精华内容
下载资源
问答
  • Hausman检验说明.pdf

    2021-09-26 23:23:17
    Hausman检验说明.pdf
  • 固定效应还是随机效应——Hausman检验7.3 随机效应模型估计 7.3.2 用EViews7.2估计随机效应模型 数据导入、数据结构转换以及模型设定与固定效应模型估计一样,不同的是在panel option的cross section中选Random,...

    固定效应还是随机效应——Hausman检验

    7.3 随机效应模型估计 7.3.2 用EViews7.2估计随机效应模型 数据导入、数据结构转换以及模型设定与固定效应模型估计一样,不同的是在panel option的cross section中选Random,还有 和 的估计方法 7.3 随机效应模型估计 7.3.2 用EViews7.2估计随机效应模型 例子7.1 输出结果: 7.3 随机效应模型估计 7.3.2 用EViews7.2估计随机效应模型 由于随机效应模型不再消掉不随时间变化的自变量,故这些解释变量都可以在模型中保留下来。 例子7.2的EViews回归结果 7.3 随机效应模型估计 7.3.2 用EViews7.2估计随机效应模型 例子7.2的EViews回归结果 7.4 固定效应还是随机效应?——Hausman检验 7.4.1 Hausman检验原理 7.4.2用EViews7.2进行Hausman检验 7.4 固定效应还是随机效应?——Hausman检验 7.4.1 Hausman检验原理 比较随机效应和固定效应下参数估计是否有差别,若差别显著,则认为应采用固定效应(稳健优先):若不显著,则认为应采用随机效应(效率优先)。 Hausman检验构造的统计量只对斜率系数进行比较。 7.4 固定效应还是随机效应?——Hausman检验 7.4.1 Hausman检验原理 假设三个斜率参数的固定效应估计和随机效应估计分别为 和 可以对整体模型进行Hausman检验,如:用 、 、 构造 分布 也可对单个参数进行Hausman检验,如: 7.4 固定效应还是随机效应?——Hausman检验 7.4.2 用EViews7.2进行Hausman检验 首先进行随机效应模型估计,在估计结果界面进行相应的操作,在随机效应估计结果界面点击View→Fixed/Random Effects Testing→Correlated Random Effects-Hausman Test,弹出如下检验结果 7.4 固定效应还是随机效应?——Hausman检验 7.4.2 用EViews7.2进行Hausman检验 Hausman检验需要对固定效应模型进行检验,因此不能包含不随时间变化的自变量(除了个体异质性)。所以不能对例子7.2进行 Hausman检验。 重要概念 1. 横截面上若干多个时期的观测值形成面板数据。由于来自两个维度,面板数据在增加样本量的同时,也比单纯的横截面数据具有更为复杂的结构。 2. 板数据模型包含个体不可观测异质性 ,并根据 与模型自变量的关系将模型分为固定效应模型和随机效应模型。 3. 与自变量相关时,面板数据模型称为固定效应模型。 并入误差项会引起自变量的内生性,导致回归系数的OLS估计不是一致估计。要估计固定效应模型,需要将 消掉,固定效应估计方法采用将模型变量减去组内均值的方法消掉 。 重要概念 与自变量不相关时,面板数据模型称为随机效应模型。 并入误差项不会引起自变量的内生性,回归系数的OLS估计不一致估计。随机效应估计方法的核心,是利用复合误差项的特殊结构,更加有效地估计回归系数。随机效应估计方法首先对模型变量进行变换,将变量减去权重系数 乘以组内均值,然后对变换后变量形成的模型实施OLS估计。随机效应模型估计中,权重系数的计算是关键。权重系数 的计算有三种不同方法,EViews操作可以进行选择。 重要概念 5. 确定采用固定效应模型还是随机效应模型时,需要进行Hausman检验。Hausman检验的想法是将两种模型的参数估计结果进行比较,以确定是否有显著差别,如果有,则认为固定效应模型是合适模型,如果没有则可以采用随机效应模型。 第7章 面板数据回归分析 面板数据回归分析 7.1 面板数据模型 7.1.1 面板数据 7.1.2 面板数据模型 7.2 固定效应模型估计 7.2.1 固定效应模型估计 7.2.2 用EViews7.2估计固定效应模型 面板数据回归分析 7.3 随机效应模型估计 7.3.1 随机效应模型估计 7.3.2 用EViews7.2估计随机效应模型 7.4 固定效应还是随机效应? —Hausman检验 7.4.1 Hausman检验原理 7.4.2用EViews7.2

