stata⾯板数据计量知识及参考资料
计量知识：
1、横截⾯数据、时间序列、⾯板数据：
横截⾯数据是在同⼀时间，不同统计单位相同统计指标组成的数据列。横截⾯数据是按照统计单位排列的。因此，横截⾯数据不要求统计对象及其范围相同，但要求统计的时间相同。也就是说必须是同⼀时间截⾯上的数据。
,Pr i t emium ,1Pr i t emiun -H A Turnover Tutnover A H Size +/H A H SO SO +22/A H σσDummy
时间序列数据：
在不同时间点上收集到的数据，这类数据反映了某⼀事物、现象等随时间的变化状态或程度。
⾯板数据：
是截⾯数据与时间序列数据综合起来的⼀种数据类型。其有时间序列和截⾯两个维度，当这类数据按两个维度排列时，是排在⼀个平⾯上，与只有⼀个维度的数据排在⼀条线上有着明显的不同，整个表格像是⼀个⾯板，所以把panel data 译作“⾯板数据”。
举例：
如：城市名：北京、上海、重庆、天津的GDP 分别为10、11、9、8（单位亿元）。这就是截⾯数据，在⼀个时间点处切开，看各个城市的不同就是截⾯数据。
如：2000、2001、2002、2003、2004各年的北京市GDP 分别为8、9、10、11、12（单位亿元）。这就是时间序列，选⼀个城市，看各个样本时间点的不同就是时间序列。
如：2000、2001、2002、2003、2004各年中国所有直辖市的GDP 分别为：北京市分别为8、9、10、11、12；
字符串是什么型上海市分别为9、10、11、12、13；
天津市分别为5、6、7、8、9；
重庆市分别为7、8、9、10、11（单位亿元）。
这就是⾯板数据。
*变量合并
2、截⾯数据，多重共线性和异⽅差都需要考虑，截⾯数据不需要检测DW 值！你做出来R ⽅⽐较⼩，可能原因是你的回归⽅程中没有纳⼊关键变量，建议你采⽤逐步回归⽅法，以提⾼R ⽅！对于截⾯数据来说，R ⽅⼀般在0.7左右都能接受！相关分析不是必要做的，在模型中加⼊什么变量进⾏回归，主要是依据前期
的理论分析和研究⽬的！仅就计量回归⽽⾔，这些步骤只是告诉你，⾃变量与因变量的相关性会影响变量在模型中的显著性，⽽⾃变量间的相关则会带来多重共线性！
3、线性相关，也叫⾃相关：可以⽤来看x和y的相关性，常⽤来考察各个x ⾃变量之间是否存在相关关系。
Pearson 相关系数=0.5994， P 值=0.0182<0.05，因此可以认为⾝⾼与体
重呈正线性相关。
4、保留字符串中的前四个字符、excel⾃动重算
gen var2=substr(var1,1,4) 从第1位开始提取后⾯的4位数
excel有时候填充柄功能不⾏，下拉只能是复制，⽽不能把公式⼀直⽤下来，这个时候，应该操作：⽂件–选项–公式–⾃动重算。即可。
5、Stata的单引号很特别，是` ' 有两个符号，左边是Tab键上⾯那个键，即~键，右边是引号键，即回车键左边这个。要分别按两个组成⼀个单引号。
6、把字符型⽇期改成数值型
destring date, replace ignore("-")
这个命令的意思是，把date时间那⼀列，原来这⼀列是字符型格式，如
2016-01-13，那么要做时间序列来处理的话，先要改成数值型格式，⽐如20160113，这个命令就是把
这个字符串⾥⾯的“-”给删除掉。
destring gov_0,replace
或者可以直接通过这个语句来把⼀个变量由字符串变成数值型。
7、截⾯数据的回归
reg y x1 x2 x3 x4 x5, robust 截⾯数据⼀定要加robust
R⽅是可以解释y变量的40%左右，不好。Cons是常数项，p⼩于0.1⽐较好。
8、⼴义差分法
9、序列相关、⾃相关
10、截⾯数据、时间序列、⾯板数据⽰例截⾯数据：⼀个时间节点
时间序列：多个时间节点，⼀家企业
⾯板数据：不同公司，不同时间点
11、时间序列、⾯板数据回归分析
时间序列：
先要tsset var1 \*var1是时间的⼀列，先⽤这个命令表⽰这⼀列是时间序列再⽤ reg y x1 x2 x3 x4 x5
⾯板序列：
xtset var1 date
这是想要设定前两个变量，必须这样弄，才可以进⾏⾯板数据的后续探讨
12、把字符型改成数值型
destring var1, replace 把var1改成数值型，原来是字符型
13、⾯板数据先⽤随机效应和固定效应都试⼀下，看哪个好，语句：Hausman检验有两种，⼀种做随机模型和固定效应模型，⼀种是检验OLS和IV估计
⼀般⽽⾔，估计⾯板数据容易⾛到两个极端：⼀个是把其看成截⾯数据⽽进⾏混合回归，
要求每个个体都有完全相同的回归⽅程；另⼀个是为每个个体估计⼀个单独的回归⽅程。前
者忽略个体间不可预测或被遗漏的异质性，⽽该异质性与解释变量相关⽽导致估计不⼀致，
后者则忽略个体间的共性，也可能没有⾜够⼤的样本容量。折中的估计策略：假定个体的回
归⽅程拥有相同的斜率，但可以有不同的截距项，来捕捉异质性，这称为“个体效应模型”。
包括个体固定效应、个体随机效应、混合效应。
xtreg var3 var4 var5 var6,fe \*固定效应估计
est store fe \*储存结果
xtreg var3 var4 var5 var6,re \*随机效应估计

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。