高级计量经济学及stata应用学习笔记② 短面板

高级计量经济学及stata应用学习笔记② 短面板
下面展示一些 内联代码片。

// A code block
var foo = 'bar';

*Seven的高级计量经济学笔记
*教材：陈强《高级计量经济学及stata应用》*第十五章 短面板*数据来源：traffic.dta*第一、前置步骤，观察统计特征与时间趋势
use "E:\-------高计数据-------\traffic.dta"xtset state year*设置面板数据，其中xtset代表的是设置面板数据，后面跟着的两个变量有次序要求，先是个体变量再是时间变量xtsum fatal beertax spircons unrate perinck state year*列出该面板数据的所有统计特征
*具体符号为xtsum（xtsummarize）
*overall代表是总体的统计特征，between是组间的统计特征，within是组间的统计特征
*在这一个面板数据的统计特征当中，有几个比较特殊的值
*州的最小值与最大值为1和56
*州的组内标准差为0，意思是一组的数据属于一格州
*年份的组间标准差为0，意思是在不同的组之间，都有共同的年份，年份的取值都是相同的xtline fatal
*列出该面板的死亡率fatal的时间趋势图，这里的时间趋势图是以每个州为单位的 *-------------------------------------------------------------------------------------------------**第二、混合回归
*记住 混合回归的前提是 假设所有个体的影响个体异质性的截距项都相同，即ui=αregress fatal beertax spircons unrate perinck,vce(cluster state)*仍然和前面章节的回归形式差不多，但是由于存在“组内相关，组间不相关”，所以采取的是聚类稳健标准误。
*vce是一个选择项，意思是varience-covarience estimation（就是用什么作为协方差矩阵)
*而这里采取的是vce（cluster state），意思是使用以州作为一个聚类为标准的聚类稳健标准误estimates store OLS
*储存OLS估计量的结果*上面是使用聚类稳健标准误所进行的回归，下面采取普通标准误进行回归对比两次回归的异质性regress fatal beertax spircons unrate perinck*我们已经知道在面板数据中是有组内相关，组间不相关的情况的，但是普通标准误的估计方法默认ε是iid的，那么在面板数据中直接使用OLS会导致OLS估计量是不一致的*-------------------------------------------------------------------------------------------------**第三、固定效应*为什么要采用固定效应模型？因为这里包含了48个州
*每个州的情况不一样，可能有些变量随着个体而变，不随时间而变的变量，因此先采取使用固定效应模型。*固定效应模型的组内估计量
xtreg fatal beertax spircons unrate perinck,fe vce(cluster state)
*组内估计量要采用聚类稳健标准误estimates store FE_robust
*储存组间估计量的结果*在计算组内估计量时，常数项0.383783是个体效应的均值，也就是uibar
*rho是ui的方差/混合扰动项的fanghca，这里rho=0.98071823很大 ，说明混合扰动项的波动很大程度上来自个体效应ui*-------------------------------------------------------------------------------------------------**第四、混合回归还是固定效应模型？*上面跑了一个回归是 xtreg fatal spircons unrate beertax perinck,fe vce(cluster state),如果不加选择项vce(cluster state),则默认使用普通标准误，没有使用稳健标准误。
*如果不带vce，则xtreg fatal spircons unrate beertax perinck,fe会多一个F检验xtreg fatal spircons unrate beertax perinck,fe
estimates store FE
*这里的F检验的原假设是所有的ui都为0，什么意思？意思是不存在个体效应项，那么可以视为截距项了，就可以采用pooled regression
*由于这里的P值为0.0000，强烈拒绝所有的ui都为0的原假设，*那还是说明存在不同的个体效应项，所以采用固定效应模型*LSDV法reg fatal beertax spircons unrate perinck i.state,vce(cluster state)
estimates store lsdv*F检验的原假设是ui＝0--所有的个体效应项都为0--不存在个体效应--使用混合回归
*回归出来的P值都很小，我们强烈拒绝F检验的原假设，也就是拒绝使用混合回归，接受使用个体固定效应模型*一阶差分法 First Differencing Model
*一阶差分法是没有专门的命令的，但是某些统计分析中会显示出一些差分法的内容。
*这里的数据跑不出来*时间固定效应
*时间固定效应通过虚拟变量来进行LSDV估计tabulate year,generate (year)
*生成虚拟变量，注意 tabulate命令是，tabulate是选择面板中的哪个数据作为虚拟变量，而generate是将被选择的虚拟变量生成什么名字xtreg fatal beertax spircons unrate perinck year2-year7,fe vce(cluster state)
*作双向固定效应模型回归（Two-way fix effected model)
*为什么这里是双向固定效应？因为第一，这里有年度虚拟变量year1-year7（回归中没有选year1是因为dummy variable trap)第二，还有个体固定效应项ui，所以是双向固定效应模型test year2 year3 year4 year5 year6 year7
*对年份是否显著做联合检验，得到的结果是P指为0.0000，强烈拒绝无时间效应的原假设，接受存在时间效应的备择假设xtreg fatal beertax spircons unrate perinck i.year,fe vce(cluster state)
*也可以不生成虚拟变量直接回归，用i.的方法,i.的意思是自动生成虚拟变量*随机效应模型
xtreg fatal beertax unrate spircons perinck,re vce(cluster state) theta
estimates store RE
*随机效应回归xttest0
*做LM检验，原假设为ui=0，即不存在个体效应项，p=0.000，接受存在个体效应，采取随机效应模型xtreg fatal beertax unrate spircons perinck,mle nolog
*做MLE估计，nolog是指不显示迭代过程*组间估计量（Between estimator）
xtreg fatal spircons unrate perinck,be
estimates store BE
*___________________________________________________________________________________________*
*手动豪斯曼检验
quietly xtreg fatal beertax spircons unrate perinck,re
scalar theta=e(theta)
global yandxforhausman fatal beertax spircons unrate perinck
sort state
foreach x of varlist $yandxforhausman{by state : egen mean`x' = mean(`x')
gen md`x' = `x' - mean`x'
gen red`x' = `x' - theta*mean`x'
}
quietly reg redfatal redbeertax redspircons redunrate redperinck mdbeertax mdspircons mdunrate mdperinck ,vce(cluster state)
test mdbeertax mdspircons mdunrate mdperinck

