精华内容
下载资源
问答
  • Stata 连享会   主页 || 视频 || 推文   编者: 展一帆 (复旦大学) E-Mail: simonzhanyf@163.com Stata 连享会: 知乎 | 简书 | 码云 | CSDN   编者注: 本文翻译改编自 Paul Allison 教授发表的论文以及博客...

    👉 原文链接https://www.lianxh.cn/news/b880417971c8c.html

    Stata 连享会   主页 || 视频 || 推文

    编者: 展一帆 (复旦大学)
    E-Mail: simonzhanyf@163.com
    Stata 连享会: 知乎 | 简书 | 码云 | CSDN


    编者注: 本文翻译改编自 Paul Allison 教授发表的论文以及博客文章,特此致谢。
    Source: Allison P D . Asymmetric Fixed-effects Models for Panel Data[J]. Socius: Sociological Research for a Dynamic World, 2019

    目录

    1. 问题背景
    2. 案例分析
    3. 多期非对称固定效应模型
    4. 参考文献

    1. 问题背景

    标准的面板数据分析方法依赖于方向对称性假设(directional symmetry)。具体而言,即如果变量 X X X 增加一个单位导致 Y Y Y 变动 B B B 个单位,那么变量 X X X 减少一个单位也将导致 Y Y Y 减少 B B B 个单位。

    但是这种对称性的假设在很多情形下往往不适用。例如,一个人结婚时幸福水平的增加与离婚时幸福水平的减少正好相等么?亦或者收入增加 1 万美元对储蓄的提振与减少 1 万美元的影响正好对称么?

    本文将利用一个仅包含双时点的简单情形,展示如何放松这一假设。关于多时期的情形,可以参阅 Allison (2019)

    2. 案例分析

    首先可以下载作者 Paul Allison 提供的范例数据 nlsy.dta (右击另存)。该数据集横截面上有 581 名儿童,分别在 1990 年和 1992 年参与了国家青年纵向调查,测量了如下三个指标:

    • anti :反社会行为,测度指标为一有序分类变量,取值从 0 至 6。
    • self :自尊心,测度指标为一有序分类变量,取值从 6 至 24。
    • pov   :家庭贫困状况, 测度指标为一虚拟变量,取 1 代表家庭贫困,取 0 则反之。

    实证分析的目标是估计 selfpovanti 的因果效应。估计模型采用传统的固定效应模型 (Allison 2005, 2009) ,其是研究随时间增加或减少的效应的理想选择,并且可以很好地控制非时变不可观测因素。

    对于两个时期的数据,有几种等价的方法可以估计固定效应模型。其中差分法是允许方向不对称的最直接方法。其原理是从时间 2 的值中减去时间 1 的值以构造差分变量,然后只需对差异后的变量执行 OLS 估计即可。

    如下是「传统 对称模型」的 Stata 代码:

    *-下载数据,保存到当前工作路径下
    . copy "https://statisticalhorizons.com/wp-content/uploads/nlsy.dta"  nlsy.dta, replace
    
    . use "nlsy.dta", clear
    
    *-数据概况
    
    . des
    Contains data from nlsy.dta
      obs:           581                          
     vars:            16                          
     size:        12,782                          
    ----------------------------------------------------
                  
    variable name   variable label
    ----------------------------------------------------
    momage          mother age at birth of child years
    anti90          child antisocial behavior in 1990
    anti92          child antisocial behavior in 1992
    anti94          child antisocial behavior in 1994
    gender          child's gender
    childage        child age in 1990 years
    hispanic        child race hispanic
    black           child race black
    momwork         mother employment status in 1990
    married         mother married in 1990
    self90          child self-esteem in 1990
    self92          child self-esteem in 1992
    self94          child self-esteem in 1994
    pov90           family poverty status in 1990
    pov92           family poverty status in 1992
    pov94           
    ----------------------------------------------------
    
