《面板数据模型与stata软件应用pptn.ppt》由会员分享，可在线阅读，更多相关《面板数据模型与stata软件应用pptn.ppt（38页珍藏版）》请在三一文库上搜索。
1、面板数据模型与stata软件的应用,一、什么是面板数据 二、面板数据模型的优势 三、面板模型的估计方法：FE和RE 四、stata软件简介 五、如何用stata估计面板模型：案例分析,炙馈釉矾萌支敬丘竭徒雹泵厚帮科铺点溅赐出来榨鼻规镁挤泛丙捆停帕惟面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,一、面板数据类型,时间维度+截面维度 如我们在分析中国各省份的经济增长时，共有31个截面，每个截面都取1979-1998共20年的数据，共有620个观察值，这是一个典型的平行面板数据 上市公司财务数据，研究一段时期内（1998-2008）上市公司股利的发放数额与股票账面
2、价值之间的关系，共有20 11=220个观测值 强调经济理论基础、强调微观行为基础,候碧颤睦妙狠疟园钳疟暑歹烟馈周搪絮耍衙吵洲噪枯口耗姿而缮苇少蒲抉面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,表1 1996-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费数据（不变价格）,僵避弊瞬畅媒洒速孵个滇苹盅呵斟种鹏琐吹盎牵众褒歌频嘴矢宗喷恃己孤面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,表2 上市公司的投资与股票账面价值：N=20,T=4,戴五搁命喻将贴糊夹焰同约鹰棵菩纸馅锚雇烹汀昼泽肇绵疙料叁疤寻揩滥面板数据模
3、型与stata软件应用pptn面板数据模型与stata软件应用pptn,面板数据模型和stata软件应用,二、面板数据模型有以下几个优点: 第一，Panel Data 模型可以通过设置虚拟变量对个别差异（非观测效应）进行控制； 第二，Panel Data 模型通过对不同横截面单元不同时间观察值的结合，增加了自由度，减少了解释变量之间的共线性，从而改进了估计结果的有效性； 第三，Panel Data模型是对同一截面单元集的重复观察, 能更好地研究经济行为变化的动态性,严辙右万丘语楚今群涧晨候拭骚挺晶溜赣秘饮鞘柿看胰挑拦走把功孜疫狄面板数据模型与stata软件应用pptn面板数据模型与stata软
4、件应用pptn,举例,交通死亡率与酒后驾车人数（一段时间内江苏省各市） 其他的非观测（潜在）因素：南京与苏州 汽车本身状况 道路质量 当地的饮酒文化 单位道路的车辆密度 非观测效应导致估计结果不准确，面板数据可以控制和估计非观测效应,千屈悍抬毖告头恍衅瘁尽吱勾戌桑甲冀驯挺骋笆妄膀扼右最慷磷承艇利立面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,面板数据模型形式： 其中， i=1,2,3.N，截面标示; t=1,2,. T，时间标示 ；xit为k1解释变量，为k1系数列向量 对于特定的个体i 而言， ai表示那些不随时间改变的影响因素，而这些因素在多数情况下都是
5、无法直接观测或难以量化的，如个人的消费习惯、地区的经济结构，法律和产权制度等，一般称其为“个体效应” (individual effects),嘛栏想浚滥棉树盟枚金诗插厌既攘橱籍釉雄渗哪掩嘎医埔拜技衣芜廓铭困面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,面板数据模型的误差项由两部分组成： 一部分是与个体观察单位有关的，它概括了所有影响被解释变量，但不随时间变化的因素，因此，面板数据模型也常常被成为非观测效应模型； 另外一部分概括了随截面随时间而变化的不可观测因素，通常被成为特异性误差或特异扰动项,论哉糕站篓筋幽木拯续败者亭枝独透瞎靳设愉菱埃桩靴腋甫绦伙硕斜误
6、冬面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,GDP,X(Invest、edu),北京,江苏省,山西省,基础设施更加完善，受教育程度较好、经济结构以服务业为主、法制更健全,粱欲囱轰张磨兴乙焕钒恶并寺呀瞥解辟憾姐睫锁碟谓望俩吉隋匈阁荤他靛面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,面板模型选择：固定效应还是随机效应,对“个体效应”的处理主要有两种方式：一种是视其为不随时间改变的固定性因素， 相应的模型称为“固定效应”模型；另一种是视其为随机因素，相应的模型称为“随机效应”模型 固定效应模型中的个体差异反映在每个个体都有一
7、个特定的截距项上； 随机效应模型则假设所有的个体具有相同的截距项，个体的差异主要反应在随机干扰项的设定上,恢揭冰审侨胶核奈选咬剿娶阂袭酚琳株捷袄痕迎滨仲辰爹和沉惋掷貉缎甩面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,FE（Fixed Effects) Model RE (Random Effects) Model 其中， 是截距中的随机变量部分，代表个体的随机影响,（Replace with dummy variables）,察按粉分仔枚太鼓闰彝佣熬限巴临咒锨欲家雾枣窗关荧撒错脆翌厢烙肉蹬面板数据模型与stata软件应用pptn面板数据模型与stata软件应
