短面板数据分析的基本程序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u计量经济学导论第四版（伍德里奇）中文版或英文版u用用Stata学计量经济学学计量经济学u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u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）。u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）。 StataStata中面板数据结构中面板数据结构companyyearinvestmvalue11951755.9483311952891.24924.9119531304.46241.7119541486.75593.621951588.22289.521952645.52159.4219536412031.321954459.32115.531951135.21819.431952157.32079.731953179.52371.631954189.62759.9regioncodeyearrgdpinflation北京12000北京12001北京12002北京12003北京12004北京12005北京12006北京12007北京12008天津22000天津22001u短面板：NT;反之为长面板。u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.u非平衡面板数据（unbalancedpanel）:Tmaydifferentoveri.Benefitsofpaneldataanalysisuusetraffic.dtaudes第一步:构造计量模型面板数据模型p非观测效应模型（unobservedeffectsmodel）固定效应模型(FixedEffectsModel,FE)随机效应模型(RandomEffectsModel,RE)u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u固定效应模型固定效应变换（FixedEffectsTransformation）（组内变换）(WithinTransformation)LSDV(LeastSquareDummyVariable( (式式1)1)给定第给定第i i 个个体，将个个体，将( (式式1)1)两边对时间取平均可得，两边对时间取平均可得，(式式2)固定效应变换u(式式1)(式式2)得：得：可以用可以用OLS方法估计方法估计，称为，称为“固定效应估计量固定效应估计量”（FixedEffectsEstimator），记为），记为由于由于主要使用了每个个体的组内离差信息，故主要使用了每个个体的组内离差信息，故也称为也称为“组内估计量组内估计量”（withinestimator）。）。令令 ，则，则 Stata 命令uxtreg,feuxi:xtregi.year,feLSDV(LeastSquareDummyVariable)u基本思想：将不可观测的个体效应基本思想：将不可观测的个体效应ai看做待估计看做待估计的参数，的参数，ai就是第就是第i个个体的截距。估计个个体的截距。估计n个截距的个截距的方法就是引入方法就是引入n1个虚拟变量（如果省略常数项，个虚拟变量（如果省略常数项，则引入则引入n个虚拟变量）个虚拟变量）。u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。个州的回归线斜率相同，但截距不同。第第1个州的截距是：个州的截距是：第第2个州的截距是：个州的截距是：第第3个州的截距是：个州的截距是：第第4个州的截距是：个州的截距是：Stata 命令uxi:regi.codeuxi:regi.codei.year随机效应模型估计uGLSTheusualpooledOLScangiveconsistentestimators,butasitsstandarderrorsignorethepositiveserialcorrelationinthecompositeerrorterm,theywillbeincorrect.uSolution:GLStransformationtoeliminatetheserialcorrelation:TheseestimatorscanbebasedonthepooledOLSorfixedeffectsresiduals.uRandomEffectsEstimator:ThefeasibleGLSestimatorthatusesinplaceofRE,FEandPLSuPooledOLS:uFixedEffectsEstimator:Stata 命令uxtreg,reuxi:xtregi.year,re进一步的解释uheteroscedasticityconsistentor“White”standarderrorsareobtainedbychoosingoptionvce(robust)whichisavailableformostestimationcommands.uStatasestimationcommandswithoptionrobustalsocontainacluster()optionanditisthisoptionwhichallowsthecomputationofso-calledRogersorclusteredstandarderrors.ButuWhileallthesetechniquesofestimatingthecovariancematrixarerobusttocertainviolationsoftheregressionmodelassumptions,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u变量解释与变量的描述性统计usetraffic.dtaxtsetstateyearsumfatalbeertaxspirconsunrateperincku关键变量与被解释变量的散点图并画出回归直线twoway(scatterfatalbeertax)(lfitfatalbeertax)uPLSorFEtabyear,gen(year)1.xtregfatalbeertaxspirconsunrateperinckyear2-year7,fe 这里误差项可能存在自相关、异方差和截面相这里误差项可能存在自相关、异方差和截面相关问题，所以关问题，所以F F检验显示的结果可能不可靠检验显示的结果可能不可靠, ,所所以严格的话，首先要检验是否存在截面相关问以严格的话，首先要检验是否存在截面相关问题，命令如下：题，命令如下：xtcsd,pesxtcsd,frixtcsd,fre第3步:模型选择TestingforCross-sectionalDependenceuxtcsd短面板uxttest2长面板uxtcsdisapostestimationcommandvalidforuseafterrunninganFEorREmodel.uxtcsdcanalsoperformPesaransCDtestforunbalancedpanels.PLSorFEu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对州虚拟变量做对州虚拟变量做F F检验检验 如果不存在截面相关，则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uPLSorRElxtregfatalbeertaxspirconsunrateperinckyear2-year7,relxttest0/xttest1（AR(1)）PLSorREuFEorREuHausmantest1xtregfatalbeertaxspirconsunrateperinckyear2-year7,feeststoreFExtregfatalbeertaxspirconsunrateperinckyear2-year7,rehausmanFE,sigmamoreHausman检验：u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FEFEorRE解决办法：构造一个辅助回归继续u基于随机效应估计的自相关检验xtserialfatalbeertaxspirconsunrateperinckyear2-year7Hausmantest2uquietlyxtregfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7,reuscalartheta=e(theta)uglobalyandxforhausmanfatalbeertaxspirconsunrateperinckyear2year3year4year5year6year7usortstateuforeachxofvarlist$yandxforhausmanbystate:egenmeanx=mean(x)genmdx=x-meanxgenredx=x-theta*meanxquietlyregredfatalredbeertaxredspirconsredunrateredperinckredyear2redyear3redyear4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7,vce(clusterstate)utestmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7Hausmantest3u基于随机效应估计的截面相关检验xtregfatalbeertaxspirconsunrateperinckyear2-year7,rextcsd,pesabsxtcsd,friabsxtcsd,freabsHausmantest3pquietlyxtsccredfatalredbeertaxredspirconsredunrateredperinckredyear2redyear3redyear4redyear5redyear6redyear7mdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7utestmdbeertaxmdspirconsmdunratemdperinckmdyear2mdyear3mdyear4mdyear5mdyear6mdyear7第4步：报告计量结果u假设Hausmantest选择FE，则xtregfatalbeertaxspirconsunrateperinckyear2-year7,fextcsd,pesabsxtcsd,friabsxtcsd,freabsu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其中标准误是其中标准误是Driscoll-Kraay,估计量是组内估计量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如果不存在截面相关，则检验是否存在异方差xtregfatalbeertaxspirconsunrateperinckyear2-year7,felxttest3*一般都存在异方差一般都存在异方差u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.u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1.描述性统计并作图2.模型选择lPLSorFE?lPLSorRE？lFEorRE?（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1.描述性统计并作图2.模型选择lPLSorFE?lPLSorRE？lFEorRE?（三种HausmanTest）3.报告计量结果Thank you!