面板数据的知识点总结和实战经验

首先，面板数据是什么？

面板数据是指在一段时间内跟踪同一组个体的数据，它既有横截面维度（n个样本）又有时间维度（t个时期），所以面板数据的优点在于样本量比较大，而且兼具两类数据的分析特点，可以观测到动态变化

其次，为什么要使用面板数据？

面板数据的应用大多是为了解决遗漏变量的问题，一般来讲如果我们的在构建回归模型的时候忽略了重要的解释变量，就会影响整个模型的解释力度，所以我们需要去找这些重要的遗漏变量。通常我们会使用工具变量法来阻止这类问题，但是实际操作总是比较困难的，遗漏变量常常是基于个体不可观测的一致性造成的（比如个体能力），如果这种差异不会随时间而改变，那么面板数据能很好的为我们解决这一问题。

长面板/短面板——社会学使用一般都是短面板，n>t,毕竟成型的数据调查还是开始不久

平衡面板/非平衡面板——看看是否数据完整

动态面板/静态面板——解释变量是否包含被解释变量的滞后值

最后，我们要如何利用面板数据来解决遗漏变量的问题？

1.混合回归（pooled regression）--极端的把面板数据看成截面数据，即假定不同个体之间的扰动项相互独立，强行忽略个体效应进行ols回归，（也就是iid，随机误差独立同分布），这时候估计会有偏

这里提及一个“聚类样本”，是指虽然每个个体不同时期的观测值很难相互独立，聚类样本就是将同一个体不同时期的观测值视作一个聚类，这样同一聚类内部相关，但是和其他聚类是可以独立，这样我们仍然可以使用ols，但是要注意使用聚类稳健标准误（其实并不知道这是什么，实际操作中使用普通标准误的确是不准确的，一般会在指令后附加r）

2.分别回归--即每个个体效应都设计一个独立的方程

操作起来非常不现实

3.个体效应模型（individual-specific effects model）--折中方案，即假定每个个体回归拥有相同的斜率，但截距项不一样

就会长成这个样子，注意角标，i关于个体，t关于年份、时间

我们能不能举出一个好记的例子呢？

ui和解释变量相关，我们称其为内生性问题，我们把那些关乎个体的无法测量的变量设计成ui（个体效应），单独提出来我们就能关注到解释变量的净效应了

如果个体效应ui和某个解释变量相关，我们称其为固定效应模型，反之为随机效应模型

4.固定效应模型FE（具体公式推导详见《计量经济学及stata应用》的第十二章）

既然ui和解释变量相关、多期ui也很难保证完全独立，这违背了线性回归的假定，那么只要我们需要消掉个体效应ui，ols估计方法还是能正常去用的

（1）组内估计值--组内去心，消去ui（明白了，为了消除zi和ui，去心一减平均，就消除了）

（2）LSDV法，把截距项设计成虚拟变量——跟多分类变量是一样的，个体差异表现在虚拟变量结局上，黑龙江省一条、上海市就跟它不一样啦

（3）一阶差分法，什么叫一阶差分？——相当于我求一个前一期的方程，然后两个方程做差，消掉不会因时间而变得zi和ui

（4）双向固定效应，同时关注不随个体而变，但随时间而变的变量，再去用LSDV法去做ols——比如说企业宏观经济环境，不受个体企业控制，但是会因时间而变，比如金融危机前后，可能也是会带来影响的，我们就得考虑

5.随机效应模型RE（具体公式推导详见《计量经济学及stata应用》的第十二章）

虽然ui和解释变量不相关，我们可以尝试使用ols，但是因为ui的存在，同一个体不同时期的扰动项之间仍然存在自相关（比如三十年内同一企业的投资政策，不太可能完全没关系），我们称其为不是球型扰动项（组内自相关）这时使用ols效率不高

（1）使用GLS（广义最小二乘法），去除自相关

（2）组间估计值（为什么固模使用组内而随模使用组间？）其实都是去心算法，只不过随机效应计算一个斯塔，代入公式计算广义离差而已，就是名字不一样

6.拟合优度的度量：估计量对模型的拟合程度

如果使用个体效应模型，应该会汇报出三种“整体R方”、“组内R方”、“组间R方”，如果是FE就参考组内R方，RE就参考组间R方

7.我应该使用FE还是RE？

H0：ui与解释变量不相关  H1:相关

如果H0被接受则为RE，反之FE

也就是豪斯曼检验啦，但是传统的豪斯曼检验要求组间同方差并且只能解决组内自相关（70年内黑龙江省的经济政策，肯定会有关的），组间异方差情况下不可使用，所以后期有人进行修正，提出稳健豪斯曼检验，具体操作可以看看书