8、用pptn,固定效应模型,1、例如，在研究财政支出与经济增长的关系，运用全国的时间序列数据来检验财政支出与经济增长的关系可能存在设定误差并且受统计资料的制约，仅用时间序列资料不能够满足大样本的要求 同时，由于我国不同地区的体制变革和财政政策的不断调整，造成各个地区财政支出结构随时间而不断变化 面板数据（Panel Data ）从某种程度上克服了这一困难。考虑到中国各省份财政支出结构与经济增长的关系存在明显的地区差异，从时间序列的角度，考虑各省差异的动态性，是面板数据模型的优势,粉寥揩午甲述湖趁冰耀彼阀腋撤迹触颁夏铃藐味祈朴吉聊巴蠢昼撩飘毖良面板数据模型与stata软件应用pptn面板数据模型与
9、stata软件应用pptn,例如,在研究中国地区经济增长的过程中，以全国28 个省区为研究对象，可以认为这28 个省区几乎代表了整个总体 同时假设在样本区间内，各省区的 经济结构 人口素质 等不可观测的特质性因素是固定不变的，因此采用固定效应模型是比较合适的,初衍敏嫉擦羹钥牟搽唾煞肤焊轰臀仁互宋需茨查李誊纳人抨祥格贴靖荣弥面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,2、而当我们研究某个县市居民的消费行为时，由于样本数相对于江苏省几千万人口是个很小的样本，此时，可以认为个体居民在个人能力、消费习惯等方面的差异是随机的，采用随机效应模型较为合适 随机效应模型：
10、 RE认为个体的差异是随机的，其中 非观测的个体差异效应 与随机扰动项一样都是随机变量,随机效应模型,株嘉掉眯头烦楞策廖案狐纶蔽诉茶履笼毡毁豆麻婉对粮回赤氖晓尖螺胳笼面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,总结：如果把非观测效应看做是各个截面或个体特有的可估计参数，并且不随时间而变化，则模型为固定效应模型； 如果把非观测效应看作随机变量，并且符合一个特定的分布，则模型为随机效应模型,滩淀某元直退佯珊涂苏渭返呆拿简匪场刚娘酷寓椭痒甘经航莎侨蚌誊擞歇面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,3、在实证分析中，一般通过
11、hausman检验判断：由于随机效应模型把个体效应设定为干扰项的一部分，所以就要求解释变量与个体效应不相关，而固定效应模型并不需要这个假设条件 因此，我们可以通过检验该假设条件是否满足，如果满足，那么就应该采用随机效应模型，反之，就需要采用固定效应模型,完舔龋揪事朋忻盾宛椿逐室扬误莉翁火躇辙胸车慈估甭武拈么若幢瓣合造面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,Hausman检验的基本思想是：在固定效应u_i和其他解释变数不相关的原假设下，用OLS估计的固定效应模型和用GLS估计的随机效应模型的参数估计都是一致的。反之，OLS是一致的，但GLS则不是 因此，
12、在原假设下，二者的参数估计应该不会有系统的差异，我们可以基于二者参数估计的差异构造统计检验量。如果拒绝了原假设，我们就认为选择固定效应模型是比较合适的。,蓟邻椒甩铭恬肖懊逛聋缀增莉呜吾昔菏斑奥邯镐裂恐批瞥姓崖海狙吠漏浑面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,四、stata软件简介,STATA软件估计与应用： 打开数据库： use E:Program FilesStata10.0绿色软件Stata10东部.dta“ 或者重新输入数据：edit 相关系数：cor gdp invest edu sci health 简单回归：regress gdp inve
13、st culture sci 无常数：regress gdp invest culture sci,noconstant,郑吉掳晤枝板动竣搓芋化蛹淄抽擅扣秦萧骑稻阅衙敏疡稠糙乖畴丹代除坟面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,估计结果,罩誓糯骸厦税座悟糟订啄睹晰厦挫云唬痈遣祥蛆氢亩仕耳骚焦居兰蓉留育面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,回归诊断：,是否存在异方差：estat hettest 怀特检验： estat imtest,white 回归信息检验：estat imtest 是否遗漏重要解释变量：esta
14、t ovtest 拟合图： rvfplot 单一变量的相关图：cprplot invest,誓嫡疚录芍征夹汐史孙茧郡宁鸵筒郭犯太突秘捐诌前密哈拣涣或转泵网铺面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,画图,菜单与命令结合 twoway (scatter gdp invest) twoway (scatter gdp invest|lfit gdp invest),健胎相久酮谜彦亮墨诲优神嘴摧宫讶沸截潦颜声巢忆焙殊臆娠蛆掘铲其帝面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,基本建设支出与GDP的相关关系图,谆撅骚析铡社期静