    *-变量的基本统计量
    . sum  // 下面的结果是用 fsum 命令得到的
     Variable |        N     Mean       SD      Min      Max   
    ----------+---------------------------------------------
       momage |      581    20.66     2.19    16.00    25.00  
       anti90 |      581     1.57     1.47     0.00     6.00  
       anti92 |      581     1.60     1.56     0.00     6.00  
       anti94 |      581     1.75     1.69     0.00     6.00  
       gender |      581     0.50     0.50     0.00     1.00  
     childage |      581     8.94     0.60     8.00    10.00  
     hispanic |      581     0.24     0.43     0.00     1.00  
        black |      581     0.36     0.48     0.00     1.00  
      momwork |      581     0.34     0.47     0.00     1.00  
      married |      581     0.24     0.42     0.00     1.00  
       self90 |      581    20.07     3.19     9.00    24.00  
       self92 |      581    20.36     3.53     6.00    24.00  
       self94 |      581    20.62     3.27     9.00    24.00  
        pov90 |      581     0.34     0.47     0.00     1.00  
        pov92 |      581     0.33     0.47     0.00     1.00  
        pov94 |      581     0.32     0.47     0.00     1.00  
    
    *-回归分析 I:对称固定效应模型 
    
    generate antidiff = anti92 - anti90
    generate selfdiff = self92 - self90
    generate  povdiff =  pov92 - pov90
    
    regress antidiff selfdiff povdiff
    

    结果如下 (这里省略了置信区间):

    ----------------------------------------------------
     antidiff |      Coef.   Std. Err.      t    P>|t|  
    ----------+-----------------------------------------
     selfdiff |  -.0391292   .0136396    -2.87   0.004  
      povdiff |   .1969039   .1326352     1.48   0.138  
        _cons |   .0403031   .0533833     0.75   0.451  
    ----------------------------------------------------
    

    从结果来看,自尊对反社会行为具有显著的负面影响。具体而言,自尊每增加 1 个单位,反社会行为就会下降 0.039 个单位。但这也意味着自尊每降低 1 个单位,反社会行为就会增加 0.039 个单位。贫困对自尊产生正向(但不显著)的影响。陷入贫困的儿童的反社会行为增加了 0.196 个单位,而摆脱贫困的儿童的反社会行为则降低了 0.196。

    那么进一步,如何放松方向对称性假设(directional symmetry)的约束?

    👉 更多详情,请参阅 原文链接https://www.lianxh.cn/news/b880417971c8c.html


    关于我们

    • Stata连享会 由中山大学连玉君老师团队创办,定期分享实证分析经验。直播间 有很多视频课程,可以随时观看。
    • 你的颈椎还好吗? 您将 ::连享会-主页::::连享会-知乎专栏:: 收藏起来,以便随时在电脑上查看往期推文。

    展开全文
  • stata命令:面板数据的中介效应、调节效应Stata操作演示
  • Stata:双重差分的固定效应模型-(DID)

    千次阅读 2021-07-11 13:14:44
    目录 1. 生成数据 2. 验证模型 2.1 混合回归 (POLS) 2.2 areg 回归 ...在不同应用情形下,该方法具有多种可供选择的回归命令,而由于有些应用者对双重差分模型设定的优点和缺陷,以及stata命令实现..

    全文阅读:https://www.lianxh.cn/news/f7499048842cc.html

    目录

    双重差分法(DID)作为估计处理效应的工具方法,常被用来对政策实施的跨期效果进行评估,其本身也是一种固定效应估计方法。在不同应用情形下,该方法具有多种可供选择的回归命令,而由于有些应用者对双重差分模型设定的优点和缺陷,以及 stata 命令实现不够了解,使得该方法有被错误滥用的倾向。

    在此借鉴参考 Using Stata to estimate difference-in-differences models with fixed effects by Nicholas Poggioli (poggi005@umn.edu) ,举例从混合回归、 areg 回归、面板回归的随机效应和固定效应等情形,给出正确和错误模型设定的对比,以期为双重差分模型估计命令的正确选择作参考。

    简要回顾双重差分模型的设定形式:

    全文阅读:https://www.lianxh.cn/news/f7499048842cc.html

    展开全文
  • xtreg lnpgdp lng lnm,fe//带固定效应的面板数据回归 默认固定id即个体的固定效应 xtreg lnpgdp lng lnm i.year,fe//个体效应和时间效应的固定效应 xtreg lnpgdp lng lnm,re//若不带选项,回归默认是随机效应 //...
    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
    默认固定id即个体的固定效应
    xtreg lnpgdp lng lnm i.year,fe//个体效应和时间效应的固定效应
    xtreg lnpgdp lng lnm,re//若不带选项,回归默认是随机效应
    //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 store re
    hausman fe se
    
    展开全文
  • 小白学统计|面板数据分析与Stata应用笔记(一)

    万次阅读 多人点赞 2020-04-25 14:13:11
    小白学统计|面板数据分析与Stata应用笔记(一) 文章首发于公众号 「如风起」。 原文链接: 小白学统计|面板数据分析与Stata应用笔记(一) 面板数据分析与Stata应用笔记整理自慕课上浙江大学方红生教授的面板数据...