高级计量经济学及stata应用学习笔记② 短面板相关推荐

stata命令汇总_第九届高级计量经济学及stata应用研讨会在京顺利举办
二零一九,寒假佳时,近30余所高校的师生齐聚北京,参加了计量经济学服务中心举办的第九届"高级计量经济学及Stata应用"现场研讨班. 本届研讨班于2019年1月19日-1月22日在 ...
《SAP高级应用开发》---Idoc学习笔记
黄佳<SAP高级应用开发>,第四章Idoc技术学习笔记,记录如一,Idoc:Intermediate document,系统间数据交换过程的媒介 A: 面向消息(mes ...
尚硅谷JavaScript高级教程(javascript实战进阶)学习笔记
前言这个是我学习过程中的笔记,分享给大家,希望对大家有用. 学习内容是尚硅谷JavaScript高级教程(javascript实战进阶),这里是视频链接. 我在前面有两篇对于web前端HTML和CS ...
看雪Unicorn高级逆向与反混淆学习笔记
课程领取链接:https://pan.baidu.com/s/1_4PIUb-Yl68aTW9Bw95iJA 提取码:tnav 安卓开发在现在是非常的火热,不管是自己爱好学习,还是找工作,安卓开发都是 ...
医咖会免费stata教程学习笔记——双边量作图
1.导入数据集方法一: 文件--示例数据集--点击蓝色字体"Example datasets installed with stata"--找到"uslifeexp.d ...
医咖会免费STATA教程学习笔记——如何使用stata自带的数据集
请依次点击: 文件--示例数据集--点选"Description"下的第一行蓝色字体"Example datasets installed with stata" ...
android学习笔记----短信发送器
目录模拟效果: 短信发送器: 短信发送器demo地址:https://github.com/liuchenyang0515/SmsSend 模拟效果: 我们初步想要的功能就是ListView显示一些 ...
JS高级——JSON、数据存储学习笔记
在目前的开发中,JSON是一种非常重要的数据格式,它并不是编程语言,而是一种可以在服务器和客户端之间传输的数据格式. JSON的全称是JavaScript Object Notation(JavaSc ...
医咖会免费STATA教程学习笔记——单因素方差分析
单因素方差分析和单因素回归分析相同 1.单因素方差分析需要满足的假设: (1)因变量为连续变量 (2)至少有一个分类变量(大于等于2类) (3)观测值相互独立 (4)没有异常值 (5)服从正态分布 ( ...

高级计量经济学及stata应用学习笔记② 短面板

高级计量经济学及stata应用学习笔记② 短面板相关推荐

最新文章

热门文章

高级计量经济学及stata应用 学习笔记② 短面板

高级计量经济学及stata应用 学习笔记② 短面板相关推荐

最新文章

热门文章

高级计量经济学及stata应用学习笔记② 短面板

高级计量经济学及stata应用学习笔记② 短面板相关推荐