    展开全文
  • STATA面板数据模型进行Hausman检验

    万次阅读 多人点赞 2019-04-03 10:21:19
    STATA面板数据模型进行Hausman检验 1、导入数据 可以通过如下多种方式导入 1.1 可以通过点击stata软件的图标,输入数据 1.2 通过点击文件->导入 可以导入各种文本格式的数据 例如我将导入xlsx文件 注意勾选第一...

    STATA面板数据模型进行Hausman检验

    1、导入数据
    可以通过如下多种方式导入
    1.1
    可以通过点击stata软件的图标,输入数据
    在这里插入图片描述
    1.2 通过点击文件->导入 可以导入各种文本格式的数据
    例如我将导入xlsx文件在这里插入图片描述
    注意勾选第一行作为变量名
    在这里插入图片描述
    1.3 以命令行的方式导入

    import excel "路径"
    clear 可以把现有的变量名清空
    

    例如:

    clear                   /*---清空现有的变量名----*/
    import excel "C:\Users\zzz\Desktop\非国企重新做.xlsx", sheet("非国有企业") firstrow 
    

    在这里插入图片描述
    2、处理数据
    面板数据的第一列是个体项目 第二列为时间项 字符型没法识别
    如果第一列是字符型 需要进行处理因为字符型是无法识别的
    首先对第一列数据进行转换处理:

    encode var gen(var_别名)
    

    或者

    gen (var_别名)= group(var)
    

    通过 xtset 函数告知stata 操作的是面板数据

    xtset var_别名 year 
    

    在这里插入图片描述
    进行hausman检验,如果变量是绝对量,可以取对数减小波动

    gen lnvar1=log(var1)
    g lnvar2=log(var2)
    g lnvar3=log(var3)
    

    进行hausman检验,首先要进行固定效应检验和随机效应检验
    固定效应:

    xtreg F ROE CI FI ,fe              /*----个体固定效应回归---*/
    esti store FE1				       /*---存储为FE1---*/
    

    在这里插入图片描述
    随机效应:

    xtreg F ROE CI FI ,re               /*----随机效应变截距模型FGLS---*/
    esti store RE1				           /*---存储为RE1---*/
    

    在这里插入图片描述
    进行hausman检验 ,constant代表masi距离中常数项的估计量,sigmamore利用有效估计量方差,即re;相对的还有个sigmaless利用一致估计量方差,即fe

    hausman FE1 RE1, constant sigmamore
    

    在这里插入图片描述
    上图中小写b列 代表固定效应得到的参数估计 大写B列打表随机效应得到的参数估计 diag 表示两个值方差协方差矩阵
    计算出的统计量服从卡方分布
    得到的结果 原假设则随机效应 拒绝原假设固定效应

    展开全文
  • Warning: All regressors will be spatially lagged在使用xsmle命令做hausman检验时,出现了如下错误 convergence not achieved estimating fixed-effects model to perform Hausman test convergence not achieved...

    xsmle gdp gt cz gdzc ersan ur,model(sdm) wmat(Wzhusj) hausman nolog
    Warning: All regressors will be spatially lagged 
    在使用xsmle命令做hausman检验时,出现了如下错误

    convergence not achieved
    estimating fixed-effects model to perform Hausman test
    convergence not achieved
         _xsmle_hausman_ml():  3200  conformability error
                     <istmt>:     -  function returned error