    小白学统计|面板数据分析与Stata应用笔记(一)

    文章首发于公众号 「如风起」
    如风起原文链接: 小白学统计|面板数据分析与Stata应用笔记(一)

    面板数据分析与Stata应用笔记整理自慕课上浙江大学方红生教授的面板数据分析与Stata应用课程,笔记中部分图片来自课程截图。
    笔记内容还参考了陈强教授的《高级计量经济学及Stata应用(第二版)》

    一、面板数据的定义

    面板数据(panel data或longitudinaldata),指的是在一段时间内跟踪同一组个体(individual)的数据。它既有横截面的维度(n个个体),又有时间维度(T个时期)。是同时在时间和截面上取得的二维数据,又称时间序列与截面混合数据(polled timeseries and cross section data)。
    一个T=3的面板数据结构如下所示在这里插入图片描述

    二、面板数据的分类

    面板数据类型通常分为三类,分别为:

    a.短面板数据与长面板数据
    b.动态面板数据和静态面板数据
    c.平衡面板和非平衡面板

    (1)短面板数据与长面板数据

    当截面数n大于T时,即为短面板数据;
    当截面数n小于T时,即为长面板数据.

    (2)动态面板数据和静态面板数据

    如果解释变量包含别解释变量的滞后值,则为动态面板数据,反之则为静态面板。

    (3)平衡面板和非平衡面板

    当每个个体在相同的时间内都有观察值记录,即为平衡面板,反之则为非平衡面板。

    三、面板数据的优缺点

    1、面板数据的优点

    (1)可以处理由不可观察的个体异质性所导致的内生性问题。
    (2)提供更多个体动态行为的信息。
    (3)样本量较大,可以提高估计的精确度。

    2、面板数据的不足之处

    (1)大多数面板数据分析技术都针对的是短面板。
    (2)寻找面板数据结构工具变量不是很容易。

    四、面板数据模型

    面板数据模型分为非观测效应模型混合回归模型两类
    存在不可观测的个体效应模型即为非观测效应模型,反之则为混合回归模型。

    (1)非观测效应模型

    a.固定效应模型
    b.随机效应模型
    Y i t = β x i t + α i + ε i t i = 1 , ⋯   , n ; t = 1 , ⋯   , T \begin{array}{l} {Y_{it}} = \beta {x_{it}} + {\alpha _i} + {\varepsilon _{it}}\\ i = 1, \cdots ,n;t = 1, \cdots ,T \end{array} Yit=βxit+αi+εiti=1,,n;t=1,,T
    其中, α i \alpha _i αi是不可观测的个体效应。
    如果 α i \alpha _i αi与某个解释变量相关,就是固定效应模型;
    如果 α i \alpha _i αi与所有解释变量不相关,则为随机效应模型。

    固定效应模型又分为:单向固定效应模型双向固定效应模型
    单向固定效应模型: 只考虑个体效应不考虑时间效应;
    双向固定效应模型: 同时考虑个体效应和时间效应,即
    y i t = β x i t + λ t + α i + ε i t {y_{it}} = \beta {x_{it}} + {\lambda _t} + {\alpha _i} + {\varepsilon _{it}} yit=βxit+λt+αi+εit
    (2)混合回归模型

    如果 α i \alpha _i αi=0,即不存在个体效应,则为混合回归模型,即
    Y i t = β x i t + ε i t i = 1 , ⋯   , n ; t = 1 , ⋯   , T \begin{array}{l} {Y_{it}} = \beta {x_{it}} + {\varepsilon _{it}}\\ i = 1, \cdots ,n;t = 1, \cdots ,T \end{array} Yit=βxit+εiti=1,,n;t=1,,T

    五、面板数据模型的估计

    1、固定效应模型的估计

    对固定效应模型的估计有两种方法:
    固定效应变换(组内变换)LSDV(最小二乘虚拟变量法)

    a.固定效应变换(组内变换)

    在这里插入图片描述
    在这里插入图片描述
    固定效应变换的优缺点

    优点: 即使个体效应与解释变量相关也可以得到一致估计;

