当前位置：文档之家 › 面板PCSE估计stata操作

面板PCSE估计stata操作

  • 格式：pdf
  • 大小：54.27 KB
  • 文档页数：2

面板PCSE估计stata操作步骤

面板模型回归结果对样本数据的方差极为敏感，行业面板数据会

因为不同行业规模差异往往存在较严重的异方差，而且面板自相关也

不容忽视，为得到一致回归结果，我们可以采用PCSE（panel-corrected

standard error）方法进行稳健估计。运用PCSE估计，首先要检验面

板数据是否存异方差和自相关问题。

一、异方差检验

命令：

. xtgls y x1 x2 x3,igls panel(het)

. estimates store hetero

. xtgls y x1 x2 x3,igls

. estimates store homo

. local df = e(N_g) - 1

. lrtest hetero homo, df(`df')

注意：原假设为面板数据扰动项属于同方差。

输出结果示范： (Assumption: homo nested in hetero) Prob > chi2 = 0.0000Likelihood-ratio test LR chi2(19) = 362.04. lrtest hetero homo, df(`df')

结果解读：P值等于0，因此结果拒绝原假设，即认为存在异方差。

二、自相关检验

首先安装一个小程序

. net install st0039

然后用下面命令皆可检验自相关问题：

. xtserial fatal beertax spircons unrate

输出结果示范：

Prob > F = 0.0000 F( 1, 19) = 53.595H0: no first-order autocorrelationWooldridge test for autocorrelation in panel data

注意：只能检验组内自相关，不能检验其他形式自相关。而且，原假

设为无自相关。

结果解读：P值等于0，因此结果拒绝原假设，即认为存在自相关。

三、PCSE估计

由于第一步和第二步检验结果表明样本数据存在异方差和自相

关，因此采用PCSE估计会得到稳健结果。

具体命令为：

xtpcse y x1 x2 x3,corr(ar1)

或者：

xtpcse y x1 x2 x3,corr(psar1)

合集下载

STATA面板数据模型操作命令讲解(word文档良心出品)

STATA面板数据模型操作命令讲解(word文档良心出品)

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

itxyitiit 固定效应模型

itxyitit

ititit 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）

(完整word版)STATA面板数据模型操作命令讲解

(完整word版)STATA面板数据模型操作命令讲解

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

itxyitiit 固定效应模型

itxyitit

ititit 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）

(最新整理)STATA面板数据模型操作命令讲解

(最新整理)STATA面板数据模型操作命令讲解

STATA面板数据模型操作命令讲解STATA面板数据模型操作命令讲解

编辑整理：

尊敬的读者朋友们：

这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布的，发布之前我们对

文中内容进行仔细校对，但是难免会有疏漏的地方，但是任然希望（STATA面板数据模型操作命

令讲解）的内容能够给您的工作和学习带来便利。同时也真诚的希望收到您的建议和反馈，这将是

我们进步的源泉，前进的动力。

本文可编辑可修改，如果觉得对您有帮助请收藏以便随时查阅，最后祝您生活愉快 业绩进步，以

下为STATA面板数据模型操作命令讲解的全部内容。

STATA面板数据模型操作命令讲解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 固定效应模型itxyitiititxyitit 随机效应模型ititit(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

STATA面板数据模型操作命令讲解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）

STATA面板数据模型操作命令

STATA面板数据模型操作命令

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

itxyitiit 固定效应模型

ititit 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= iiiit~eit~1-tei，8858.0~5.0-~验：是否存在门槛效应

混合面板：

reg is lfr lfr2 hc open psra tp gr,vcecluster sf

固定效应、随机效应模型

xtreg is lfr lfr2 hc open psra tp gr,fe

est store fe

xtreg is lfr lfr2 hc open psra tp gr,re

est store re

hausman fe

两步系统GMM模型

xtdpdsys rlt plf1 nai efd op ew ig ,lags1 maxldep2 twostep artests2

注：rlt为被解释变量,“plf1 nai efd op ew ig”为解释变量和控制变量；

maxldep2表示使用被解释变量的两个滞后值为工具变量；pre表示以某一个变量为前定解释变量；endogenous表示以某一个变量为内生解释变量;

自相关检验：estat abond 萨甘检验：estat sargan

差分GMM模型

Xtabond rlt plf1 nai efd op ew ig ,lags1 twostep artests2