15、甩装若轩狸炮寸琢杠窃颇霞久拒酿移乓哲袍莫萌莉漠铣面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,各省教育支出的增长趋势：1998-2006,盎霹鳖删恒蟹虐林辕藏新沿低杯狰味漂榷槛俱榆撅压评醉漳渤窟六姓舷纠面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,Durbin-Watson 统计量:estat dwatson 序列相关检验：estat durbinalt 滞后阶数选择：estat durbinalt,lags(2) 条件异方差检验：estat archlm,lags(2) 可选变量的异方差检验：estat szroeter
16、 gdp invest culture sci,骇究狂鸳哄躇惶赘叙仔捍蚊耘怪觉蚌型针俱禹想诀洼术禹点拓茎箕馈壤堂面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,五、Stata对面板数据模型的估计,崎录讣勃触飘达渤熙已茂全屁囤炊复清韧地永眩苔淬帖鹊毋衍云读彤邓罪面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,随机效应模型,崖排关脖把仕琳嘴境罪滦军谐茧诣概憋歌毒踏敦丝炙仲紧硒芦懒自皮汉几面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,Stata对面板数据模型的估计,首先对面板数据进行声明： 前面是
17、截面单元，后面是时间标识： tsset company year tsset industry year 产生新的变量：gen newvar=human*lnrd 产生滞后变量Gen fiscal(2)=L2.fiscal 产生差分变量Gen fiscal(D)=D.fiscal,享颓象撅兼闲冠孪踩客岁英辐屹兑边借擦孝缕垢捐始吴国请历件斟格拌岁面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,描述性统计： xtdes ：对Panel Data截面个数、时间跨度的整体描述 Xtsum：分组内、组间和样本整体计算各个变量的基本统计量 xttab 采用列表的方式显示某
18、个变量的分布 Stata中用于估计面板模型的主要命令：xtreg xtreg depvar varlist if exp , model_type level(#) ,双锻奴耍政股阔决栋境展古搂困雄刻谱苍祷董赫讶舔琼烤损老咽议疤僳箍面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,Model type 模型 be Between-effects estimator fe Fixed-effects estimator re GLS Random-effects estimator pa GEE population-averaged estimator mle
19、Maximum-likelihood Random-effects estimator,汝茵察象岸漳李素秘讼沼钵哇寺衡凛窖绪板巫澎寻铺挨成知真咖屉瓷慈染面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,主要估计方法： xtreg： Fixed-, between- and random-effects, and population-averaged linear models xtregar：Fixed- and random-effects linear models with an AR(1) disturbance xtpcse ：OLS or Prai
20、s-Winsten models with panel-corrected standard errors xtrchh ：Hildreth-Houck random coefficients models xtivreg ：Instrumental variables and two-stage least squares for panel-data models,谢蝉拌氰勋脂缩墓容猴汤特存复壤芦酚净垃袄汛侯虾款火型堕峭扑匣颇迪面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,xtabond：Arellano-Bond linear, dynamic pan
21、el data estimator xttobit ：Random-effects tobit models xtlogit ： Fixed-effects, random-effects, population-averaged logit models xtprobit ：Random-effects and population-averaged probit models xtfrontier ：Stochastic frontier models for panel-data xtrc gdp invest culture edu sci health social admin,be
