1、面板數(shù)據(jù)模型與stata軟件的應(yīng)用,1,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,一、什么是面板數(shù)據(jù) 二、面板數(shù)據(jù)模型的優(yōu)勢(shì) 三、面板模型的估計(jì)方法：FE和RE 四、stata軟件簡(jiǎn)介 五、如何用stata估計(jì)面板模型：案例分析,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,2,一、面板數(shù)據(jù)類型,時(shí)間維度+截面維度 如我們?cè)诜治鲋袊?guó)各省份的經(jīng)濟(jì)增長(zhǎng)時(shí)，共有31個(gè)截面，每個(gè)截面都取1979-1998共20年的數(shù)據(jù)，共有620個(gè)觀察值，這是一個(gè)典型的平行面板數(shù)據(jù) 上市公司財(cái)務(wù)數(shù)據(jù)，研究一段時(shí)期內(nèi)（1998-2008）上市公司股利的發(fā)放數(shù)額與股票賬面價(jià)值之間的關(guān)系，共有20 11=220個(gè)觀測(cè)值 強(qiáng)調(diào)經(jīng)濟(jì)理論基礎(chǔ)、

2、強(qiáng)調(diào)微觀行為基礎(chǔ),面板數(shù)據(jù)模型與stata軟件的應(yīng)用,3,表1 1996-2002年中國(guó)東北、華北、華東15個(gè)省級(jí)地區(qū)的居民家庭人均消費(fèi)數(shù)據(jù)（不變價(jià)格）,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,4,表2 上市公司的投資與股票賬面價(jià)值：N=20,T=4,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,5,面板數(shù)據(jù)模型和stata軟件應(yīng)用,二、面板數(shù)據(jù)模型有以下幾個(gè)優(yōu)點(diǎn): 第一，Panel Data 模型可以通過(guò)設(shè)置虛擬變量對(duì)個(gè)別差異（非觀測(cè)效應(yīng)）進(jìn)行控制； 第二，Panel Data 模型通過(guò)對(duì)不同橫截面單元不同時(shí)間觀察值的結(jié)合，增加了自由度，減少了解釋變量之間的共線性，從而改進(jìn)了估計(jì)結(jié)果的有效性； 第三，Pa

3、nel Data模型是對(duì)同一截面單元集的重復(fù)觀察, 能更好地研究經(jīng)濟(jì)行為變化的動(dòng)態(tài)性,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,6,舉例,交通死亡率與酒后駕車人數(shù)（一段時(shí)間內(nèi)江蘇省各市） 其他的非觀測(cè)（潛在）因素：南京與蘇州 汽車本身狀況 道路質(zhì)量 當(dāng)?shù)氐娘嬀莆幕?單位道路的車輛密度 非觀測(cè)效應(yīng)導(dǎo)致估計(jì)結(jié)果不準(zhǔn)確，面板數(shù)據(jù)可以控制和估計(jì)非觀測(cè)效應(yīng),面板數(shù)據(jù)模型與stata軟件的應(yīng)用,7,面板數(shù)據(jù)模型形式： 其中， i=1,2,3.N，截面標(biāo)示; t=1,2,. T，時(shí)間標(biāo)示 ；xit為k1解釋變量，為k1系數(shù)列向量 對(duì)于特定的個(gè)體i 而言， ai表示那些不隨時(shí)間改變的影響因素，而這些因素在多數(shù)情況下

4、都是無(wú)法直接觀測(cè)或難以量化的，如個(gè)人的消費(fèi)習(xí)慣、地區(qū)的經(jīng)濟(jì)結(jié)構(gòu)，法律和產(chǎn)權(quán)制度等，一般稱其為“個(gè)體效應(yīng)” (individual effects),面板數(shù)據(jù)模型與stata軟件的應(yīng)用,8,面板數(shù)據(jù)模型的誤差項(xiàng)由兩部分組成： 一部分是與個(gè)體觀察單位有關(guān)的，它概括了所有影響被解釋變量，但不隨時(shí)間變化的因素，因此，面板數(shù)據(jù)模型也常常被成為非觀測(cè)效應(yīng)模型； 另外一部分概括了隨截面隨時(shí)間而變化的不可觀測(cè)因素，通常被成為特異性誤差或特異擾動(dòng)項(xiàng),面板數(shù)據(jù)模型與stata軟件的應(yīng)用,9,GDP,X(Invest、edu),北京,江蘇省,山西省,基礎(chǔ)設(shè)施更加完善，受教育程度較好、經(jīng)濟(jì)結(jié)構(gòu)以服務(wù)業(yè)為主、法制更健全

