学习笔记FE&RE(其一)

> 天鹰(中南财大——博士研究生)

E-mail: yanbinglh@163.com

对于固定效应以及随机效应模型的选择一直是学习面板的难点,stata的操作是很简单的,但是对于理论模型的选择问题还是有必要弄清楚背后的理论基础的,这篇文章也仅仅是对于相应操作的一个简单总结,理论部分还是需要仔细阅读课本的。(数据来源:陈强高级计量经济学)


use traffic.dta,clear

xtset state year  ///设定个体变量和时间变量

panel variable:  state (strongly balanced)

time variable:  year, 1982 to 1988

delta:  1 unit

xtdes  ///显示数据集结构


xtsum   ///显示变量特征的命令

xtsum fatal beertax spircons unrate perinck state year///显示数据集的变量特征


xtline fatal  ///查看变量的时间趋势图


混合回归

reg y x1 x2 x3,vce(cluster id ) ///id用来确定每个个体的变量

reg fatal beertax spircons unrate perinck ,vce(cluster state)


estimates store OLS    ///回归结果的储存

reg fatal beertax spircons unrate perinck  ///这个回归结果是使用普通标准误


固定效应

xtreg fatal beertax spircons unrate perinck ,fe r  ///使用固定效应模型


estimates store FE_robust

xtreg fatal beertax spircons unrate perinck ,fe  ///不加r时输出的结果包含一个F检验


estimates store FE

进一步通过LSDV(最小二乘虚拟变量)来考察

 reg fatal beertax spircons unrate perinck i.state,vce(cluster state)


estimates store FD

也可以在固定效应中考虑时间效应,即双向固定效用

tab year ,gen(year)  ///定义年度虚拟变量


xtreg fatal beertax spircons unrate perinck year2-year7,fe r

estimates store FE_TW


xtreg fatal beertax spircons unrate perinck i.year,fe r  ///这个命令可以直接估计双向固定效应


随机效应

xtreg y x1 x2 x3,re r theta ///随机效应FGLS

xtreg y x1 x2 x3,mle        ///随机效应MLE

xtreg fatal beertax spircons unrate perinck ,re r theta


estimates store RE

xttest0  ///LM检验的命令在执行完xtreg,re后才可以执行


xtreg fatal beertax spircons unrate perinck ,mle nolog  ///对随机效应模型进行MLE估计


estimates store MLE

组间估计量(BE)

xtreg fatal beertax spircons unrate perinck ,be  ///组间估计


estimates store BE

固定效应还是随机效应的判断:豪斯曼检验

hausman FE RE,constant sigmamore

hausman cannot be used with vce(robust), vce(cluster cvar), or p-weighted data

r(198);  ///豪斯曼检验时,如果使用聚类稳健标准误,命令无法执行

xtreg fatal beertax spircons unrate perinck ,fe

estimates store FE

xtreg fatal beertax spircons unrate perinck ,re

estimates store RE

hausman FE RE,constant sigmamore


检验结果显示强烈拒绝原假设H0:ui与xit,zi不相关,应该使用固定效应模型

如果聚类标准误与普通的标准误误差较大,那么传统的豪斯曼检验将不再适用

解决的办法是使用自助法或者进行辅助回归

quietly  xtreg fatal beertax spircons unrate perinck ,re

scalar theta=e(theta)

global yandxforhausman  fatal beertax spircons unrate perinck  ///全局宏

sort state

foreach x of varlist $yandxforhausman{

  2. by state:egen mean`x'=mean(`x')

  3. gen md`x'=`x'-mean`x'

  4. gen red`x'=`x'-theta*mean`x'

  5. }

quietly reg redfatal redbeertax redspircons redunrate redperinck mdbeertax mdspircons mdunrate mdperinck ,vce(cluster state)

test mdbeertax mdspircons mdunrate mdperinck


拒绝随机效应,选择固定效应

也可使用下列外部命令进行辅助回归

ssc install xtoverid

 quietly  xtreg fatal beertax spircons unrate perinck ,re  r

xtoverid


汇总以上各种方法的估计系数以及标准误列表

estimates table OLS FE_robust FE_TW RE BE ,b se  ///要学会这个命令


不同的系数估计方法估计系数差别较大

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342

推荐阅读更多精彩内容

  • 静态面板数据的主要问题 横截面异方差 序列自相关 横截面同期相关 基础工作 屡次失败的经验表明,洗数据和看数据是非...
    CHEN_DIANDIAN阅读 24,631评论 0 16
  • > 天鹰(中南财大——博士研究生) E-mail: yanbinglh@163.com 双重差分模型的平行趋势假定...
    天鹰_2019阅读 7,452评论 0 4
  • 夜莺2517阅读 127,709评论 1 9
  • 我是黑夜里大雨纷飞的人啊 1 “又到一年六月,有人笑有人哭,有人欢乐有人忧愁,有人惊喜有人失落,有的觉得收获满满有...
    陌忘宇阅读 8,520评论 28 53
  • 信任包括信任自己和信任他人 很多时候,很多事情,失败、遗憾、错过,源于不自信,不信任他人 觉得自己做不成,别人做不...
    吴氵晃阅读 6,178评论 4 8