    缺点: 无法估计不随时间而变的变量的影响。

    #对固定效应变换无法估计不随时间而变的变量的影响的解决

    在这里插入图片描述
    固定效应模型的Stata的实现命令为:xtreg y x, fe
    引入时间效应的双向固定效应的Stata的实现命令为:xi: xtreg y x i.year, fe

    数据来自慕课浙江大学方红生教授的面板数据分析与Stata应用课程(xtreg y x, fe)
    数据来自慕课浙江大学方红生教授的面板数据分析与Stata应用课程(xi: xtreg y x i.year, fe)
    == b.LSDV(最小二乘虚拟变量法)==
    LSDV的基本思想
    在这里插入图片描述
    LSDV的Stata的实现命令为:
    不存在时间效应:reg y x i.code
    存在时间效应:xi: reg y x i.code i.year
    数据来自慕课浙江大学方红生教授的面板数据分析与Stata应用课程(reg y x i.code)
    数据来自慕课浙江大学方红生教授的面板数据分析与Stata应用课程(xi: reg y x i.code i.year)

    2、随机效应模型

    对随机效应模型的估计方法是广义最小二乘法
    在这里插入图片描述
    随机效应模型估计的Stata命令

    不存在时间效应:xtreg y x ,re
    存在时间效应:xi: reg y x i.year,re

    短面板数据估计的同时,还需要考虑三大问题

    即,误差项的异方差误差项的自相关截面相关问题
    在这里插入图片描述

    • 通过在命令中加入选项“robust”可以获得White稳健标准误,可以解决异方差的问题。
    • 在命令中加入选项“cluster”可以获得Rogers标准误或聚类稳健的标准误,可以同时解决异方差和自相关两大问题。
    • 使用命令xtscc可以同时解决三大问题,提供Driscoll-Kraay标准误。
    展开全文
  • stata进行无交互效应模型选择—混合模型,个体效应固定,时间效应固定,双向固定和随机效应第一步,导入.dta数据,设置region和year;第二步,进行混合回归;第三步,进行个体固定效应回归;第四步,进行时间固定效应...
  • 在金融经济学研究中,固定效应的应用非常普遍,但是仍有许多研究者对固定效应的理解有限。deHaan (2021) 主要解释了以下问题: 固定效应如何消除遗漏变量偏误和影响标准误差; 固定效应回归中常见
  •  作者:连玉君 | 杨柳 ( 知乎 | 简书 | 码云 )   注:该文已发表在《郑州航空工业管理学院学报》, 2018, Vol.... ……Stata 现场培训报名中……   事倍功半 vs. 事半功倍 当...
  • 3.1 估计双重差分的固定效应模型(DID) 3.2 估计多维固定效应的线性模型(复制一篇 AER 论文) 4.结语 文献来源 实证分析中,我们经常需要控制各个维度的个体效应,以便尽可能减轻遗漏变量导致的偏误。在最...
  • 固定效应模型

    千次阅读 2021-09-16 15:56:48
    (这里的主要原因是:若个体固定效应模型是采用Within回归(xtreg , fe),它会将不随时点变化的量都减去了,所以,如果模型中不随时点变化的虚拟变量(包括个体固定效应项)的属个数如果大于N(无截距项情形;...
  • Stata: 空间面板数据模型Stata实现

    万次阅读 多人点赞 2019-05-10 10:37:56
      作者:游万海 (福州大学) Stata 连享会: 知乎 | 简书 | 码云 | CSDN ...在 「 Stata: 面板数据模型-一文读懂」 文中,我们已对面板数据模型进行了介绍。 然而,当研究样本涉及到多个...
  • 一、问题 最近有人问我怎么 Eviews 做回归总是奇异矩阵,一般都是变量问题,毕竟 Eviews 处理面板数据很无力,我就推荐他用 stata ,结果 stata 也不行。...若个体固定效应模型是采用Within回归(xtreg , fe),...
  • 目录 1. 交互固定效应简介 ... 交互固定效应模型Stata 实现 3.1 regife 命令 3. Stata 操作实例 4. 交互固定效应在文献中的应用 4.1 问题背景 4.2 识别策略和模型设定 4.3 估计结果 5. 相
  • 目录 1. 背景 2.... 2.1 变量的筛选 2.2 OCMT 的过程 ... 3.1 ocmt 命令 3.2 实际操作 4. 结语 5. 参考文献 6. 相关推文 全文阅读:https://www.lianxh.cn/news/5da27bc44470a.html ...
  • 在本文中,我们将用R语言对数据进行线性混合效应模型的拟合,然后可视化你的结果。 线性混合效应模型是在有随机效应时使用的,随机效应发生在对随机抽样的单位进行多次测量时。来自同一自然组的测量结果本身并不是...
  • 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命令对比汇总Stata:你不可不知的25个导入导出数据命令汇总(一)一文读懂stata模型汇总入门命令及108个常用命令 *======================================== * 高级计量经济学及stata应用 *==...
  • stata进行空间计量分析

