发布时间 : 星期六 文章stata学习笔记更新完毕开始阅读
alpha=0的原假设，也因此应使用负二项回归。
短面板
面板数据指的是一段时间内跟踪同一组个体数据，它既有横截面的维度又有时间维度。其中，如果每个时期在样本中的个体完全一样，则称为平衡面板数据，反之为非平衡面板数据。 固定效应还是随机效应：当不存在异方差的时候，使用hausman检验，如果假设成立，则
使用随机效应，如果拒绝假设，则使用固定效应。
而当存在异方差时候，使用辅助回归然后聚类稳健标准误来检验，
如果接受假设，则使用随机效应模型。
短面板的stata命令及实例：
Xtset panelvar timevar（xt说明数据为面板数据，panelvar取值必须为整数且不重复，相当于
进行编号，timevar为时间变量，假如panelvar为字串符，如国家，则使用encode country，gen（cntry））
Xtdes 显示面板的结构，是否为平衡面板 Xtsum 显示组内，组间与整体的统计指标
Xttab varname 显示组内，组间与整体的分布频率，tab指的是tabulate 交通死亡率：首先设定state与year为面板变量及时间变量。
上图显示这是一个平衡的面板数据（每个时期在样本中的个体完全一样)，然后显示数据集
的结构:
n=48，T=7，n大而T小，说明这是一个短面板，然后作为参照系，首先进行混合回归： reg y x1 x2 x3，vce（cluster id）其中id用来确定每个个体的变量，vce（cluster state）表示
使用以state为聚类变量的聚类稳健标准误
由于每个州的情况不一样，可能存在不随时间变化的遗漏变量，故考虑使用固定效应： Xtreg y x1 x2 x3，fe r
LSDV法的stata命令为：reg y x1 x2 x3 i.id，r
其中r为使用聚类稳健标准误，vce（cluster id）也能达到这种效果，id表示用来确定个体的
变量，i.id表示根据变量id而生成的虚拟变量。
首先使用组内估计量：
在选择随机还是固定时：使用hausman检验：xtreg y x1 x2 x3，fe（固定效应估计）
Estimates store fe（存贮）
Xtreg y x1 x2 x3，re（随机效应估计） Estimates store re（存储） Hausman fe re，constant sigmamore（豪斯曼检验）
长面板与动态面板
在长面板中，T可能会比较大，因此可能存在组间异方差，组内自相关或组间同期相关的问题，主要有两种处理方式：1、使用OLS即LSDV来估计系数，只对标准误差进行矫正（即面板矫正误差）；3、对异方差或自相关的具体形式进行假设，然后使用可行广义最小二乘法FGLS进行估计。
1、 矫正标准误差
即使扰动项存在组间异方差或组间同期相关等，LSDV也依然有效，此时，只要使用组间异方差、组间同期方差稳健的标准误差即可，即面板校正标准误差PCSE： Xtpvse y x1 x2 x3,hetonly，其中hetonly表示存在组间异方差，但不存在组间同期相关；
举例：inc为被解释变量，由于n=10，T=30，因此是一个长面板。为了考虑时间效应，生成时间趋势变量t，然后用LSDV法估计双向固定效应模型（作为对比先不考虑异方差等）
下图可以看出有些州虚拟变量显著，即存在固定效应，而时间效应则不太显著，p值为0.19.然后下表未考虑组间异方差等，因此使用面板校正标准误进行估计（下下图）
命令xtpcse与命令reg的估计系数完全一样，只是标准误不同。 2、 仅解决组内自相关的FGLS：xtpcse y x1 x2，corr（ar1）。无论是使用prais-winsten
还是OLS方法都在组间异方差与组间同期相关的情况下成立。
继续使用以上数据，考虑组内自相关的情形，但要求各组的自回归系数相同 3、 组间异方差的检验：如果拒绝假设，则存在组间异方差。
Ssc install xttest3（下载安装命令） Quietly xtreg lnc lnp i.state t，r fe xttest3
Quietly xtgls lnc lnp i.state t Xttest3
4、 组内自相关检验：如果拒绝假设，则存在组内自相关
Net install st0039
Xtserial y x1 x2 x3,output
5、 组间同期相关的检验：如果拒绝假设，即存在组间同期相关。
Ssc install xtest2
Quietly xreg inc inp inpmin iny t,fe Xttest2