浙江大学【面板数据分析与STATA应用】——第一讲短面板数据分析

基本概念

面板数据及分类

面板数据分类：

• 短面板和长面板
• 动态面板和静态面板
• 平衡面板和非平衡面板

截面数大于时间数就是短面板，反之，则为长面板
解释变量包含被解释变量的滞后值则为动态面板，反之，则为静态面板
平衡面板：每个个体在想他的时间内都有观测值记录，For any I, there are T observations. 反之，则为非平衡面板

面板数据的优点：
1. 可以处理有不可观测的个体异质性所导致的内生性问题
2. 提供更多个体动态行为的信息
不足之处：
1. 大多数面板数据分析技术都是针对短面板
2. 寻找面板数据结构的工具变量不是很容易

面板数据模型

非观测效应模型
a.固定效应模型

b.随机效应模型

混合回归模型

面板数据模型的估计和修正方法

1. 固定效应模型的估计
   对固定效应模型的估计有两种方法：
   固定效应变换（组内变换）与LSDV（最小二乘虚拟变量法）
   a. 固定效应变换（组内变换）
   
   

固定效应变换的优缺点
优点：即使个体效应与解释变量相关也可以得到一致估计；
缺点：无法估计不随时间而变的变量的影响。

固定效应的STATA命令

xtreg y x,fe
xi:xtreg y x i.year,fe
tab year,gen(year)

b. LSDV思想

STATA命令：

• 不存在时间效应： xi:reg y x i.code
• 存在时间效应：xi:reg y x i.code i.year

1. 随机效应模型
   对随机效应模型的估计方法是广义最小二乘法
   
   STATA命令：

• 不存在时间效应：xtreg y x ,re
• 存在时间效应：xi: reg y x i.year,re

第一讲案例

1. 导入数据及查看数据描述

. use "D:\traffic.dta" # 导入数据
. des #查看数据描述

显示：

 obs:           336                          
 vars:            54                          30 Nov 2008 15:45
--------------------------------------------------------------------------------
              storage   display    value
variable name   type    format     label      variable label
--------------------------------------------------------------------------------
state           float   %9.0g      sid        State ID (FIPS) Code
year            int     %9.0g                 Year
spircons        float   %9.0g                 Spirits Consumption
unrate          float   %9.0g                 Unemployment Rate
perinc          float   %9.0g                 Per Capita Personal Income
emppop          float   %9.0g                 Employment/Population Ratio
beertax         float   %9.0g                 Tax on Case of Beer
sobapt          float   %9.0g                 % Southern Baptist
mormon          float   %9.0g                 % Mormon
....等等

1. 描述性统计
   格式: sum + 变量名

. sum beertax

    Variable |        Obs        Mean    Std. Dev.       Min        Max
-------------+---------------------------------------------------------
     beertax |        336     .513256    .4778442   .0433109   2.720764

twoway (scatter fatal beertax)(lfit fatal beertax) # 核心变量和被解释变量的散点图并画出回归直线

xtline fatal # 画出核心变量的时间序列图

3. 模型选择
选择PLS 还是 FE？

. tab year, gen(year)
. xtreg fatal beertax spircons unrate perinck year2-year7, fe

Fixed-effects (within) regression               Number of obs     =        336
Group variable: state                           Number of groups  =         48

R-sq:                                           Obs per group:
    within  = 0.4528                                         min =          7
    between = 0.1090                                         avg =        7.0
    overall = 0.0770                                         max =          7

                                               F(10,278)         =      23.00
corr(u_i, Xb)  = -0.8728                        Prob > F          =     0.0000

------------------------------------------------------------------------------
      fatal |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    beertax |     -0.435      0.154    -2.82   0.005       -0.738      -0.132
   spircons |      0.806      0.113     7.15   0.000        0.584       1.028
     unrate |     -0.055      0.010    -5.31   0.000       -0.075      -0.035
    perinck |      0.088      0.020     4.41   0.000        0.049       0.128
      year2 |     -0.053      0.030    -1.77   0.078       -0.113       0.006
      year3 |     -0.165      0.037    -4.40   0.000       -0.239      -0.091
      year4 |     -0.200      0.042    -4.80   0.000       -0.282      -0.118
      year5 |     -0.051      0.052    -0.99   0.325       -0.152       0.051
      year6 |     -0.100      0.059    -1.69   0.091       -0.216       0.016
      year7 |     -0.134      0.068    -1.98   0.049       -0.267      -0.001
      _cons |      0.129      0.431     0.30   0.765       -0.720       0.978
-------------+----------------------------------------------------------------
    sigma_u |  1.0987683
    sigma_e |  .14570531
        rho |  .98271904   (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0: F(47, 278) = 64.52                    Prob > F = 0.0000

1. 模型检验
   截面相关检验

. xtcsd, pes
Pesaran's test of cross sectional independence =    -1.716, Pr = 1.9138

如果截面相关