stata软件中关于面板数据的介绍

Chp8 Panel Data

一直想把看Panel模型时的感悟整理成笔记，但终因懒惰而未能成行。今天终于下决心开了个头，可遗憾的是，这个开头却是从本章的结尾写起，因为这一部分最容易写。不过，凡事有了好的开头基本上也算成功一半了，所以后面的整理工作还要有劳各位的督促。文中的不足还望不吝指出。

8.1 简介 8.2 一般模型

8.2.1 固定效应模型（Fixed Effect Model） 8.2.2 随机效应模型（Random Effect Model） 8.3 自相关性 8.4 动态Panel Data 8.5 门槛Panel Data

8.6 非稳定Panel Data及协整 8.7 Panel VAR 8.8 Stata8.0实现

在介绍了Panel Data的基本理论后，下面我们介绍如何使用STATA8.0软件包来实现模型的估计。前面我们已经提到，Panel Data具有如下数据存储格式：

company

1 1 1 1 2 2 2 2 3 3 3 3

year 1951 1952 1953 1954 1951 1952 1953 1954 1951 1952 1953 1954

invest

755.9891.21304.41486.7588.2645.5641.0459.3135.2157.3179.5189.6

mvalue

4833.04924.96241.75593.62289.52159.42031.32115.51819.42079.72371.62759.9

其中，变量company和year分别为截面变量和时间变量。显然，通过这两个变量我们可以非常清楚地确定panel data的数据存储格式。因此，在使用STATA8.0估计模型之前，我们

stata软件中关于面板数据的介绍

必须告诉它截面变量和时间变量分别是什么，所用的命令为tsset1，命令格式如下： tsset panelvar timevar

这里需要指出的是，由于Panel Data本身兼具截面数据和时间序列二者的特性，所以对时间序列进行操作的运算同样可以应用到Panel Data身上。这一点在处理某些数据时显得非常方便。如，对于上述数据，我们想产生一个新的变量Lag_invest，也就是invest的一阶滞后，那么我们可以采用如下命令： gen Lag_invest = L.invest 得到的新的数据为：

company

1 1 1 1 2 2 2 2 3 3 3 3

year 1951 1952 1953 1954 1951 1952 1953 1954 1951 1952 1953 1954

invest755.9 891.2 1304.4 1486.7 588.2 645.5 641.0 459.3 135.2 157.3 179.5 189.6

Lag_invest

.755.9 891.2 1304.4

.588.2 645.5 641.0

.135.2 157.3 179.5

mvalue 4833.0 4924.9 6241.7 5593.6 2289.5 2159.4 2031.3 2115.5 1819.4 2079.7 2371.6 2759.9

当然，按照这样的思路，我们还可以产生某个变量的移动平均、差分等。总之，凡是可以应用到时间序列上的命令，基本上都可以应用到Panel Data中来。在完成了上述设定后，我们就可以进行基于Panel Data的数据描述性统计和模型的估计了。

8.8.1 Panel Data样本描述性统计

在正式进行模型的估计之前，我们必须对样本的基本分布特性有一个总体的了解。对于Panel Data而言，我们至少要知道我们的数据中有多少个截面（个体），每个截面上有多少个观察期间，整个数据结构是平行的还是非平行的2。进一步地，我们还要知道主要变量的样本均值、标准差、最大值、最小值等情况。这些都可以通过以下三个命令来完成： 12

See help tsset, 命令为［whelp tsset］。另外，如果想获得关于Panel Data的所有帮助，可采用命令[whelp xt]。 所谓平行面板数据是指所有截面单位的观察期间都相同，如我们在分析中国各省份的经济增长时，共有29个截面，每个截面都取1979-1998共20年的数据，共有580个观察值，这就是一个典型的平行面板数据。非平行面板数据就是不同的截面有不同的观察期间。

stata软件中关于面板数据的介绍

xtdes xtsum xttab

对Panel Data截面个数、时间跨度的整体描述 分组内、组间和样本整体计算各个变量的基本统计量 采用列表的方式显示某个变量的分布，较少使用

xtdes命令用于初步了解数据的大体分布状况，我们可以知道数据中含有多少个截面，最大和最小的时间跨度是多少。在某些要求使用平行面板数据的情况下3，我们可以采用该命令来诊断处理后的数据是否为平行数据4。

xtsum命令事实上是我们经常使用的命令summary的扩展，各个统计量都分别在样本总体、组内和组建三个层次上进行计算。基本的命令格式为： xtsum [varlist] [if exp] [, i(varname) ]

其中，[]中的内容都为可选项，在不设定选项的情况下，STATA默认对所有变量进行统计性描述。另外，如果我们前面已经采用tsset命令声明了截面变量和时间变量，[, i(varname) ]可以完全省略。

需要指出的是，由于我们可以把面板数据简单地视为混合数据（pooled data），所以以往针对截面数据设定的命令，如list、sum、des、tabstat、histogram、kdensity等命令也都可以用于Panel data的样本描述。

8.8.2 模型的估计

STATA8.0主要提供了如下模型的估计方法，对于门槛面板数据模型（Panel Threshold）和向量自回归面板数据模型（Panel VAR）等近期发展出来的模型，STATA8.0中还没有现成的估计程序，在估计过程中还需要我们自己编写程序。

xtreg xtregar xtgls xtpcse xtrchh xtivreg xtabond xtabond2 xttobit xtintreg

Fixed-, between- and random-effects, and population-averaged linear models Fixed- and random-effects linear models with an AR(1) disturbance Panel-data models using GLS

OLS or Prais-Winsten models with panel-corrected standard errors Hildreth-Houck random coefficients models

Instrumental variables and two-stage least squares for panel-data models Arellano-Bond linear, dynamic panel data estimator

Arellano- …… 此处隐藏：10711字，全部文档内容请下载后查看。喜欢就下载吧 ……