面板數(shù)據(jù)模型估計方法

1、面板數(shù)據(jù)計量分析面板數(shù)據(jù)計量分析韓峰長沙理工大學經(jīng)濟與管理學院 面板數(shù)據(jù)的種類 長面板：橫截面n的個體數(shù)較小，而時間跨度T較大，比如以全國31省市為樣本的面板數(shù)據(jù)。 短面板：n較大而T較小，比如目前用的較多的地級城市面板數(shù)據(jù)，有的還用到縣級單位的面板及每個城市細分行業(yè)的企業(yè)面板數(shù)據(jù)。 動態(tài)面板：解釋變量中有被解釋變量的滯后項，否則為靜態(tài)面板。分析框架 數(shù)據(jù)描述 靜態(tài)面板估計 動態(tài)面板估計數(shù)據(jù)描述 定義面板數(shù)據(jù) xtset id year 顯示面板數(shù)據(jù)結(jié)構(gòu) xtdes 顯示數(shù)據(jù)的整體特征 xtsum 顯示變量的時間序列圖 xtline variable靜態(tài)面板模型 混合效應模型 固定效應模型 隨

2、機效應模型 可行的廣義最小二乘（FGLS） 工具變量法各類模型的檢驗1.固定效應與混合效應xtreg gdp23 labor kstock cstudent agglomeration,fe F檢驗檢驗2.隨機效應與混合效應xtreg gdp23 labor kstock cstudent agglomeration,re 或或xtreg gdp23 labor kstock cstudent agglomeration,re vce(cluster id ) xttest0 LM檢驗檢驗3.固定效應與隨機效應xtreg gdp23 labor kstock cstudent agglomer

3、ation,feest store fextreg gdp23 labor kstock cstudent agglomeration,reest store rehausman fe re （, constant sigmamore）異方差與自相關(guān)的檢驗1.異方差的檢驗(Ho:不存在異方差)： LR檢驗：xtgls y x1 x2 x3 x4 x5, i(id) t(year) igls panels(heteroskedastic)estimates store heteroxtgls y x1 x2 x3 x4 x5, i(id) t(year)estimates store nohet

4、erolocal df=e(N_g)-1lrtest hetero nohetero , df(df) 2. 自相關(guān)檢驗（不存在自相關(guān)）xtserial y x混合效應模型普通標準差估計普通標準差估計 reg gdp23 labor kstock cstudent agglomeration聚類穩(wěn)健標準差估計聚類穩(wěn)健標準差估計reg gdp23 labor kstock cstudent agglomeration,vce(cluster id)由于同一城市或地區(qū)不同時期之間的擾動項一般存在自相關(guān)，而普通標準差估計假設擾動項為獨立同分布序列，因而用聚類標準差估計更為準確。固定效應模型1. 每個

5、截面可能存在不隨時間而變的遺漏變量，此時要用固定效應模型xtreg gdp23 labor kstock cstudent agglomeration,fextreg gdp23 labor kstock cstudent agglomeration,fe vce(cluster id)可進一步采用可進一步采用LSDV法來考察個體效應的顯著性法來考察個體效應的顯著性xi:xtreg gdp23 labor kstock cstudent agglomeration i.id, vce(cluster id)2. 考慮時間的兩維固定效應定義時間虛擬變量：定義時間虛擬變量：tab year, ge

6、n(year)xtreg gdp23 labor kstock cstudent agglomeration year2-year8,fe vce(cluster id)test year2 year3 year4 year5 year6 year7 year8隨機效應模型個體效應還可能以隨機效應形式存在xtreg gdp23 labor kstock cstudent agglomeration,rextreg gdp23 labor kstock cstudent agglomeration,re vce(cluster id)xtreg gdp23 labor kstock cstude

7、nt agglomeration, mle（隨機效（隨機效應最大似然估計，用的較少）應最大似然估計，用的較少）可行的廣義最小二乘估計(FGLS)1.用法：用于解決長面板存在的異方差和自相關(guān)問題2.命令：(1)僅解決組內(nèi)自相關(guān)：xtpcse y x, corr(ar1); xtpcse y x, corr(psar1)(2)僅解決不同個體擾動項存在異方差xtpcse y x, hetonly(3)同時解決自相關(guān)與異方差xtgls y x, panels(het/cor) corr(ar1/psar1)我的選擇：xtgls y x, panels(het) corr(ar1)前者適用于n=T,后者

8、適用于T=n 注意：在用FGLS進行估計時同樣需要判斷是用固定效應還是隨機效應，若xtpcse與xtgls中沒有個體虛擬變量，則為隨機效應模型；若有個體虛擬變量，則為固定效應模型。 截面固定效應：tab id, gen(id) 時間固定效應：tab year,gen(year) or gen t=year-10 我的選擇：xtgls y x id2-id284, panels(het) corr(ar1) 若要得到每個個體的估計結(jié)果，即除可以讓每個個體擁有自己的截距項外，還可允許每個個體有不同的斜率： xtrc y x, betas面板工具變量法 固定效應：xtivreg gdp23 labo

9、r kstock cstudent (agglomeration=iv),fd xtivreg2 gdp23 labor kstock cstudent (agglomeration=ivs),fe gmmxtivreg2 gdp23 labor kstock cstudent (agglomeration=ivs),fd gmm 隨機效應：xtivreg gdp23 labor kstock cstudent (agglomeration=iv),re動態(tài)面板估計 差分GMM xtabond gdp23 labor kstock cstudent agglomeration, lags(1)

10、 maxldep(2) twostep vce(robust) endogenous(agglomeration) 系統(tǒng)GMM xtdpdsys gdp23 labor kstock cstudent agglomeration, lags(1) maxldep(2) twostep vce(robust) endogenous(agglomeration) 我的選擇：我的選擇：xtabond2 gdp23 l.gdp23 labor kstock cstudent agglomeration, twostep robust gmmstyle(l.gdp23 agglomeration,laglimits(2 4) ivstyle( labor kstock cstudent) artests(2) nomata相關(guān)方法的參考文章(1)韓峰,柯善咨，追蹤我國制造業(yè)集聚的空間來源：基于馬歇爾外部性與新經(jīng)濟地理的綜合視角(校定權(quán)威)，管理世界,2012(10)：55-70.(2)韓峰,柯善咨,空間外部性、比較優(yōu)勢與制造業(yè)集聚，數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究(校定權(quán)威),已采稿，刊于2013年第1期。(3)柯善咨,韓峰,中國城市經(jīng)濟發(fā)展?jié)摿Φ木C合測度和統(tǒng)計估計，統(tǒng)計研究(校定權(quán)威),已采稿，擬刊于2013年第3期。 (4)韓峰,王琢卓,李玉雙,生產(chǎn)性服務業(yè)集聚與城