『壹』 xtabond2和xtdpdsys的區別
help xtabond2 你這個是動態面板數據的回歸分析啦 難度很高的
『貳』 如何用xtabond2命令進行系統GMM估計，請請我
[面板數據求助] 如何用xtabond2命令進行系統GMM估計,請請我 [推廣有獎] ywh...請注意,這命令是在一行的,因為回帖放不在一行,才自動隔開的。
『叄』 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)
『肆』 數據分析有人會用stata做GMM分析的嗎也就是差分和系統廣義矩，用xtabond2命令的那個，求高人指導。
help xtabond2
你這個是動態面板數據的回歸分析啦
難度很高的
『伍』 請教stata處理動態面板數據問題
* GMM-type 是針對內生變數或先決變數而言的工具變數，有多列
* Standard 是針對外生變數而言的工具變數，只有一列
*- 過度識別檢驗（工具變數的使用是否合理）
*
estat sargan
*
* 說明：
* H0: overidentifying restrictions are valid
* 這里，我們拒絕了原假設，但AB91指出，當干擾項存在異方差時，
* Sargan檢驗傾向於過度拒絕原假設，因此此處得到的結論並不可信。
* 採用兩階段估計，然後再執行Sargan檢驗較為穩妥：
*
xtabond n L(0/1).w L(0/2).(k ys) yr1980-yr1984,twostep
estat sargan
*
* 說明：不過，AB91發現，
* 若存在異方差，在兩階段估計後執行Sargan檢驗往往傾向於
* Underreject問題，即過度接受原假設。
* 通常而言，這很可能是我們的模型設定不當，或是工具變數的選擇不合理。
* 隨後，我們會採用-xtdpd-命令，將干擾項設定為 MA(1) 過程，
* 此時，執行Sargan檢驗不再拒絕原假設。
* - 干擾項序列相關檢驗
*
* AB91 一階差分估計量要求原始模型的干擾項不存在序列相關，
* 顯然，差分後的干擾項必然存在一階序列相關，
* 因此，我們需要檢驗差分方程的殘差是否存在二階(或更高階)序列相關即可
*
* 默認，二階序列相關檢驗
xtabond n L(0/1).w L(0/2).(k ys) yr1980-yr1984,vce(robust)
estat abond
* 說明：若存在二階相關，則意味著選取的工具變數不合理
* 高階序列相關檢驗
xtabond n L(0/1).w L(0/2).(k ys) yr1980-yr1984,vce(robust) artest(3)
estat abond
本文來自: 人大經濟論壇 Stata專版 版，詳細出處參考： http://bbs.pinggu.org/forum.php?mod=viewthread&tid=406607&page=1
『陸』 xtabond2怎麼樣把變數調顯著
我記得後面可以加一個命令是meta~你試試加加~但是我忘記了作用是什麼~
『柒』 如何用xtabond2命令進行系統GMM估計，請請我
主要是做動態面板數據的兩個重要檢驗。Sargan用來檢驗在廣義矩估計（gmm）中是否存在過度限制約束問題，Arellano-Bond 用來檢驗誤差項是否存在序列相關問題，如果存在L階序列相關，則差分方程的工具變數必須選取滯後L+1。