5、,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,10,面板模型選擇：固定效應(yīng)還是隨機(jī)效應(yīng),對(duì)“個(gè)體效應(yīng)”的處理主要有兩種方式：一種是視其為不隨時(shí)間改變的固定性因素， 相應(yīng)的模型稱為“固定效應(yīng)”模型；另一種是視其為隨機(jī)因素，相應(yīng)的模型稱為“隨機(jī)效應(yīng)”模型 固定效應(yīng)模型中的個(gè)體差異反映在每個(gè)個(gè)體都有一個(gè)特定的截距項(xiàng)上； 隨機(jī)效應(yīng)模型則假設(shè)所有的個(gè)體具有相同的截距項(xiàng)，個(gè)體的差異主要反應(yīng)在隨機(jī)干擾項(xiàng)的設(shè)定上,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,11,FE（Fixed Effects) Model RE (Random Effects) Model 其中， 是截距中的隨機(jī)變量部分，代表個(gè)體的隨機(jī)影響,（Repla

6、ce with dummy variables）,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,12,固定效應(yīng)模型,1、例如，在研究財(cái)政支出與經(jīng)濟(jì)增長(zhǎng)的關(guān)系，運(yùn)用全國(guó)的時(shí)間序列數(shù)據(jù)來(lái)檢驗(yàn)財(cái)政支出與經(jīng)濟(jì)增長(zhǎng)的關(guān)系可能存在設(shè)定誤差并且受統(tǒng)計(jì)資料的制約，僅用時(shí)間序列資料不能夠滿足大樣本的要求 同時(shí)，由于我國(guó)不同地區(qū)的體制變革和財(cái)政政策的不斷調(diào)整，造成各個(gè)地區(qū)財(cái)政支出結(jié)構(gòu)隨時(shí)間而不斷變化 面板數(shù)據(jù)（Panel Data ）從某種程度上克服了這一困難?？紤]到中國(guó)各省份財(cái)政支出結(jié)構(gòu)與經(jīng)濟(jì)增長(zhǎng)的關(guān)系存在明顯的地區(qū)差異，從時(shí)間序列的角度，考慮各省差異的動(dòng)態(tài)性，是面板數(shù)據(jù)模型的優(yōu)勢(shì),面板數(shù)據(jù)模型與stata軟件的應(yīng)用,1

7、3,例如,在研究中國(guó)地區(qū)經(jīng)濟(jì)增長(zhǎng)的過(guò)程中，以全國(guó)28 個(gè)省區(qū)為研究對(duì)象，可以認(rèn)為這28 個(gè)省區(qū)幾乎代表了整個(gè)總體 同時(shí)假設(shè)在樣本區(qū)間內(nèi)，各省區(qū)的 經(jīng)濟(jì)結(jié)構(gòu) 人口素質(zhì) 等不可觀測(cè)的特質(zhì)性因素是固定不變的，因此采用固定效應(yīng)模型是比較合適的,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,14,2、而當(dāng)我們研究某個(gè)縣市居民的消費(fèi)行為時(shí)，由于樣本數(shù)相對(duì)于江蘇省幾千萬(wàn)人口是個(gè)很小的樣本，此時(shí)，可以認(rèn)為個(gè)體居民在個(gè)人能力、消費(fèi)習(xí)慣等方面的差異是隨機(jī)的，采用隨機(jī)效應(yīng)模型較為合適 隨機(jī)效應(yīng)模型： RE認(rèn)為個(gè)體的差異是隨機(jī)的，其中 非觀測(cè)的個(gè)體差異效應(yīng) 與隨機(jī)擾動(dòng)項(xiàng)一樣都是隨機(jī)變量,隨機(jī)效應(yīng)模型,面板數(shù)據(jù)模型與stata軟

