STATA 面板数据模型估计命令一览表 一、静态面板数据的STATA 处理命令
εαβit ++=x y it i it 固定效应模型
μβit +=x y it it
εαμit +=it it 随机效应模型
（一）数据处理
输入数据
●tsset code year 该命令是将数据定义为“面板”形式
●xtdes 该命令是了解面板数据结构
●summarize sq cpi unem g se5 ln 各变量的描述性统计（统计分析）
●gen lag_y=L.y /////// 产生一个滞后一期的新变量
gen F_y=F.y /////// 产生一个超前项的新变量
gen D_y=D.y /////// 产生一个一阶差分的新变量
gen D2_y=D2.y /////// 产生一个二阶差分的新变量
（二）模型的筛选和检验
●1、检验个体效应（混合效应还是固定效应）（原假设：使用OLS混合模型）●xtreg sq cpi unem g se5 ln,fe
对于固定效应模型而言，回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000，检验结果表明固定效应模型优于混合OLS模型。
●2、检验时间效应（混合效应还是随机效应）（检验方法：LM统计量）
（原假设：使用OLS混合模型）
●qui xtreg sq cpi unem g se5 ln,re (加上“qui”之后第一幅图将不会呈现) xttest0
可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。可见，随机效应模型也优于混合OLS模型。
●3、检验固定效应模型or随机效应模型（检验方法：Hausman检验）
原假设：使用随机效应模型（个体效应与解释变量无关）
通过上面分析，可以发现当模型加入了个体效应的时候，将显著优于截距项为常数假设条件下的混合OLS模型。但是无法明确区分FE or RE的优劣，这需要进行接下来的检验，如下：
Step1：估计固定效应模型，存储估计结果
Step2：估计随机效应模型，存储估计结果
Step3：进行Hausman检验
●qui xtreg sq cpi unem g se5 ln,fe
est store fe
qui xtreg sq cpi unem g se5 ln,re
est store re
hausman fe (或者更优的是hausman fe,sigmamore/ sigmaless)
可以看出，hausman检验的P值为0.0000，拒绝了原假设，认为随机效应模型的基本假设得不到满足。此时，需要采用工具变量法和是使用固定效应模型。
（三）静态面板数据模型估计
●1、固定效应模型估计
●xtreg sq cpi unem g se5 ln,fe (如下图所示)
其中选项fe表明我们采用的是固定效应模型，表头部分的前两行呈现了模型的估计方法、界面变量的名称（id）、以及估计中使用的样本数目和个体的数目。第3行到第5行列示了模型的拟合优度、分为组内、组间和样本总体三个层面，通常情况下，关注的是组内（within），第6行和第7行分别列示了针对模型中所有非常数变量执行联合检验得到的F统计量和相应的P值，可以看出，参数整体上相当显著。
需要注意的是，表中最后一行列示了检验固定效应是否显著的F统计量和相应的P值。显然，本例中固定效应非常显著。
●2、随机效应模型估计
若假设本例的样本是从一个很大的母体中随机抽取的，且αi与解释变量均不相关，则我们可以将αi视为随机干扰项的一部分。此时，设定随机效应模型更为合适。
●xtreg sq cpi unem g se5 ln,re (如下图所示)
●3、时间固定效应（以上分析主要针对的是个体效应）
如果希望进一步在上述模型中加入时间效应，可以采用时间虚拟变量来实现。首先，我们需要定义一下T-1个时间虚拟变量。
●tab year ,gen(dumt) (tab命令用于列示变量year的组类别，选项gen（dumt）用于生产一个以dumt开头的年度虚拟变量) drop dumt1 （作用在于去掉第一个虚拟变量以避免完全共线性）
若在固定效应模型中加入时间虚拟变量，则估计模型的命令为：
●xtreg sq cpi unem g se5 ln dumt*,fe
（四）异方差和自相关检验
●1、异方差检验（组间异方差）本节主要针对的是固定效应模型进行处理（1）检验
原假设：同方差需要检验模型中是否存在组间异方差,需要使用xttest3命令。
●qui xtreg sq cpi unem g se5 ln,fe
xttest3
显然，原假设被拒绝。此时，需要进一步以获得参数的GLS估计量，命令为xtgls：
●xtgls sq cpi unem g se5 ln,panels(heteroskedastic)
其中，组间异方差通过panels（）选项来设定。上述结果是采用两步获得，即，先采用OLS估计不考虑异方差的模型，进而利用其残差计算。。。，并最终得到FGLS估计量。
●2、序列相关检验
对于T较大的面板而言，αi往往无法完全反映时序相关性，此时εit便可能存在序列相关，在多数情况下被设定为AR(1)过程。
原假设：序列不存在相关性。
（1） FE模型的序列相关检验
对于固定效应模型，可以采用Wooldridge检验法，命令为xtserial:
●xtserial sq cpi unem g se5 ln
可以发现，这里的P=0.0000，我们可以在1%的显著性水平下爱拒绝不存在序列
相关的原假设。考虑到样本，该检验的最后一步是用~
e it 对~
1-t
e i，
进行OLS回归，
