(zhǔn)誤;3、使用可行廣義最小二乘法(FGLS) ; 4、修改模型設(shè)定自相關(guān)處理實(shí)例:1、使用數(shù)據(jù)icecream 然后進(jìn)行回歸BG 檢驗(yàn)顯著 拒絕了原假設(shè)無(wú)自相關(guān),則認(rèn)為存在自相關(guān)Q檢驗(yàn)(略)、DW僉驗(yàn)如下DW= 距離 2 很遠(yuǎn) 可以認(rèn)為存在自相關(guān)。由以上的檢驗(yàn)可以看出擾動(dòng)項(xiàng)之間存在自相關(guān),因此OLS提供
7、的標(biāo)準(zhǔn)誤是不準(zhǔn)確的,應(yīng)使用異方差自相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤,由于樣本為30個(gè),n四分之一二,故取NEWey-West估計(jì)量的滯后值為P=3,結(jié)果如下:上圖顯示標(biāo)準(zhǔn)誤與 OLS標(biāo)準(zhǔn)誤無(wú)多大區(qū)別,因此將滯后階數(shù)增加為6,從上圖可以看到無(wú)論截?cái)鄥?shù)是3 還是 6,標(biāo)準(zhǔn)誤都變化不大,比較穩(wěn)健。此外,前面提到自相關(guān)存在可能是因?yàn)槟P驮O(shè)定不正確,因此考慮在解釋變量中加入temp的滯后值,然后再進(jìn)行 OLS回歸:然后使用BG檢驗(yàn)是否存在自相關(guān):結(jié)果顯示無(wú)自相關(guān),而后 DW直也改進(jìn)為,因此修改模型后擾動(dòng)項(xiàng)基本不再存在自相關(guān)。模型設(shè)定與數(shù)據(jù)問題遺漏變量:被解釋變量可能被加入到擾動(dòng)項(xiàng)中解決方式:加入盡可能多的控制變量;使用
8、代理變量;工具變量法;使用面板數(shù)據(jù);隨機(jī)試驗(yàn)或自然實(shí)驗(yàn)。其中代理變量應(yīng)滿足兩個(gè)條件:多余性,僅通過影響遺漏變量而作用于被解釋變量;剩余獨(dú)立性,遺漏變量中不受代理變量影響的剩余部分與所有解釋變量均不相關(guān)。多重共線性:某一解釋變量可以由其他解釋變量線性表出,即存在多重共線性。檢測(cè):先回歸,然后estat vif VIF 低于 10 即不存在多重共線性。工具變量,2SLS與GMM工具變量的適用條件:OLS 成立的最重要條件是解釋變量與擾動(dòng)項(xiàng)不相關(guān),如出現(xiàn)相關(guān)可以使用工具變量法來(lái)解決。其中在計(jì)量經(jīng)濟(jì)學(xué)中,將所有與擾動(dòng)項(xiàng)相關(guān)的解釋變量成為內(nèi)生變量,一個(gè)有效的工具變量應(yīng)滿足一下兩個(gè)條件:1、工具變量與內(nèi)生
9、解釋變量相關(guān);2、工具變量與擾動(dòng)項(xiàng)不相關(guān)。過程:傳統(tǒng)的工具變量法一般通過二階段最小二乘法(2SLS或TSL9來(lái)實(shí)現(xiàn):1、用內(nèi)生解釋變量對(duì)工具變量進(jìn)行回歸,得到擬合值Pt( Pt 實(shí)際上是內(nèi)生變量中的外生部分,而另一部分是與擾動(dòng)項(xiàng)相關(guān)); 2、用被解釋變量對(duì)第一階段的擬合值Pt 進(jìn)行回歸。工具變量的檢測(cè):1、 不可識(shí)別檢驗(yàn);2、 弱工具變量檢驗(yàn);3、 過度識(shí)別檢驗(yàn)( estat overid ) 。豪斯曼檢驗(yàn):原假設(shè)為所有解釋變量均為外生變量,若拒絕假設(shè)的話應(yīng)該使用工具變量法,若接受的話使用OLS。豪斯曼過程:reg X1 x2Estimates store ols( 存儲(chǔ) OLS的結(jié)果)Ivr