    起初百思不得其解,翻阅经管之家以及stata官方论坛很多帖子,
    发现很多人都遇到了这个问题,但是都没有一个合理的解决方案。
    总结一下可能导致这串错误代码的原因:
    1.诚如错误代码3200所说,矩阵的维数和变量的id数不匹配
    2.xsmle用的矩阵应该是n×n的截面数据的矩阵,xsmle会自动匹配成面板数据所需
    的矩阵
    但是大部分朋友的矩阵维数和id数是匹配的,但运行xsmle命令还是会出错
    我的情况也属于这个,我尝试了各种生成矩阵的方法,spwmatric,spmat,spmatric,
    从geoda软件导入,在除夕夜弄了快6个小时,最终都无疾而终,万念俱灰之时,突
    然想到有位老师在讲空间计量时提到过矩阵迭代求特征值的时候有可能得不到解。
    哦!原来问题出在 convergence not achieved (未收敛)
    原来我一直被3200错误误导,以为是我的矩阵设置错误,其实出错的并不是矩阵,
    而是我的数据。stata的报错比较宽泛,n种问题可能报的是同种错误。


    问题就在于我的gdp这一列数值过于大,2009年为9000多万,我的单位是元。
    xsmle采用的是极大似然估计方法,数值太大,这就会导致stata在进行矩阵迭代时
    出现错误,它没有办法得到最优解。
    解决办法:将所有的数据取对数,再进行上述命令,就能完美运行。

    xsmle lngdp lngt lncz ,model(sdm) wmat(Wzhusj) hausman nolog

    感悟:1.理论永远是一切模型和代码的基础,很多时候我们遇到问题,就是因为
    理论基础不够。stata的每个命令就像一个黑箱,了解黑箱背后的原理,可能在软
    件报错时更好地解决错误。有问题先网上搜索,不行stata看help文件,再不行
    去stata官方论坛。
         2.感觉stata目前做空间计量并不是很完善,稍有不慎就会出现错误,而且
    关于权重矩阵这一块的设定太有"门道”了,不同矩阵结果不同,不同命令可能计算
    的结果也不同。希望更多的研究论文可以公开代码和数据,不然空间计量回归的结果
    并不能让人信服,也存在矩阵勿用甚至是造假问题。

    **转载请注明出处**

    展开全文
  • 求助大神,做地理加权回归Hausman检验的时候提示w6 is not a valid spmat object 怎么办?
  • 本文针对面板数据主要有三种模型: 1.... 随机效应模型 介绍了数据检验和模型检验用R语言实现过程,包括F test, Hausman test和 LM test。承接系列一部分,在模型检验确定如何使用模型后,进行数据分析

    系列文章

    1. R做面板数据分析:R语言 面板数据分析 plm包实现(一) ——LSDV和固定效应模型

    2. 如果想看随机效应模型怎么做,参见这篇文章
      R语言 面板数据分析 plm包实现(二)——随机效应模型

    3. 如果想看如何判断面板数据适用随机效应模型还是固定效应模型,参见这篇文章:
      R语言 面板数据分析 plm包实现(三)——面板数据与面板模型的检验

    4. 使用随机效应模型,且一些时间或个体存在数据缺失,应当使用Swamy Arora估计,如何用R语言来实现,参见这篇文章:
      R语言 面板数据如何做Swamy Arora估计

    5. 如何从统计年鉴获知某地接受转移支付额度

    我们知道,针对面板数据主要有四种模型,分别是:

    1. pool模型->对变量去整体均值后进行 OLS 估计
    2. 固定效应模型->对变量去个体均值后进行 OLS 估计
    3. 随机效应模型->对变量处理(减去个体均值的某个倍数)后进行 OLS 估计
    4. 可变系数模型(随机系数模型)->采用 GLS 估计

    《R语言 面板数据分析 plm包实现(固定效应模型和组内模型)》中对模型如何使用进行分析做演示,本文主要展示如何检验该使用何种模型。

    下面依次介绍三种检验,在介绍前,特别强调:

    1. WLS(加权最小二乘回归)和FGLS都属于GLS回归。区别是前者方差矩阵可知,后者方差矩阵不知需估计。
    2. 判断选择固定效应模型和随机效应模型不能单凭传统的hausman检验(Hausman, 1978)。因为传统的hausman检验假设方差是同方差的,没有考虑异方差问题,须使用异方差稳健的豪斯曼检验。

    有数据集:Ex1_1.dta

    数据样式

    点击下载在这里插入图片描述
    其中FN代表公司,总共有三家;YR代表年份;I是总投资;F是企业实际价值;C是企业实际资本存量。

    更多解释:
    在这里插入图片描述

    数据导入

    这个数据集是stata的数据集,因此在Rstudio中你可以选择文件–>导入数据集(import dataset)–>导入stata文件,即可完成导入工作

    此外,我好像在其它地方也看见过此数据集,如果你无法下载,可以在其它地方寻找数据集(我印象里是在某个面板相关的R程序包里自带的数据集)。

    很多童鞋反映数据集获取困难,我把这个数据集上传到github的一个项目里了(免费),注意,只有一个文件是数据集。如果有帮到你,请给文章点个赞哦~

    数据检验

    绘制相关系数矩阵和相关性t检验矩阵

    rankData<-pdata.frame(Ex1_1 ,index=c("FN","YR")) 
    mydata = Ex1_1[ , c(3,4,5)]
    # 相关系数矩阵
    library(Hmisc) # 加载包
    res <- cor(mydata)
    # 输出相关系数矩阵,保留两位小数
    round(res, 2)
    # 相关性的显著性检验
    res2 <- rcorr(as.matrix(mydata))
    res2 
    # 结果都在p<0.01水平上显著(第二幅图的第二个矩阵)
    

    在这里插入图片描述
    在这里插入图片描述

    绘制企业投资平均水平随时间的变化

    frame = aggregate(I~YR,data=Ex1_1,mean) # YR(年份)作横轴,I作纵轴
    # 绘制散点图
    plot(frame,main = "投资随年份变化情况",xlab = "年份(单位:年)",ylab = "各公司平均投资额度(单位:万元)", family='STXihei')
    # 绘制拟合曲线(回归方法)
    abline(lm(I~YR,data=Ex1_1),col = "red", lwd = 2 , lty = 1)
    

    得到图像如下:

    在这里插入图片描述

    序列相关性检验

    考察企业的投资额的序列相关性,通常是重要一步

    # 导入plm包
    library("plm")
    # 模型的基本形式
    form = I ~ F + C
    # 序列相关性检验,默认参数effect = "individual",此处未写出
    pwartest(form, data = rankData)
    

    在这里插入图片描述
    在个体固定效应模型情况下,拒绝原假设,认为存在序列相关性。可以根据此对模型进行修改,比如在自变量中添加滞后一期的因变量I作为解释变量。

    下面进行模型检验。

    模型检验

    pool模型还是固定效应模型——F检验

    pooltest()函数和pFtest()函数都可以做F检验,其原假设是能否认为所有时间或个体都具有相同的系数,这样的话应当采用pool模型,即传统的OLS回归。

    pool模型具体可参见《R语言 面板数据分析 plm包实现(固定效应模型和组内模型)》

    # 如果拒绝零假设,采用individual维度的固定效应模型
    pooltest(form, data = rankData, model = "within")
    # 如果拒绝零假设,采用time维度的固定效应模型
    pooltest(form, data = rankData,effect = "time", model = "within")
    # 如果拒绝零假设,采用双维度的固定效应模型
    pFtest(form, data = rankData,effect = "twoways", model = "within")
    

    固定效应模型还是随机效应模型——Hausman检验

    固定效应模型和随机效应模型的名字具有迷惑性,实际上二者都采用了随机估计量,我们可以用Hausman检验来判断哪一个适用(Hausman and Taylor 1981)。

