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：

在写论文时经常碰见一些即是时间序列又是截面的数据，比如分析1999-2010的公司盈余管

如上图所示的数据即为面板数据。显然面板数据是三维的，而时间序列数据和截面数据

都是二维的，把面板数据当成时间序列数据或者截面数据来处理都是不合适的。

处理面板数据的软件较多，一般使用、Stata等。个人推荐使用Stata，因为Stata比较适合处理面板数据，且个性化强。以下以为例来讲解怎么样处理面板数据。

由于面板数据的存储结构与我们通常使用的存储结构不太一样，所在统计分析前，最好

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。女口，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 =

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、

xtsum DA factorl 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 factorl facto2

固定效应模型输入命令：

xtreg DA factorl factor , fe

随机效应模型输入命令：

xtreg DA factorl 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：

xttestO

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

qui xtreg DA factorl 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。