10、egress 2sls y x1(x2=z1 z2)( 假設(shè)懷疑X2 為內(nèi)生變量)Estimates store iv( 存儲(chǔ) 2SLS 結(jié)果 )Hausman iv ols,constant sigmamore(根據(jù)存儲(chǔ)的結(jié)果進(jìn)行豪斯曼檢驗(yàn))若存在異方差的問題,則可以使用杜賓- 吳 - 豪斯曼檢驗(yàn)。它在異方差的情況下也適用。在球形擾動(dòng)項(xiàng)的假定下,2SLS最有效,但如果擾動(dòng)項(xiàng)存在異方差或自相關(guān),則存在 GMM廣義矩估計(jì)這一更有效的方法:首先使用2SLS得到殘差,然后 GMM但是在實(shí)際操作中使用迭代法。GMM勺命令:ivregress gmm y x1(x2=z1 z2)兩步最優(yōu)GMMivreg
11、ress gmm y x1 (x2=z1 z2), igmm迭代 GMMestat overid過度識(shí)別檢驗(yàn)工具變量法的STATA令和實(shí)例:Use ,clearSum然后考察智商和受教育年限的相關(guān)關(guān)系(本文研究的是工資與受教育年限的關(guān)系)具有較強(qiáng)的正相關(guān)關(guān)系。然后作為一個(gè)參照系,進(jìn)行OLS回歸并使用穩(wěn)健標(biāo)準(zhǔn)誤。教育投資率%, 顯然過高,可能是遺漏了變量能力,使得能力對(duì)工資的貢獻(xiàn)也被納入教育的貢獻(xiàn)。因此使用iq作為能力的代理變量,再進(jìn)行OLS回歸,可以發(fā)現(xiàn)加入iq作為能力的代理變量后,教育投資回報(bào)率降低了一些,但還是過高。(如下圖)使用 iq 來(lái)度量能力存在測(cè)量誤差,因此iq 為內(nèi)生變量,考慮使
12、用med kww mrt age 作為iq的工具變量,進(jìn)行 2SLS回歸,并使用穩(wěn)健標(biāo)準(zhǔn)誤。受教育年限回報(bào)上升,而 iq 竟然是負(fù)相關(guān),因此不可信,使用工具變量法需要驗(yàn)證其工具變量的有效性因此進(jìn)行過度識(shí)別來(lái)檢驗(yàn)所有工具變量是否外生。上圖顯示有些工具變量不合格,與擾動(dòng)項(xiàng)相關(guān)。懷疑mrt 和 age 不滿足外生性,因此僅適用med和kww作為iq的工具變量,再次進(jìn)行 2SLS回歸,同時(shí)顯示第一階段的回歸結(jié)果。如上圖,第一部分回歸是使用內(nèi)生解釋變量對(duì)工具變量進(jìn)行回歸,第二部分用被解釋變量對(duì)第一階段回歸的擬合值進(jìn)行回歸。上圖中教育回報(bào)率較為合理,而且iq 系數(shù)也為整數(shù),再次進(jìn)行過度識(shí)別檢驗(yàn)。結(jié)果沒有拒
13、絕外生的原假設(shè)。接下來(lái)繼續(xù)考察作為工具變量的第二個(gè)條件,即工具變量與內(nèi)生變量的相關(guān)性,由第一 階段的回歸看出,med和kww對(duì)iq有較好的解釋力,但為穩(wěn)健起見,還是使用對(duì)弱工具變 量更不敏感的有限信息最大似然法(LIML)。以上結(jié)果與2SLS非常接近,側(cè)面驗(yàn)證了不存在弱工具變量。還有,使用工具變量法的前提是存在內(nèi)生解釋變量,因此進(jìn)行豪斯曼檢驗(yàn)。結(jié)果顯示拒絕了原假設(shè),因此存在iq為內(nèi)生變量,又因?yàn)閭鹘y(tǒng)的豪斯曼檢驗(yàn)在異方差的情況下不成立,下面進(jìn)行異方差穩(wěn)健的DWH驗(yàn):DWH勺P值小于,故可以認(rèn)為iq為內(nèi)生解釋變量。另外如果存在異方差,則 GMM匕2SLS更有效,因此進(jìn)行最優(yōu) GMM&計(jì):上
14、圖顯示兩步最優(yōu) GMMW 2SLS很接近,再進(jìn)行過度識(shí)別檢驗(yàn)結(jié)果接受原假設(shè),說明所有工具變量外生。然后再做迭代GMM下圖顯示與兩步 GMM(數(shù)估計(jì)值相差不大。如果希望將以上各估計(jì)值級(jí)標(biāo)準(zhǔn)誤弄在同一張表中:qui reg lw s expr tenure rns smsa,r.est sto ols no iq.qui reg lw iq s expr tenure rns smsa,r.est sto ols with iq.qui ivregress 2sls lw s expr tenure rns smsa (iq=med kww),r.est sto tsls.qui ivregres