8、件的應(yīng)用,15,總結(jié)：如果把非觀測(cè)效應(yīng)看做是各個(gè)截面或個(gè)體特有的可估計(jì)參數(shù)，并且不隨時(shí)間而變化，則模型為固定效應(yīng)模型； 如果把非觀測(cè)效應(yīng)看作隨機(jī)變量，并且符合一個(gè)特定的分布，則模型為隨機(jī)效應(yīng)模型,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,16,3、在實(shí)證分析中，一般通過(guò)hausman檢驗(yàn)判斷：由于隨機(jī)效應(yīng)模型把個(gè)體效應(yīng)設(shè)定為干擾項(xiàng)的一部分，所以就要求解釋變量與個(gè)體效應(yīng)不相關(guān)，而固定效應(yīng)模型并不需要這個(gè)假設(shè)條件 因此，我們可以通過(guò)檢驗(yàn)該假設(shè)條件是否滿足，如果滿足，那么就應(yīng)該采用隨機(jī)效應(yīng)模型，反之，就需要采用固定效應(yīng)模型,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,17,Hausman檢驗(yàn)的基本思想是：在固定效

9、應(yīng)u_i和其他解釋變數(shù)不相關(guān)的原假設(shè)下，用OLS估計(jì)的固定效應(yīng)模型和用GLS估計(jì)的隨機(jī)效應(yīng)模型的參數(shù)估計(jì)都是一致的。反之，OLS是一致的，但GLS則不是 因此，在原假設(shè)下，二者的參數(shù)估計(jì)應(yīng)該不會(huì)有系統(tǒng)的差異，我們可以基于二者參數(shù)估計(jì)的差異構(gòu)造統(tǒng)計(jì)檢驗(yàn)量。如果拒絕了原假設(shè)，我們就認(rèn)為選擇固定效應(yīng)模型是比較合適的。,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,18,四、stata軟件簡(jiǎn)介,STATA軟件估計(jì)與應(yīng)用： 打開(kāi)數(shù)據(jù)庫(kù)： use E:Program FilesStata10.0綠色軟件Stata10東部.dta“ 或者重新輸入數(shù)據(jù)：edit 相關(guān)系數(shù)：cor gdp invest edu sci

10、health 簡(jiǎn)單回歸：regress gdp invest culture sci 無(wú)常數(shù)：regress gdp invest culture sci,noconstant,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,19,估計(jì)結(jié)果,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,20,回歸診斷：,是否存在異方差：estat hettest 懷特檢驗(yàn)： estat imtest,white 回歸信息檢驗(yàn)：estat imtest 是否遺漏重要解釋變量：estat ovtest 擬合圖： rvfplot 單一變量的相關(guān)圖：cprplot invest,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,21,畫(huà)圖,菜單與命令結(jié)

11、合 twoway (scatter gdp invest) twoway (scatter gdp invest|lfit gdp invest),面板數(shù)據(jù)模型與stata軟件的應(yīng)用,22,基本建設(shè)支出與GDP的相關(guān)關(guān)系圖,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,23,各省教育支出的增長(zhǎng)趨勢(shì)：1998-2006,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,24,Durbin-Watson 統(tǒng)計(jì)量:estat dwatson 序列相關(guān)檢驗(yàn)：estat durbinalt 滯后階數(shù)選擇：estat durbinalt,lags(2) 條件異方差檢驗(yàn)：estat archlm,lags(2) 可選變量的異方差檢

12、驗(yàn)：estat szroeter gdp invest culture sci,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,25,五、Stata對(duì)面板數(shù)據(jù)模型的估計(jì),面板數(shù)據(jù)模型與stata軟件的應(yīng)用,26,隨機(jī)效應(yīng)模型,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,27,Stata對(duì)面板數(shù)據(jù)模型的估計(jì),首先對(duì)面板數(shù)據(jù)進(jìn)行聲明： 前面是截面單元，后面是時(shí)間標(biāo)識(shí)： tsset company year tsset industry year 產(chǎn)生新的變量：gen newvar=human*lnrd 產(chǎn)生滯后變量Gen fiscal(2)=L2.fiscal 產(chǎn)生差分變量Gen fiscal(D)=D.fiscal

