面板数据例子

quietly reg redfatal redbeertax redspircons redunrate redperinck mdbeertax mdspircons mdunrate mdperinck, vce(cluster state) test mdbeertax mdspircons mdunrate mdperinck
这两个命令一个是gls,一个是ols,当两者估计结果相等时，唯一的解释就是 λ=0。但在理论上，λ应该介于0-1之间，Re的结果应该不会和ols估计完全一 致。现在λ=0，是因为i.state已经控制了个体效应，混合误差项里已不存在随 机效应了，这充分显示在xi:xtreg i.state 最后一行结果里。这表明，如果 xtreg里面没有加i.state的话，在理论上是不会出现两者结果一致的现象。不 过，在实践中，在stata里面，对于λ无限接近0时，软件会将其视为0，从而 也会出现结果一致的情形。 以上感谢和章耀同学的讨论。
6.豪斯曼检验-聚类稳健标准差
quietly xtreg fatal beertax spircons unrate perinck, re scalar theta=e(theta) global yandxforhausman fatal beertax spircons unrate perinck sort state foreach x of varlist $yandxforhausman{ by state:egen mean`x'=mean(`x') gen md`x'=`x'-mean`x' gen red`x'=`x'-theta*mean`x' }
3.固定效应-时间效应（Two way FE）
tab year, gen(year) xtreg fatal beertax spircons unrate perinck year2-year7, fe vce(cluster state)
estimates store FE_TW
3.固定效应-时间效应（Two way FE）
estimates store FE_robust
3.固定效应
xtreg y x1 x2 x3, fe xtreg fatal beertax spircons unrate perinck, fe
3.固定效应-LSDV
reg y x1 x2 x3 i.id, vce(cluster id) xi:reg fatal beertax spircons unrate perinck i.state, vce(cluster state) xi:xtreg fatal beertax spircons unrate perinck i.state, vce(cluster state) **以上两行命令等价（但我更偏好前者）。解释如下：
比较各类估计
estimates table OLS FE_robust FE_TW RE BE, b se
5.组间估计量
xtreg y x1 x2 x3, be xtreg fatal beertax spircons unrate perinck, be
estimates store BE
6.豪斯曼检验-传统
xtreg fatal beertax spircons unrate perinck, fe estimates store FE xtreg fatal beertax spircons unrate perinck, re estimates store RE hausman FE RE, constant sigmamore
xttest ye源自文库r2 year3 year4 year5 year6 year7
4.随机效应-FGLS
xtreg y x1 x2 x3, re vce(cluster id) xtreg fatal beertax spircons unrate perinck, re vce(cluster state)
estimates store RE
4.随机效应-FGLS xttest0
4.随机效应-MLE
xtreg y x1 x2 x3, mle nolog xtreg fatal beertax spircons unrate perinck, mle nolog
estimates store MLE
state为聚类变量的聚类稳健标准差 estimates store OLS
2.混合回归-普通标准差
reg fatal beertax spircons unrate perinck
普通标准差
3.固定效应
xtreg y x1 x2 x3, fe vce(cluster id) xtreg fatal beertax spircons unrate perinck, fe vce(cluster state)
例子
方红生 浙江大学经济学院
例题
1.设定变量
2.混合回归
3.固定效应 4.随机效应
5.组间估计量
6.豪斯曼检验
1.设定变量 打开数据包traffic.dta xtset state year
xtdes xtsum y x1 x2 x3 xtline y
2.混合回归-聚类稳健标准差
reg y x1 x2 x3, vce(cluster id) reg fatal beertax spircons unrate perinck, vce(cluster state)
3.固定效应-LSDV
estimates store LSDV
3.固定效应-一阶差分法（FD）
xtserial y x1 x2 x3, output xtserial fatal beertax spircons unrate perinck, output
estimates store FD