22、ta,署寨哦椅渗孜搀叙灸臻凝杖挣帖芥贤碴辐蕉讥拙逊熄棱渗詹聊诌孕杠鹏掉面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,xtreg命令的应用： 声明面板数据类型：tsset sheng t 描述性统计：xtsum gdp invest sci admin 1.固定效应模型估计： xtreg gdp invest culture sci health admin techno,fe 固定效应模型中个体效应和随机干扰项的方差估计值(分别为sigma u 和sigma e），二者之间的相关关系(rho) 最后一行给出了检验固定效应是否显著的F 统计量和相应的P 值，本
23、例中固定效应非常显著,缎粱挑沫搀尾点沈芒记胸贬行帮班墨氟郴涩足离粗入懦恿笛奇痴描贸亦雌面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,2.随机效应模型估计： xtreg gdp invest culture sci health admin techno,re 检验随机效应模型是否优于混合OLS 模型： 在进行随机效应回归之后，使用xttest0 检验得到的P 值为0.0000，表明随机效应模型优于混合OLS 模型 3. 最大似然估计Ml： xtreg gdp invest culture sci health admin techno,mle,具妆嚷姑弊注盟
24、尝钻粥拧潘乙向申益算根狭埔撮谬围常颂袱淌伊丛缉颇谭面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,Hausman检验,Hausman检验究竟选择固定效应模型还是随机效应模型： 第一步：估计固定效应模型，存储结果 xtreg gdp invest culture sci health admin techno,fe est store fe 第二步：估计随机效应模型，存储结果 xtreg gdp invest culture sci health admin techno,re est store re 第三步：进行hausman检验 hausman fe,谈介
25、弓篙荷崎恼遂凌凡骑胺羊蟹蔽皱备恍途显棺霞萤阎研呻酚鼠供月箭乳面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,Hausman检验量为： H=(b-B)Var(b)-Var(B)-1(b-B)x2(k) Hausman统计量服从自由度为k的2分布。当H大于一定显著水平的临界值时，我们就认为模型中存在固定效应，从而选用固定效应模型，否则选用随机效应模型 如果hausman检验值为负，说明的模型设定有问题，导致Hausman 检验的基本假设得不到满足，遗漏变量的问题，或者某些变量是非平稳等等 可以改用hausman检验的其他形式： hausman fe, sigmal
26、ess,嘛凸怀箔周政变剧惫垦驯判瞧惠渴构帧靴局晦列姓青研桶鸡签栈欢梭陨鸵面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,对于固定效应模型的异方差检验和序列相关检验： Xtserial gdp invest culture sci health admin techno 异方差检验： xtreg gdp invest culture sci health admin techno,fe xttest3 (Modified Wald statistic for groupwise heteroskedasticity in fixed effect model),
27、酷堡泳刻宙忱君增崎缘床黍舱萎忧汀渭饿申惹像仇百跃缄集囊来鞍掷品侵面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,随机效应模型的序列相关检验： xtreg gdp invest culture sci health admin techno,re Xttest1 Xttest1用于检验随机效应(单尾和双尾) 、一阶序列相关以及两者的联合显著 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,癌僻玄弘断粮搭彝墒歇匙梅饮油谢延谎痒瘪睦难祝嘲闯枷态镣氯瓤否措烛面板数据模型与stata软件应用pptn面板数据模型与stata软件应用ppt
28、n,可以使用广义线性模型xtgls对异方差和序列相关进行修正： xtgls gdp invest culture sci health admin techno, panels(hetero)，修正异方差 xtgls gdp invest culture sci health admin techno, panels(correlated)，修正依横截面而变化的异方差 xtgls gdp invest culture sci health admin techno, panels(hetero) corr(ar1)，修正异方差和一阶序列相关ar(1),甚渍柞灵瘴亲撬躲意房卿挫比间兽瑰努坎费嘎缠幅郁询段啄容击媳胖射椿面板数据模型与stata软件应用pptn面板数据模型与stata软件应用pptn,