面板数据的常见处理

面板数据的常见处理(2012-03-02 11:16:14)

标签：

杂谈

（整型），公司名称不要使用中文名称或者字母等，用数字代替。定义好变量之后可以输入数据了。数据可以直接导入（File-Import），也可以手工录入或者复制粘贴（Data-Data Edit(Browse)），手工录入数据和在excel中的操作一样。

以上面说的为例，定义变量 year、 company、 factor1、 factor2、 factor3、factor4、 factor5、 factor6、 DA。

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STATA 估计模型之前，我们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tsset，命令为：tsset company year

输出窗口将输出相应结果。

由于面板数据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面板数据身上。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 _factor1 ，也就是factor1 的一阶滞后，那么我们可以采用如下命令：

gen Lag_factor1=L.factor1

统计描述：

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。对于面板数据而言，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。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：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，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。Xtsum用来查询对组内、组间、整体计算各个变量的基本统计量（如均值、方差等）。为了方便，以下的举例都只用factor1，factor2两个自变量。

xtdes DA factor1 facto2

xtsum DA factor1 facto2

模型回归。

常用的处理面板数据的模型有混合OLS模型、固定效应模型、随机效应模型。各个模型的区别请上网查查。下面说说各个模型的命令：

混合OLS模型输入命令：

regress DA factor1 facto2

固定效应模型输入命令：

xtreg DA factor1 factor , fe

随机效应模型输入命令：

xtreg DA factor1 factor , re

模型的选择及检验

固定效应模型要检验个体效应的显著性，这可以通过固定效应模型回归结果的最后一行的F统计量看出，F越大越好，可以得出固定效应模型优于混合OLS模型的结论。随机效应模型要检验随机效应是否显著，要输入命令：

xttest0

如果检验得到的p值为0，则随机效应显著，随机效应模型也优于固定效应模型。至于固定效应模型与随机效应模型选哪一个，则要通过hausman检验来得出。

Hausman检验

Hausman检验的原假设是固定效应模型优于随机效应模型，如果hausman检验的p值为0，则接受原假设，使用固定效应模型。相关命令：

qui xtreg DA factor1 factor2 ,fe

est store fe

qui xtreg DA factor1 factor2 ,re

est store re

hausmanfe

检验序列相关

固定效应模型使用xtserial命令，随机效应模型使用xttest1命令:

qui xtreg DA factor1 factor2 ,re

xttest1…………对于随机效应模型

xtserial DA factor1 factor2

如果没有xtserial命令即输入上面的命令后弹出no command，则输入finditxtserial.ado可以自动搜索到进行安装。

检验截面相关性及截面异方差性

由于面板数据都是针对国家或公司的，因此截面间往往会存在相关性，我们可以利用xttest2 命令来检验固定效应模型中截面间的相关性是否显著。

qui xtreg DA factor1 factor2 ,fe xttest2

检验截面异方差性输入命令

Xttest3

希望上面的内容对大家有所帮助。

（注：专业文档是经验性极强的领域，无法思考和涵盖全面，素材和资料部分来自网络，供参考。可复制、编制，期待你的好评与关注）