    万次阅读 多人点赞 2018-12-30 20:25:51
    stata进行空间计量分析第一步,打开是stata14,安装xsmle(本文使用的是面板数据);第二步,打开要分析的文件;首先,单击file—import—选择导入的文件形式(本文导入的是.xls)然后,点击Browse,找到所需要的文件,...
  • 这期推送将比较时间固定效应和时间趋势项的区别,并使用两种方法对模型中可能存在的trend进行识别。 Note:Note:Note: 1、该文首发于微信公众号DMETP,欢迎关注;2、需要本次推送所使用的数据和代码的朋友,可以在...
  • Stata做空间杜宾模型、莫兰指数等操作

    万次阅读 多人点赞 2019-03-21 17:07:06
    以下内容完全由本人在实际操作中搜集整理总结得到,很细致的介绍:从如何在stata中导入数据,怎么定义面板数据,再到如何做局部和全局空间相关性检验(莫兰指数)和空间杜宾模型等。 1、导入面板数据 在excel中...
  • 若p值小于0.05 选择固定效应模型,运用LSDV估计法。 面板模型估计FGLS 1、导入数据,对面板数据进行Hausman检验 这部分内容具体可参考本人的另一篇文章,就不在多做描述...
  • 全文阅读:https://www.lianxh.cn/news/c09d27b7de414.html Correia S , Guimarães, Paulo, Zylkin T . ppmlhdfe: Fast Poisson Estimation with High-Dimensional Fixed Effects[J]. Thomas Zylkin,2019.... ......
  • Heckman两步法 | 样本选择模型 & 处理效应模型

    千次阅读 多人点赞 2021-08-07 19:24:13
    这期推送简单介绍一下样本选择模型和处理效应模型,其中样本选择模型是一般意义上的Heckman两步法,后者则借鉴了Heckman两步法的构建思想,但又不完全等同于前者。模型介绍之后,将利用help文件中的示例数据与代码...
  • 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
    方差分析主要有三种模型:即固定效应模型(fixed effects model),随机效应模型(random effects model),混合效应模型(mixed effects model)。 所谓的固定、随机、混合,主要是针对分组变量而言的。 固定效应...
  • 目录 1. 引言 2.... 2.1 IRLS 算法 2.2 泊松回归 ... 3. ppmlhdfe 命令 3.1 命令安装: ... 4. Stata Stata 范例 ... 4.3 范例 3:贸易引力模型 4.4 范例 4:结果输出及展示 5. 参考文献 6. 相关推文
  • 最近在修改一篇working paper发现,用reghdfe做回归的时,在相同的基准模型中添加不同的交互固定效应模型的观测值数量不同。由于担心审稿人的质疑,进一步讨论了这一问题。 后来也与学校内其他老师交流,发现也...
  • 目录描述统计量help tabstat //Stata 官方命令描述统计量组间均值差异检验help ttest help ttable2help estout 相关分析命令help pwcorrhelp pwcorr_a回归相关分析命令help esttabhelp outreg2helplogoutstata命令...
  • Stata常用命令示例

    2021-08-22 10:04:38
    目录 stata自带示例数据集 1.数据描述 2. 标签重命名 3.截面数据统计 4.面板数据定义 5.面板数据统计 6....固定效应 22.双重差分 21.倾向性匹配 22.断点回归 23.logit 24.OLS 。。。。。。。。待完成
  • 例如,多级模型本身可以称为分级线性模型,随机效应模型,多级模型,随机截距模型,随机斜率模型或汇集模型。根据学科,使用的软件和学术文献,许多这些术语可能指的是相同的一般建模策略。 读入数据 多级模型...

空空如也

空空如也

1 2 3 4 5 ... 9
收藏数 179
精华内容 71
关键字:

固定效应模型stata命令