8.实际操作中，我们怎么选择是使用混合回归还是FE/RE？

当我们使用stata进行FE模型检验时，表格会提供H0：所有ui都等于0 的原假设，如果接受原假设，则说明个体效应的存在没什么意义，因为它不会变化，一起放进扰动项就可以，这时混合回归是可以用的，但如果拒绝原假设，说明FE要好得多；如果是RE模型检验，通过stata自带的LM检验，其原假设H0：sigma_u的平方为0，如果拒绝原假设说明原模型包含反应个体特性的随机扰动项ui，就不能用混合回归

思考问题：

如果被解释变量与个体特征有关，使用哪种模型--固定，如果残差项中某些变量和解释变量相关，而同时对被解释变量存在影响，就会导致被解释变量的系数是有偏且非一致的。这时候就需要将这些变量加入模型中。但是有时候这些变量是不可观测的，固定效应回归可以解决一部分这种问题。

如果豪斯曼检验接受原假设，可不可以使用固定效应模型--可以，因为就算ui和解释变量不相关，现实情况里也很难找到同一聚类里完全组内无关的情况，所以固定效应模型还是更常用的

实践部分

谢宇、于嘉《生育对于我国女性工资率的影响》

研究问题： 1.在我国，生育是否会导致女性的工资率降低? 如果会，降低的幅度是多少? ( 2) 在我国，什么因素会影响女性的“生育代价”? 也就是说，生育对女性工资率的影响是否在不同群体间有所不同?

研究变量：

描述性分析

数据处理的一些注意事项：

本文使用的数据是中国健康和营养调查（CHNS）1993、1997、2000、2004、2006五次的调查数据，因为这个数据的问卷不是统一放在一起的，所以应该是每个文件分别保存变量再合并再集中清理

合并的指令，需要我们知道对应的id，如果是1：1，就是对应的不同方式，具体的详查。比较重要的是需要修改文件路径才能顺利合并

一个处理未知值的方法，对于那些连续数值变量，比如时间。我们可以取一取平均值进行填充，但是类别变量就不要瞎弄了

先将缺失和未知值处理为.再每个变量取均值进行插值，这样就避免因为删掉数据而导致的数据有偏

描述性分析的一些注意事项：

啥原理呢？

duplicates report 是把重复的情况列出来，duplicate drop var，force是删掉重复值

这是tab，把数据输出成表格

tabstat 是把描述性的内容输出成表格，而tab一般都是分散列的，我们还要自己往表里放。其中statistics(mean sd N)是指列出均值、标准差和样本量，然后birth()是通过birth这个类别变量进行报告，最后的format(%6.2f)就是调整格式，整数6位，保留2位小数点，要注意这是连续变量的用法

输出出来就长这样

如果想要把描述性的内容以纵向表格的形式呈现出来，可以加col后缀，一般来讲是类别变量的用法

还是很实用的

输出就是这样的

封装变量，也叫全局暂元，就是省点力气不用敲那么多变量上去

所以这个type和help是干嘛用的？

操作面板数据，首先要确定id 和 year ,然后全局暂元就用在逐步回归上

est sto 用来保存输出结果

注意一下，rtf是一种文本格式，和doc一样，但是输出的表格是带边框的，doc却没有

compress nogap是使结果更紧凑

b(%4.3f) se(%6.4f) brackets  brackets把原本的小括号变成了中括号，b(%4.3f) 是回归系数保留小数点后三位，se(%6.4f) 是将原本的t值用标准误替代并保留4位小数，star(* 0.1 ** 0.05 *** 0.01)是手动设置显著性水平，title是输出表格表头，不过我输出是乱码，不造为什么

注意下theta是随机变量需要报告的值，不附指令就跑不出来

两种豪斯曼检验，之前说过传统豪斯曼不能应对异方差，所以提供了修正后的稳健豪斯曼检验

注意稳健豪斯曼使用需要安装xtoverid和ivreg2