15、s liml lw s expr tenure rns smsa (iq=med kww),r.est sto liml.qui ivregress gmm lw s expr tenure tns smsa (iq=med kww).qui ivregress gmm lw s expr tenure rns smsa (iq=med kww).est sto gmm.qui ivregress gmm lw s expr tenure rns smsa (iq=med kww),igmm.est sto igmm.estimates table ols_no_iq ols_with_iq
16、tsls liml gmm igmm,b se區(qū)中,選項(xiàng)b表示顯示回歸系數(shù),se表示顯示標(biāo)準(zhǔn)誤差如果希望用一顆星表示 10吸著性水平等等:如果想像論文一樣顯示,則如下表:se表示在括弧中顯示標(biāo)準(zhǔn)誤差,p表示顯示P值,r2表示顯示R的平方,mtitle 顯示使用模型名字,二值選擇模型離散選擇模型、定性反應(yīng)模型或被解釋變量取非負(fù)整數(shù)時(shí),都不適宜使用OLS回歸。1 、 二值選擇模型:只有兩種選擇,是否。Probit y x1 x2 x3,r (probit模型 )Logit y x1 x2 x3,or vce ( cluster clustvar )( logit 模型)其中, r 代表使用穩(wěn)健標(biāo)準(zhǔn)
17、誤,or 顯示幾率比而不是系數(shù),vce 表示使用以clustvar為聚類變量的聚類穩(wěn)健標(biāo)準(zhǔn)誤。Stata 舉例:美國(guó)婦女就業(yè)與否的二值選擇模型。然后使用logit 進(jìn)行估計(jì):結(jié)果顯示所有系數(shù)的聯(lián)合顯著性很高,繼續(xù)使用穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行l(wèi)ogit 回歸:對(duì)比以上兩個(gè)表格顯示標(biāo)準(zhǔn)誤相差不大,因此不用擔(dān)心模型設(shè)定問題。二值選擇模型中的異方差問題:hetprob y x1 x2 x3,het(varlist) ,如果接受原假設(shè)則為同方差。此外,二值選擇模型中一般都沒有擾動(dòng)項(xiàng)的存在。二 值 選 擇 模 型 中 的 異 方 差 問 題 可 以 進(jìn) 行 似 然 比 檢 驗(yàn) (LR) : hetprob y x1
18、 x2x3,het(varlist)( 這是在異方差情況下進(jìn)行Probit 估計(jì)的 stata 命令, het( varlist )制定對(duì)擾動(dòng)項(xiàng)方差有影響的所有變量,如 het (age married children ) ), LR檢驗(yàn)原假設(shè)為同方差。多值選擇模型個(gè)體面臨的選擇有時(shí)是多值的,因此可能需要使用到多項(xiàng)probit 或多項(xiàng) logit ,或者在有某項(xiàng)條件時(shí)需要用到條件logit , 還有在不隨方案而變的多項(xiàng)logit 模型和解釋變量隨方案而變的條件logit 模型混合的logit 模型。舉例來(lái)說,問卷調(diào)查將受訪者職業(yè)分為五類(OCC) ,解釋變量為是否白人、受教育年限、工齡,解釋
19、變量都依賴于個(gè)體而不依賴于方案,因此使用多項(xiàng)logit 或多項(xiàng) probit 回歸:進(jìn)行多項(xiàng)logit 回歸: 上述結(jié)果說明白人更不可能選擇服務(wù)業(yè)或工匠;是否白人對(duì)選擇藍(lán)領(lǐng)或白領(lǐng)沒顯著影響。排序與計(jì)數(shù)模型1、泊松回歸:被解釋變量只能取非負(fù)整數(shù),即 0,1,2.,這時(shí)常用泊松回歸。Poisson y x1 x2 x3,r irrPoisson y x1 x2 x3,r exposure(x1)Poisson y x1 x2 x3,r offset(x1)其中, r 為穩(wěn)健標(biāo)準(zhǔn)誤,irr 為顯示發(fā)生率比,exposure 表示把 inx1 作為解釋變量并使其系數(shù)為1, offset 表示將 x1
