最新Stata面板数据的统计分析.docx

Stata
面板数据的统
计分析
公司1
公司2
公司100
亘厶怎
因素1
因素6
盈余管理程度
因素1
•
•
因素6
理程度
因素1
名称不要使用中文名称或者字母等，用数字代替。定义好变量之后可以输入数据了。数据可以直接导入（Fiximport），也可以手工录入或者复制粘贴（DataDataEdit（Browse））,手工录入数据和在excel中的操作一样。
以上面说的为例，定义变量year、companyfactorlfactor2、factor3factor4、factor5
ssss
factoi*6DA
sO
变量company和year分别为截面变量和时间变量。显然，通过这两个变量我们可以非常清楚地确定paneldata的数据存储格式。因此在使用STATA估计模型之前，我们必须告诉它截面变量和时间变量分别是什么，所用的命令为
tsset，命令为：tssetcompanyyear
输出窗口蒋拓出相应结果。
由于面板数据本身兼具截面数据和时间序列二者的特性，所以对时间序列进行操作的运算同样可以应用到面板数据身上。这一点在处理某些数据时显得非常方便。女丄对于上述数据，,也就是factorl的一阶滞后，那么我们可以采用如下命令：genLag_factor1=：
Genfiscal（D）=
统计描述：
在正式进行模型的估计之前，我们必须对样本的基本分布特性有一个总体的了解。对于面板数据而言，我们至少要知道我们的数据中有多少个截面（个体），每个截面上有多少个观察期间，整个数据结构是平行的还是非平行的。进一步地，我们还要知道主要变量的样本均值、标准差、最大值、最小值等情况。这些都可以通过以下三个命令来完成：xtdes命令用于初步了解数据的大体分布状况，我们可以知道数据中含有多少个截面，最大和最小的时间跨度是多少。在某些要求使用平行面板数据的情况下，我们可以采用该命令来诊断处理后的数据是否为平行数据。Xtsum用来查询对组内、组间、整体计算各个变量的基本统计量（如均值、方差等）。为了方便，以下的举例都只用factorl,factor2两个自变量。
xtdesDAfactorlfacto2
xtsumDAfactorlfacto2
模型回归。
常用的处理面板数据的模型有混合OLS模型、固定效应模型、随机效应模型。各个模型的区别请上网查查。下面说说各个模型的命令：
混合OLS模型输入命令:
regressDAfactorlfacto2xtregDAfactorlfactor，fe随机效应模型输入命令：xtregDAfactorlfactor,re模型的选择及检验
固定效应模型要检验个体效应的显著性，这可以通过固定效应模型回归结果的最后一行的F统计量看出，F越大越好，可以得出固定效应模型优于混合OLS模型的结论。：xttestO
如果检验得到的P值为0则随机效应显著，随机效应模型也优于固定效应模型。至于固定效应模型与随机效应模型选哪一个，则要通过hausman检验来得出。
Hausman检