stata固定效應模型命令

① 如何用固定效應模型進行檢驗有沒有大神可以幫忙

如果是用stata，可以用xtreg y x1 x2 x3……，fe r命令，也可以用reg y x1 x2 x3…… i.year i.instry，r命令。

② 固定效應模型stata命令是什麼

應為在stata中，i.year

這種生成變數的方式只對與單一變數有效，而且在回歸方程之中不能夠有運算符號。

可以試一下使用stata自帶的自動生成交叉變數的命令，interaction

expansion，或者是使用

data

>

create

or

change

data

>

other

variable...

統計功能

Stata的統計功能很強，除了傳統的統計分析方法外，還收集了近20年發展起來的新方法，如Cox比例風險回歸，指數與Weibull回歸，多類結果與有序結果的logistic回歸，Poisson回歸，負二項回歸及廣義負二項回歸，隨機效應模型等。

數值變數資料的一般分析：參數估計，t檢驗，單因素和多因素的方差分析，協方差分析，交互效應模型，平衡和非平衡設計，嵌套設計，隨機效應，多個均數的兩兩比較，缺項數據的處理，方差齊性檢驗，正態性檢驗，變數變換等。

以上內容參考：網路-stata

③ stata面板數據vif檢驗的命令

首先，用xtset米；命令設置面板數據。
再用xtreg命令進行固定效應面板數據回歸，後加f選項。得到結果後，用vif命令檢驗方差膨脹因子。
在做回歸分析時發現一個問題，因變數y有缺失值，如果不用dropy==.命令，回歸後vif檢驗小於10，如果採用dropy==.命令，回歸後vif檢驗值一下子蹦到了27，在這兩種處理方式的回歸中
最後樣本數是相同的，回歸系數、顯著性也相同，為啥就是vif檢驗值差異這么大？一定要用drop命令嗎？求高手解惑！

④ stata裡面什麼命令可以對面板數據按時間求均值

首先對面板數據進行聲明：

前面是截面單元，後面是時間標識：

tsset company year

tsset instry year

產生新的變數：gennewvar=human*lnrd

產生滯後變數Genfiscal(2)=L2.fiscal

產生差分變數Genfiscal(D)=D.fiscal

一、描述性統計

xtdes ：對Panel Data截面個數、時間跨度的整體描述

Xtsum：分組內、組間和樣本整體計算各個變數的基本統計量

xttab 採用列表的方式顯示某個變數的分布

二、主要命令和方法

Stata中用於估計面板模型的主要命令：xtreg

xtreg depvar [varlist] [if exp] , model_type [level(#) ]

Model type 模型

be Between-effects estimator

fe Fixed-effects estimator

re GLSRandom-effects estimator

pa GEEpopulation-averaged estimator

mle Maximum-likelihood Random-effectsestimator

主要估計方法：

xtreg： Fixed-, between- and random-effects, and population-averaged linear models

xtregar：Fixed- andrandom-effects linear models with an AR(1) disturbance

xtpcse ：OLS orPrais-Winsten models with panel-corrected standard errors

xtrchh ：Hildreth-Houckrandom coefficients models

xtivreg ：Instrumentalvariables and two-stage least squares for panel-data models

xtabond：Arellano-Bond linear, dynamic panel data estimator

xttobit ：Random-effectstobit models

xtlogit ：Fixed-effects,random-effects, population-averaged logit models

xtprobit ：Random-effects andpopulation-averaged probit models

xtfrontier ：Stochastic frontiermodels for panel-data

xtrc gdp invest culture e sci health social admin,beta

三、xtreg命令的應用

聲明面板數據類型：

*1、面板聲明

use FDI.dtar, clear

xtset id year

1.固定效應模型估計：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

2.隨機效應模型估計：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

3. 最大似然估計Ml：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,mle

Hausman檢驗究竟選擇固定效應模型還是隨機效應模型：

第一步：估計固定效應模型，存儲結果

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

est store fe

第二步：估計隨機效應模型，存儲結果

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

est store re

第三步：進行hausman檢驗

hausman fe re

對於固定效應模型的異方差檢驗和序列相關檢驗：

xtserial xtreg lngdp lnfdi lnie lnex lnim lnci lngp

異方差檢驗：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

xttest3 (Modified Wald statistic for groupwise heteroskedasticity in fixedeffect model)

隨機效應模型的序列相關檢驗：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

xttest1

xttest1用於檢驗隨機效應(單尾和雙尾) 、一階序列相關以及兩者的聯合顯著

檢驗結果表明存在隨機效應和序列相關，而且對隨機效應和序列相關的聯合檢驗也非常顯著

可以使用廣義線性模型xtgls對異方差和序列相關進行修正：

xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(hetero)，修正異方差

xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(correlated)，修正依橫截面而變化的異方差

xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(hetero) corr(ar1)，修正異方差和一階序列相關ar(1)