20、作為解釋變量并使其系數(shù)為1.2 負(fù)二項(xiàng)回歸:泊松回歸的局限是泊松分布的期望與方差一定相等,但如果被解釋變量的 方差明顯大于期望,即存在過度分散,這時(shí)候可以使用負(fù)二項(xiàng)回歸。Nbreg y x1 x2 x3,r exposure(x1)Nbreg y x1 x2 x3,r dispersion(constant) offset(x1)其中 dispersion ( constant )表示使用NB1 模型。3 零膨脹泊松回歸與負(fù)二項(xiàng)回歸:如計(jì)數(shù)數(shù)據(jù)中包含大量0 值,則可以使用零膨脹泊松回歸或零膨脹負(fù)二項(xiàng)回歸。如果vuong 統(tǒng)計(jì)量很大為正數(shù),則應(yīng)該使用零膨脹泊松回歸,如果統(tǒng)計(jì)量很小為負(fù)數(shù),則使用零
21、膨脹負(fù)二項(xiàng)回歸。Zip y x1 x2 x3,inflate(varlist) vuong(零膨脹泊松回歸)Zinb y x1 x2 x3,inflate(varlist) vuong( 零膨脹負(fù)二項(xiàng)回歸) , 其中 inflate(varlist)不可缺少列出所有變量。如果研究者只關(guān)注參數(shù)的估計(jì)值,則泊松回歸。Stata 舉例:被解釋變量narr86 ( 1986年被逮捕的次數(shù)),被解釋變量為計(jì)數(shù)數(shù)據(jù),盡管如此,還是使用OLS回歸進(jìn)行觀察:R的平方為,但大多數(shù)解釋變量都顯著,下面進(jìn)行泊松回歸,并使用穩(wěn)健標(biāo)準(zhǔn)誤:(nolog )表示不顯示迭代記錄。上倆圖可以看出雖然OLS和泊松的系數(shù)相差很大,
22、但兩者并不具有可比性,為方便比較,計(jì)算泊松回歸的平均邊際效應(yīng):可以看出,泊松模型的平均邊際效應(yīng)與OLS的回歸系數(shù)很接近,為便于解釋系數(shù),下面計(jì)算發(fā)生率比:可以看出黑人被逮捕次數(shù)比白人多%。此外使用泊松回歸的前提之一是被解釋變量的期望與方差相等,因此考察被解釋變量的統(tǒng)計(jì)特征:結(jié)果顯示樣本方差幾乎是樣本均值的兩倍,為放松此假定進(jìn)行負(fù)二項(xiàng)回歸(NB2) :alpha 的置信區(qū)間為,因此可在5%的顯著性水平下拒絕過度分散參數(shù)alpha=0的原假設(shè),也因此應(yīng)使用負(fù)二項(xiàng)回歸。短面板面板數(shù)據(jù)指的是一段時(shí)間內(nèi)跟蹤同一組個(gè)體數(shù)據(jù),它既有橫截面的維度又有時(shí)間維度。其中,如果每個(gè)時(shí)期在樣本中的個(gè)體完全一樣,則稱為平
23、衡面板數(shù)據(jù),反之為非平衡面板數(shù)據(jù)。固定效應(yīng)還是隨機(jī)效應(yīng):當(dāng)不存在異方差的時(shí)候,使用hausman檢驗(yàn),如果假設(shè)成立,則使用隨機(jī)效應(yīng),如果拒絕假設(shè),則使用固定效應(yīng)。而當(dāng)存在異方差時(shí)候,使用輔助回歸然后聚類穩(wěn)健標(biāo)準(zhǔn)誤來(lái)檢驗(yàn),如果接受假設(shè),則使用隨機(jī)效應(yīng)模型。短面板的stata 命令及實(shí)例:Xtset panelvar timevar ( xt 說明數(shù)據(jù)為面板數(shù)據(jù),panelvar 取值必須為整數(shù)且不重復(fù),相當(dāng)于進(jìn)行編號(hào),timevar 為時(shí)間變量,假如panelvar 為字串符,如國(guó)家,則使用encode country , gen( cntry ) )Xtdes 顯示面板的結(jié)構(gòu),是否為平衡面板X