    拒绝零假设,采用固定效应模型;不拒绝,采用随机效应模型。

    上文提到数据可能存在自相关和异方差问题,因此我们也可以采用稳健的(robust) Hausman检验,下面的代码展示了两种,即稳健的和非稳健的。

    # 固定效应模型,注意参数是model = "within"
    mf = plm(form, data = rankData,effect = "twoways", model = "within")
    # 随机效应模型
    mr = plm(form, data = rankData,effect = "twoways", model = "random")
    # 传统 Hausman检验
    phtest(mf,mr)
    # 稳健的Hausman检验
    phtest(form, data = rankData, method = "aux", vcov = vcovHC)
    

    检验结果:
    在这里插入图片描述
    在这里插入图片描述
    从两个结果看,都拒绝原假设,应当采用固定效应模型。

    另外,如果没有序列相关性,则随机效应的最佳检验是Breusch和Godfrey的基于似然性的LM检验(Honda进行了改进)

    LM检验

    拒绝零假设,采用随机效应模型;不拒绝,可能是固定效应模型或 Pooled 模型。

    # LM检验
    pcdtest(form,data=rankData,model="within")
    

    在这里插入图片描述
    从结果来看,Hausman和LM检验都指出应当使用固定效应模型。

    尾声

    通常,检验部分结束,确定模型后,应当进入模型分析部分
    如果检验结果是随机效应模型,且一些时间或个体存在数据缺失,应当使用Swamy Arora估计,如何用R语言来实现,参见这篇文章:
    R语言 面板数据如何做Swamy Arora估计

    探究至此,文章中可能有错误,欢迎评论指出。

    展开全文
  • 短面板数据分析的基本程序;参考书;内容安排;短面板数据; Stata中面板数据结构;region;Benefits of panel data analysis;面板数据模型;固定效应模型(Fixed Effects Model, FE;随机效应模型(Random Effects Model, RE;...
  • HAUSMAN检验的X2值是负的时候,意思是强烈地表明两个被比较的回归结果系数相同(或者说无显著差异)的原假说不能被拒绝,尤其是小样本中很可能出现。这是STATA7的使用手册上的一个例子说的。但在STATA8里,又说,...
  • 1、空间面板数据模型分为混合空间面板数据模型、空间固定效应空间面板数据模型、时间固定效应空间面板模型、空间和时间双固定效应的空间面板数据模型、随机效应的空间面板数据模型,而豪斯曼检验可以用来判断到底是...
  • SPSSAU分别进行F检验,BP检验和Hausman检验(豪斯曼检验),结合三个检验,最终判断出哪个模型最优。 如果是经济类数据,多数情况下FE模型更优,因而很多研究直接默认不检验直接使用FE模型;一般情况下,三种模型的...
  • sigmamore/sigmaless 1.3.2第二种Hausman检验(适用于异方差情形)xtreg y x i.year,fe r est store fe xtrg y x i.year,re r est store re hausman fe re,sigmamore/sigmaless ***此种情形hausman检验不能运算,...
  • 第十章 Panel Data模型 ;第一步 录入数据 ;实例数据;录入 数据软件操作EVIEW6.0 方式一 Workfile Workfile structure type Dated-regular frequency Start date 1935 End date 1954 OK Objects/New Object Type of ...
  • 检验类型 检验目的 检验值 检验结论 F检验 FE模型和POOL模型比较选择 p 值模型 BP检验 RE模型和POOL模型比较选择 p 值模型 Hausman检验 FE模型和RE模型比较选择 p 值模型 分析 案例部分数据如下: 固定效应模型...
  • 具体遇到的问题有:1、LR检验显示错误 2、LM检验有的不显著 3、有些变量的系数与预期相反还请各位不吝赐教,在此先谢谢各位了T=4;N=25;W=normw(W1);y=A(:,[3]);x=A(:,[4:20]);info.lflag=0;info.model=1;info.fe=0;r...
  • 原标题:面板工具变量与内生性操作及应用(固定随机、豪斯曼检验、过度识别检验、预测等)????2021年寒假Stata研讨班:高级计量经济学及Stata应用研讨班????2021空间计量研讨班:空间计量及Geoda、Stata、ArcGis、...
  • python弗里德曼检验(Friedman Test) 如果数据不服从正态分布,其中一种处理方法是可以使用Friedman test等非参数检验方法。 使用Friedman 检验可以确定随机区组设计中的中位数处理效应是否存在差异。 ...
  • EVIEWS序列相关检验2序列相关检验、处理及案例内蒙古科技大学经济与管理学院边璐 2011.11.10内容安排• 自相关性的检验• 自相关性的解决方法• 案例分析自相关性的检验• 1、图示法(上节课已说过)• 2、DW检验• 3...
  • Eviews3种面板模型的选择-F检验操作详情