13、,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,28,描述性統(tǒng)計(jì)： xtdes ：對(duì)Panel Data截面?zhèn)€數(shù)、時(shí)間跨度的整體描述 Xtsum：分組內(nèi)、組間和樣本整體計(jì)算各個(gè)變量的基本統(tǒng)計(jì)量 xttab 采用列表的方式顯示某個(gè)變量的分布 Stata中用于估計(jì)面板模型的主要命令：xtreg xtreg depvar varlist if exp , model_type level(#) ,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,29,Model type 模型 be Between-effects estimator fe Fixed-effects estimator re GLS Random-eff

14、ects estimator pa GEE population-averaged estimator mle Maximum-likelihood Random-effects estimator,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,30,主要估計(jì)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

15、Prais-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,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,31,xtabond：Arellano-Bond linear, dynamic panel data estimator xttobit ：Random-effects tobit

16、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,beta,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,32,xtreg命令的應(yīng)用： 聲明面板數(shù)據(jù)類型：tss

17、et sheng t 描述性統(tǒng)計(jì)：xtsum gdp invest sci admin 1.固定效應(yīng)模型估計(jì)： xtreg gdp invest culture sci health admin techno,fe 固定效應(yīng)模型中個(gè)體效應(yīng)和隨機(jī)干擾項(xiàng)的方差估計(jì)值(分別為sigma u 和sigma e），二者之間的相關(guān)關(guān)系(rho) 最后一行給出了檢驗(yàn)固定效應(yīng)是否顯著的F 統(tǒng)計(jì)量和相應(yīng)的P 值，本例中固定效應(yīng)非常顯著,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,33,2.隨機(jī)效應(yīng)模型估計(jì)： xtreg gdp invest culture sci health admin techno,re 檢驗(yàn)隨機(jī)

18、效應(yīng)模型是否優(yōu)于混合OLS 模型： 在進(jìn)行隨機(jī)效應(yīng)回歸之后，使用xttest0 檢驗(yàn)得到的P 值為0.0000，表明隨機(jī)效應(yīng)模型優(yōu)于混合OLS 模型 3. 最大似然估計(jì)Ml： xtreg gdp invest culture sci health admin techno,mle,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,34,Hausman檢驗(yàn),Hausman檢驗(yàn)究竟選擇固定效應(yīng)模型還是隨機(jī)效應(yīng)模型： 第一步：估計(jì)固定效應(yīng)模型，存儲(chǔ)結(jié)果 xtreg gdp invest culture sci health admin techno,fe est store fe 第二步：估計(jì)隨機(jī)效應(yīng)模型，存儲(chǔ)結(jié)

19、果 xtreg gdp invest culture sci health admin techno,re est store re 第三步：進(jìn)行hausman檢驗(yàn) hausman fe,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,35,Hausman檢驗(yàn)量為： H=(b-B)Var(b)-Var(B)-1(b-B)x2(k) Hausman統(tǒng)計(jì)量服從自由度為k的2分布。當(dāng)H大于一定顯著水平的臨界值時(shí)，我們就認(rèn)為模型中存在固定效應(yīng)，從而選用固定效應(yīng)模型，否則選用隨機(jī)效應(yīng)模型 如果hausman檢驗(yàn)值為負(fù)，說(shuō)明的模型設(shè)定有問(wèn)題，導(dǎo)致Hausman 檢驗(yàn)的基本假設(shè)得不到滿足，遺漏變量的問(wèn)題，或者某些變量是非平穩(wěn)等等 可以改用hausman檢驗(yàn)的其他形式： hausman fe, sigmaless,面板數(shù)據(jù)模型與stata軟件的應(yīng)用,36,對(duì)于固定效應(yīng)模型的異方差檢驗(yàn)和序列相關(guān)檢驗(yàn)： Xtserial gdp invest culture sci health admin techno 異方差檢驗(yàn)： xtreg gdp invest cul