24、tsum 顯示組內(nèi),組間與整體的統(tǒng)計(jì)指標(biāo)Xttab varname 顯示組內(nèi),組間與整體的分布頻率,tab 指的是 tabulate交通死亡率:首先設(shè)定state 與 year 為面板變量及時(shí)間變量。上圖顯示這是一個(gè)平衡的面板數(shù)據(jù)(每個(gè)時(shí)期在樣本中的個(gè)體完全一樣) ,然后顯示數(shù)據(jù)集的結(jié)構(gòu) :n=48, T=7, n大而T小,說明這是一個(gè)短面板,然后作為參照系,首先進(jìn)行混合回歸:reg y x1 x2 x3, vce( cluster id )其中 id 用來(lái)確定每個(gè)個(gè)體的變量,vce( cluster state )表示使用以state 為聚類變量的聚類穩(wěn)健標(biāo)準(zhǔn)誤由于每個(gè)州的情況不一樣,可能存
25、在不隨時(shí)間變化的遺漏變量,故考慮使用固定效應(yīng):Xtreg y x1 x2 x3 , fe rLSD怯白S stata 命令為:reg y x1 x2 x3 , r其中 r 為使用聚類穩(wěn)健標(biāo)準(zhǔn)誤,vce ( cluster id )也能達(dá)到這種效果,id 表示用來(lái)確定個(gè)體的變量,表示根據(jù)變量id 而生成的虛擬變量。首先使用組內(nèi)估計(jì)量:xtreg y x1 x2 x3 , fe (固定效應(yīng)估計(jì))(存貯), re (隨機(jī)效應(yīng)估計(jì))(存儲(chǔ)), constant sigmamore (豪斯曼檢在選擇隨機(jī)還是固定時(shí):使用 hausman檢驗(yàn):Estimates store feXtreg y x1 x2
26、x3 Estimates store re Hausman fe re 驗(yàn))長(zhǎng)面板與動(dòng)態(tài)面板在長(zhǎng)面板中,T可能會(huì)比較大,因此可能存在組間異方差,組內(nèi)自相關(guān)或組間同期相關(guān)的問題,主要有兩種處理方式:1、使用OLS即LSDV來(lái)估計(jì)系數(shù),只對(duì)標(biāo)準(zhǔn)誤差進(jìn)行矯正 (即面板矯正誤差); 3、 對(duì)異方差或自相關(guān)的具體形式進(jìn)行假設(shè),然后使用可行廣義最小二乘法FGLS進(jìn)行估計(jì)。1、 矯正標(biāo)準(zhǔn)誤差即使擾動(dòng)項(xiàng)存在組間異方差或組間同期相關(guān)等,LSDV&依然有效,此時(shí),只要使用組間異方差、組間同期方差穩(wěn)健的標(biāo)準(zhǔn)誤差即可,即面板校正標(biāo)準(zhǔn)誤差PCSE:Xtpvse y x1 x2 x3,hetonly ,其中 he
27、tonly 表示存在組間異方差,但不存在組間同期相關(guān);舉仞inc為被解釋變量,由于 n=10, T=30,因此是一個(gè)長(zhǎng)面板。為了考慮時(shí)間效應(yīng),生成時(shí)間趨勢(shì)變量t,然后用LSDV法估計(jì)雙向固定效應(yīng)模型(作為對(duì)比先不考慮異方差等)下圖可以看出有些州虛擬變量顯著,即存在固定效應(yīng),而時(shí)間效應(yīng)則不太顯著,p值為 . 然后下表未考慮組間異方差等,因此使用面板校正標(biāo)準(zhǔn)誤進(jìn)行估計(jì)(下下圖)命令 xtpcse 與命令 reg 的估計(jì)系數(shù)完全一樣,只是標(biāo)準(zhǔn)誤不同。2、 僅解決組內(nèi)自相關(guān)的FGLS: xtpcse y x1 x2, corr( ar1 ) 。 無(wú)論是使用prais-winsten還是OLS方法都在組