⑤ 面板模型引入固定時間效應stata怎麼操作

短面板處理面板數據是指既有截面數據又有時間序列的數據，因此其存在截面數據沒有的優勢，在用stata進行面板數據的估計時，一般選擇xtreg命令進行擬合。本節主要論述短面板的stata實現，即時間維度T相對於截面數n較小的數據。在那種情況下，由於T較小，每個個體的信息較少，故無從討論擾動項是否存在自相關，我們一般假設其獨立同分布。面板數據維度的確定在面板數據進行模型估計前，要進行面板數據的維度確定。由於面板數據既有截面數據又有時間序列，而stata不能自動識別，因此，必須使得stata得知哪一部分是截面數據，而哪一部分是時間序列。設置面板數據維度的基本命令為：xtsetpanelvartimvar[,tsoptions]其中panelvar代表截面數據變數，timvar代表時間序列變數。選取某一面板數據進行維度設定：xtsetfcodeyear

stata中處理面板數據如何選擇模型

方法的選擇一般基於因變數類型。對面板數據而言，當因變數為連續變數時，可在混合ols回歸、固定效應模型和隨機效應模型間選擇，有相應的檢驗統計量；當因變數為類別變數時，有面板logit模型，又可分為二分類，無序多分類和有序多分類面板logit。

先用xtset設定面板數據然後用xtreg，fe操作就可以做面板數據固定效應啦面板數據回歸分析我很熟悉的

面板數據之固定效應模型 當您只對分析的影響感興趣時，使用固定效果(FE)隨時間變化的變數。 FE探討預測因子和結果變數之間的關系(國家、個人、公司等)，每個實體都有自己的特點是否會影響預測變數(例如，是男性還是女性?能夠影響對某一問題的看法;或者一個特定的政治體系國家可以對貿易或GDP產生一些影響;或公司的商業慣例可能影響其股價)。

當使用FE時，我們假設個人內部的某些東西可能會影響預測或結果變數，我們需要控制這些。這就是背後的基本原理：實體誤差項與預測變數之間的相關性假設。FE模型去掉這些時不變特性的影響，這樣我們就可以評估結果變數上的預測因子。 FE模型的另一個重要假設是這些time-invariant特徵是獨一無二的個體，不應該與其他個體相關特徵。每個實體是不同的，因此實體的誤差項和常數(捕捉個體特徵)不應該與其他特徵相關聯。如果誤差項是相關的，那麼FE是不合適的，因為推論可能是不正確的，你需要建立這種關系的模型(可能使用隨機效應)，需要使用豪斯曼檢驗，

⑥ stata中用固定效應模型回歸有虛擬變數時為什麼就omitted了

stata中用固定效應模型回歸有虛擬變數時為什麼就omitted了？
不要使用 xtreg 命令做 FE 回歸，因為它會自動忽略 mmies.

推薦的做法是，手動生成兩個 mmies. 然後，用這兩個 mmies 各自乘以 size 得到兩個 interaction terms.

最後，把這兩個 mmies，兩個 interaction terms，以及 size 放到 reg 命令中回歸。

Life is so easy then.

如果加地區虛擬變數是為了控制隨地區變化的因素，那麼被omitted了完全沒關系，地區虛擬變數能控制的因素已經被固定效應控制了。因為它也是個隨時間不變的因素，而所有這樣的因素都會被固定效應控制。

但如果你關心虛擬變數本身的系數，那你就不能用固定效應模型。一個合適的選擇是用隨機效應，但隨機效應的假設更嚴格，你需要用hausman檢驗對比它跟固定效應的結果是否存在顯著差異，如果存在，那麼你就需要在隨機效應里添加更多隨時間不變的因素。

加交互項還是跟原來一樣，需要添加兩個虛擬變數各自的交互項。加交互項後原來的虛擬變數一般都是依然需要添加的，不過如果是固定效應模型的話，加不加就無所謂了，反正會omitted

參見 zhuyuhao.com/doc/posts/ 16和17頁。

⑦ 固定效應模型命令fe後要加r嗎

不用加。
xtreg,fe是固定效應模型的官方命令，使用這一命令估計出來的系數是最為純正的固定效應估計量（組內估計量）。
xtreg對數據格式有嚴格要求，要求必須是面板數據。在使用xtreg命令之前，我們首先需要使用xtset命令進行面板數據聲明，定義截面（個體）維度和時間維度。
一旦在xtreg命令後加上選項fe，那就表示使用固定效應組內估計方法進行估計，並且默認個體固定效應定義在xtset所設定的截面維度上。至於時間固定效應，需要引入虛擬變數i.year來表示不同的時間。
固定效應模型是指實驗結果只想比較每一自變項之特定類目或類別間的差異及其與其他自變項之特定類目或類別間交互作用效果，而不想依此推論到同一自變項未包含在內的其他類目或類別的實驗設計。
對於面板數據有多種估計方法，包括混合OLS、固定效應（FE）、隨機效應（RE）和最小二乘虛擬變數（LSDV）等等。不過，最為常用的估計方法那自然還是固定效應（組內估計），固定效應模型的Stata官方命令是xtreg，但它有時候其實並沒有那麼好用（如對數據格式有要求，運行速度慢等），我們經常使用的固定效應估計命令還有reg、areg和reghdfe。

⑧ 固定效應模型p值小於多少

小於0.05
假設因變數是yy，自變數是aa、bb、cc，豪斯曼檢驗的命令這么寫：quixtregyyaabbcc,fe（qui就是quietly，讓stata只運算但是不要輸出fe的結果）eststorefe（儲存fe的結果）quixtregyyaabbcc,reeststorerehausmanfe然後stata就會算出來一個chi2值，然後給出一個Prob＞Chi2=?的結果（不知道為什麼有時候要等半分鍾才出來），如果這個P值小於0.05，就用固定效應模型，如果P指比較大，就用隨機效應模型。我之前做的結果都用了固定效應模型，隨機效應模型的不會。希望對你有幫助。