    万次阅读 多人点赞 2020-04-09 18:34:38
    简书同步链接Eviews3种面板模型的选择-F检验操作详情 之前有小伙伴问小编关于三种面板模型(不变系数、变截距、变系数)的选择,具体如何操作,所以今天小编亲自来实操咯。 今天看书又对这三种模型有了新的理解,...
  • xtset id year//定义面板数据 xtreg lnpgdp lng lnm,fe//带固定效应的面板数据回归 ...//豪斯曼检验步骤 xtreg lnpgdp lng lnm,fe//1-3被解释变量-解释变量 est store fe xtreg lnpgdp lng lnm,re est sto
  • 作者|GUEST 编译|VK 来源|Analytics Vidhya 介绍 检验是统计学中最基本的概念之一。不仅在数据科学中,假设检验在各个...简单假设检验和复合假设检验 单尾和双尾检验 临界区 I型和II型错误。 统计学意义 信心水
  • 这 估计标准误差(standard error of estimate) 显著性检验 线性关系的显著性检验检验自变量与因变量之间的线性关系是否显著,即检验x与y之间是否具有线性关系,或者说,检验自变量x对因变量y的影响是否显著;...
  • 面板数据估计的R实现

    2020-12-23 02:34:07
    ###面板数据回归模型(模型估计,参数检验)####变截距模型> library(plm)> library(foreign)> examError in file(file, "rt") : cannot open the connectionIn addition: Warning message:In file(file, ...
  • stata学习笔记|内生性

    千次阅读 2021-11-05 09:56:38
    豪斯曼检验的前提假设是同方差,所以不能采用稳健标准误的方式 qui reg lw iq expr tenure rns smsa estimates store ols qui ivregress 2sls lw s expr tenure rns smsa (iq=med kww ) estimates store iv hausman ...
  • 随机效应与固定效应&面板数据回归

    万次阅读 多人点赞 2014-11-13 21:07:45
    对于固定效应模型和随机效应模型,通常用Hausman检验判断其适用性。有关模型设定和检验的细节可以参考Baltagi(2005) 所以,你需要分别检验是否加入时间固定效应、是否需要加入个体固定效应。 [1] 简言之,混合估计...
  • 面板数据操作步骤

    2020-12-22 17:23:53
    关键词 经济增长 面板协整检验 Hausman 检验 Abstract This paper assesses the relationship among the energy consumption, environment pollution and economic growth in all the regions of...
  • 面板回归指南

    万次阅读 多人点赞 2018-12-26 12:50:18
    随机效应模型估计:3.Hausman检验附录:stata中面板回归的主要命令与参数 面板数据 面板数据有两个下脚标: 不同个体i 不同时间t 其形式如下: 面板回归包含不可观测的个体异质性αi\alpha_iαi​ 根据αi\alpha_...
  • Durbin 检验能用于不完全区组设计中。 均衡不完全区组需满足以下条件: 每个区组包含 t 个水平——区组大小相等; 每个处理在 r 个区组中出现——处理重复数相等; 每对处理在 λ 个区组中相遇——相遇数相等。 ...

空空如也

空空如也

1 2 3 4 5 ... 10
收藏数 195
精华内容 78
关键字:

hausman检验

友情链接: code(1).rar