28、間異方差與組間同期相關(guān)的情況下成立。繼續(xù)使用以上數(shù)據(jù),考慮組內(nèi)自相關(guān)的情形,但要求各組的自回歸系數(shù)相同3、 組間異方差的檢驗(yàn):如果拒絕假設(shè),則存在組間異方差。Ssc install xttest3 (下載安裝命令)Quietly xtreg lnc lnp t , r fexttest3Quietly xtgls lnc lnp tXttest34、 組內(nèi)自相關(guān)檢驗(yàn):如果拒絕假設(shè),則存在組內(nèi)自相關(guān)Net install st0039Xtserial y x1 x2 x3,output5、 組間同期相關(guān)的檢驗(yàn):如果拒絕假設(shè),即存在組間同期相關(guān)。Ssc install xtest2Quietly
29、xreg inc inp inpmin iny t,feXttest2非線性面板對(duì)于面板數(shù)據(jù),如果被解釋變量為虛擬變量、計(jì)數(shù)變量、受限變量等,則為非線性面板。1、 如果被解釋變量為虛擬變量,則稱為面板二值選擇模型。一般采用混合、固定或隨機(jī)效應(yīng)模型?;旌匣貧w:如果不存在個(gè)體效應(yīng),則使用混合回歸Probit y x1 x2 x3,vce(cluster id)混合 probit 回歸Logit y x1 x2 x3,vce(cluster id)混合 logit 回歸 其中 Id 為確定面板單位的變量隨即效應(yīng)模型:Xtprobit x1 x2 x3,Xtlogit y x1 x2 x3 ,再次輸出
30、結(jié)果中,包含了對(duì)原假設(shè)的LR檢驗(yàn)結(jié)果,如拒絕則使用隨機(jī),接受則使用混合固定效應(yīng)模型:xtlogit y x1 x2 x3,feStata 實(shí)例: 被解釋變量為是否起義uprising , 由于面板probit 無(wú)固定效應(yīng)模型,因此使用面板logit 模型。首先進(jìn)行固定效應(yīng)面板logit 估計(jì):如下圖所示,第二行有一個(gè)朝代未發(fā)生企業(yè),因此在估計(jì)固定效應(yīng)時(shí)應(yīng)被去掉。然后進(jìn)行混合回歸logit 模型,為保持與固定效應(yīng)樣本一樣,在混合回歸中也去掉了dyn=2 的朝代:為了在固定和混合進(jìn)行選擇,使用豪斯曼檢驗(yàn),但豪斯曼不允許在混合回歸使用選擇項(xiàng)vce ( cluester dyn ) ,因此重新進(jìn)行混合回歸:quietly logit uprising age pop temp sfamine sfamine1 sfamine2 sfamine3 reliefrelief1 relief2 re
溫馨提示
- 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年的購(gòu)房定金合同模板
- 2025電子產(chǎn)品購(gòu)銷合同范文模板
- 2025農(nóng)業(yè)合作經(jīng)營(yíng)合同
- 2025年大壩加固工程合同管理與風(fēng)險(xiǎn)評(píng)估研究
- 2025企業(yè)采購(gòu)專項(xiàng)法律服務(wù)合同
- 房屋中介服務(wù)居間合同書
- 二零二五合同付款補(bǔ)充協(xié)議
- 二零二五股東轉(zhuǎn)讓協(xié)議范例
- 房地產(chǎn)買賣合同書樣式
- 電子商務(wù)的電子合同書與電子簽名
- GB/T 15593-2020輸血(液)器具用聚氯乙烯塑料
- 鐵碳合金的相圖解讀
- 2023年復(fù)旦大學(xué)博士研究生入學(xué)考試專家推薦信模板
- 中小學(xué)教師資格證面試課件講義
- 全國(guó)初中英語(yǔ)優(yōu)質(zhì)課大賽一等獎(jiǎng)《八年級(jí)Unit 6An old man》說課課件
- 云南省飲用水生產(chǎn)企業(yè)名錄534家
- 湖北地區(qū)醫(yī)院詳細(xì)名單一覽表
- 麥肯錫入職培訓(xùn)第一課:讓職場(chǎng)新人一生受用的邏輯思考力新員工培訓(xùn)教材
- 蘇霍姆林斯基教育思想-PPT課件
- 金屬壓鑄機(jī)的plc控制
評(píng)論
0/150
提交評(píng)論