内容发布更新时间 : 2025/2/16 0:31:48星期一 下面是文章的全部内容请认真阅读。

精品文档

STATA 面板数据模型估计命令一览表

一、静态面板数据的STATA处理命令

y???xitiit???it 固定效应模型

y?xitit???it

itit?????it 随机效应模型

（一）数据处理

输入数据

●tsset code year 该命令是将数据定义为“面板”形式 ●xtdes 该命令是了解面板数据结构

●summarize sq cpi unem g se5 ln 各变量的描述性统计（统计分析）

●gen lag_y=L.y /////// 产生一个滞后一期的新变量

精品文档

精品文档

gen F_y=F.y /////// 产生一个超前项的新变量 gen D_y=D.y /////// 产生一个一阶差分的新变量 gen D2_y=D2.y /////// 产生一个二阶差分的新变量

（二）模型的筛选和检验

●1、检验个体效应（混合效应还是固定效应）（原假设：使用OLS混合模型） ●xtreg sq cpi unem g se5 ln,fe

对于固定效应模型而言，回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000，检验结果表明固定效应模型优于混合OLS模型。

●2、检验时间效应（混合效应还是随机效应）（检验方法：LM统计量） （原假设：使用OLS混合模型）

●qui xtreg sq cpi unem g se5 ln,re (加上“qui”之后第一幅图将不会呈现) xttest0

精品文档

精品文档

可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。可见，随机效应模型也优于混合OLS模型。

●3、检验固定效应模型or随机效应模型 （检验方法：Hausman检验） 原假设：使用随机效应模型（个体效应与解释变量无关）

通过上面分析，可以发现当模型加入了个体效应的时候，将显著优于截距项为常数假设条件下的混合OLS模型。但是无法明确区分FE or RE的优劣，这需要进行接下来的检验，如下：

Step1：估计固定效应模型，存储估计结果 Step2：估计随机效应模型，存储估计结果 Step3：进行Hausman检验

●qui xtreg sq cpi unem g se5 ln,fe est store fe

qui xtreg sq cpi unem g se5 ln,re est store re

hausman fe (或者更优的是hausman fe,sigmamore/ sigmaless)

可以看出，hausman检验的P值为0.0000，拒绝了原假设，认为随机效应模型的基本假设得不到满足。此时，需要采用工具变量法和是使用固定效应模型。

精品文档

精品文档

（三）静态面板数据模型估计

●1、固定效应模型估计

●xtreg sq cpi unem g se5 ln,fe (如下图所示)

其中选项fe表明我们采用的是固定效应模型，表头部分的前两行呈现了模型的估计方法、界面变量的名称（id）、以及估计中使用的样本数目和个体的数目。第3行到第5行列示了模型的拟合优度、分为组内、组间和样本总体三个层面，通常情况下，关注的是组内（within），第6行和第7行分别列示了针对模型中所有非常数变量执行联合检验得到的F统计量和相应的P值，可以看出，参数整体上相当显著。

需要注意的是，表中最后一行列示了检验固定效应是否显著的F统计量和相应的P值。显然，本例中固定效应非常显著。 ●2、随机效应模型估计

若假设本例的样本是从一个很大的母体中随机抽取的，且不相关，则我们可以将更为合适。

●xtreg sq cpi unem g se5 ln,re (如下图所示)

i?与解释变量均

i?视为随机干扰项的一部分。此时，设定随机效应模型

精品文档

精品文档

●3、时间固定效应（以上分析主要针对的是个体效应）

如果希望进一步在上述模型中加入时间效应，可以采用时间虚拟变量来实现。首先，我们需要定义一下T-1个时间虚拟变量。

●tab year ,gen(dumt) (tab命令用于列示变量year的组类别，选项gen（dumt）用于生产一个以dumt开头的年度虚拟变量) drop dumt1 （作用在于去掉第一个虚拟变量以避免完全共线性）

若在固定效应模型中加入时间虚拟变量，则估计模型的命令为： ●xtreg sq cpi unem g se5 ln dumt*,fe

精品文档