原文链接:https://www.lianxh.cn/news/6ba0fa6f18710.html

  • E. 直击面板数据模型,连玉君。
  • D. 空间计量全局模型及Matlab实现, 范巧。
  • C. 动态面板数据模型, 连玉君。
  • B. 实证研究设计,连玉君。
  • A. 文本分析与爬虫专题,司继春,游万海。

目录

  • 1. 引言
  • 2. 面板分位数回归模型
    • 2.1 模型设定
    • 2.2 固定效应模型估计
  • 3. Stata 范例
  • 参考资料

1. 引言

在前叙推文中,我们介绍了 Stata 的分位数回归应用,参见 「武翰涛 - 分位数回归简介」 和「胡雨霄 - 分位数回归及 Stata 实现」。分位数回归估计作为一种模型估计方法,能够较为准确描述解释变量 X 对于被解释变量 Y 的变化范围以及条件分布形状的影响。其中,分位数回归方程可以定义为:

其中, 表示被解释变量的第  个条件分位数, 表示解释变量在第  个分位数下的回归系数估计,其中 。若要得到  的参数估计,需要求解加权绝对残差和最小化问题,即:

随着面板数据的广泛使用,面板分位数回归也随之出现。结合分位数回归与面板数据,采用分位数回归的方法对面板数据变量的参数进行估计,不仅能够更好的控制个体的异质性,而且能够分析在特定的分位数处自变量对因变量的边际效应,所以采用面板分位数回归可以使各个变量参数结果更加显著,具有更高的实际意义。接下来我们将介绍面板分位数回归模型的两种形式,并主要展示固定效应面板分位数回归模型的估计。

原文链接:https://www.lianxh.cn/news/6ba0fa6f18710.html

Stata:面板分位数回归相关推荐

  1. Stata+R:分位数回归一文读懂

    全文阅读:https://www.lianxh.cn/news/f29d83cd303dc.html 谢雁翔 (南开大学),xyxmask1995@163.com 钟舜斌 (北京工商大学),13158 ...

  2. R中怎么做加权最小二乘_Stata+R:分位数回归一文读懂

    NEW!连享会·推文专辑: Stata资源 | 数据处理 | Stata绘图 | Stata程序 结果输出 | 回归分析 | 时间序列 | 面板数据 | 离散数据 交乘调节 | DID | RDD   ...

  3. Stata:无条件分位数回归及应用

    全文阅读:https://www.lianxh.cn/news/62f094a52171d.html 目录 1. 简介 2. 基于再中心化影响函数 (RIF) 的 UQR 模型 3. RIF 分位数回 ...

  4. stata面板数据gmm回归_STATA面板数据回归解读.ppt

    STATA面板数据回归解读 STATA在实证研究中的应用 刘永东 中国科学院农业政策研究中心 Outline STATA数据分析基础 软件名称 最新版本 安装文件大小 SAS 9.1.3 3G SPS ...

  5. wald检验_笔记:分位数回归斜率相等性检验(Wald检验)

    首先我并不是统计学.数学类专业的,对很多统计模型搞不明白的,下文所写也仅是学渣的学习笔记吧,都是些基础操作,希望能帮到忙吧. 从毕业论文角度出发的分位数回归模型分享: 我是一个文科类.经济类的专业,我 ...

  6. stata F值缺失_stata面板数据回归操作之GMM

    新手面板数据回归之GMM 的 stata 操作步骤 广义矩估计( Generalized Method of Moments 即 GMM ) 原理就是回归!就是一种高级点的回归! 我也是新手,也有很多 ...

  7. Stata分位数回归I:理解边际效应和条件边际效应

    全文阅读:Stata分位数回归I:理解边际效应和条件边际效应| 连享会主页 目录 1. 简介 2. 从线性回归模型开始 3. 三种边际效应解释 3.1 个体效应--对 "我" 来说 ...

  8. 分位数回归和stata

    分位数回归与stata 找了半天也没找到我想看的那种完整点的stata教程,只好自己写一个了- 参考教材:<用STATA学微观计量经济学>&<高级计量经济学及STATA应用_ ...

  9. STATA面板数据模型进行Hausman检验

    STATA面板数据模型进行Hausman检验 1.导入数据 可以通过如下多种方式导入 1.1 可以通过点击stata软件的图标,输入数据 1.2 通过点击文件->导入 可以导入各种文本格式的数据 ...

  10. python中的分位数回归(初探)

    分位数回归 参考文献 Python statsmodels 介绍 - 树懒学堂 (shulanxt.com) Quantile Regression - IBM Documentation https ...

最新文章

  1. 企业架构的过去、现在与未来
  2. numpy库学习 向量 矩阵 均为有两个[[ ,而秩为1的数组只有一个[ np.array([[]]) 与np.array([])的区别
  3. 0-1背包-分支限界
  4. mysql存储过程number类型_MySQL存储过程的基本函数(三)
  5. shell grep 变量_Shell应用:巧用xargs 轻松实现上万文件的筛选压缩
  6. RXThink 官方网站正式上线
  7. opengl环境配置
  8. crawler4j_迷你搜索引擎–使用Neo4j,Crawler4j,Graphstream和Encog的基础知识
  9. wallpaper怎么导入视频_快速制作视频字幕,我们推荐这款可视化字幕软件!
  10. 数据结构基础(17) --二叉查找树的设计与实现
  11. 实用常识 | 分享一个LeetCode个人主页的动态ASCII码
  12. (转)淘淘商城系列——商品搜索功能表现层实现
  13. 聊聊lettuce的sentinel连接
  14. 一年收入多少才能支撑自驾环游中国?
  15. [LeetCode] First Missing Positive
  16. python必背100源代码-100行Python代码实现自动抢火车票(附源码)
  17. 智能优化算法:鼠群算法
  18. 压缩感知重构算法——SP算法
  19. BCD码:8421码
  20. android实战理财,基于Android的理财系统APP的设计

热门文章

  1. Excel中纵向查找函数-VLOOKUP函数
  2. macbook m1 打印机不显示打印队列的解决方法
  3. 哈佛大学《幸福课》笔记
  4. 不确定性,进化与经济理论
  5. 超简单的—CSDN去水印方法——实用小技巧分享(01)
  6. JsDroid3插件扩展
  7. 一元三次方程重根判别式_一元三次方程的判别式和求根公式是什么?
  8. raid5两块硬盘掉线数据恢复-服务器磁盘阵列数据恢复方法
  9. 如何在手机上压缩图片?两种免费方法了解一下
  10. Android开发——减小APK大小