stata学习笔记 下载本文

非线性面板

对于面板数据,如果被解释变量为虚拟变量、计数变量、受限变量等,则为非线性面板。 1、 如果被解释变量为虚拟变量,则称为面板二值选择模型。一般采用混合、固定或随机效

应模型。

混合回归:如果不存在个体效应,则使用混合回归 Probit y x1 x2 x3,vce(cluster id) 混合probit回归

Logit y x1 x2 x3,vce(cluster id) 混合logit回归 其中Id为确定面板单位的变量 随即效应模型: Xtprobit x1 x2 x3, Xtlogit y x1 x2 x3,再次输出结果中,包含了对原假设的LR检验结果,如拒绝则使用随机,

接受则使用混合

固定效应模型:xtlogit y x1 x2 x3,fe

Stata实例:被解释变量为是否起义uprising,由于面板probit无固定效应模型,因此使

用面板logit模型。

首先进行固定效应面板logit估计:

如下图所示,第二行有一个朝代未发生企业,因此在估计固定效应时应被去掉。

然后进行混合回归logit模型,为保持与固定效应样本一样,在混合回归中也去掉了dyn=2

的朝代:

为了在固定和混合进行选择,使用豪斯曼检验,但豪斯曼不允许在混合回归使用选择项

vce(cluester dyn),因此重新进行混合回归:

quietly logit uprising age pop temp sfamine sfamine1 sfamine2 sfamine3 relief relief1 relief2

relief3 if dyn~=2, nolog(不显示结果)

结果拒绝假设,因此使用固定效应模型。(pooled表示将回归放在一起做)

然后下面进行随机效应logit估计

从上表最后一行的值LR检验拒绝假设,因此应使用面板随机效应模型,不宜进行混合回

归。

最后,为了在固定效应与随机效应模型之间进行选择,再次进行豪斯曼检验:

结果拒绝假设,因此应使用固定效应模型。

2、 面板泊松回归:被解释变量为计数变量时,非负整数。

其中,混合泊松回归:poisson y x1 x2 x3,vce(cluster id)irr(irr为回报发生率比) 面板泊松回归:xtpoisson y x1 x2 x3,fe normal irr(自由选择fe和re)

面板负二项回归:泊松回归的缺陷是如果方差与期望之间差距过大即存在过度分散,既可以采用负二项回归。

混合负二项回归:nbreg y x1 x2 x3,vce(cluster id)

面板负二项回归:xtnbreg y x1 x2 x3,fe irr(自由选择fe和re) Stata实例:被解释变量mdu为个体看医生的次数。

面板变量为id,时间跨度为5年,为非平衡面板。 然后进行混合泊松回归,并使用聚类稳健标准误