stata固定效应模型命令

① 如何用固定效应模型进行检验有没有大神可以帮忙

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 固定效应模型stata命令是什么

应为在stata中，i.year

这种生成变量的方式只对与单一变量有效，而且在回归方程之中不能够有运算符号。

可以试一下使用stata自带的自动生成交叉变量的命令，interaction

expansion，或者是使用

data

>

create

or

change

data

>

other

variable...

统计功能

Stata的统计功能很强，除了传统的统计分析方法外，还收集了近20年发展起来的新方法，如Cox比例风险回归，指数与Weibull回归，多类结果与有序结果的logistic回归，Poisson回归，负二项回归及广义负二项回归，随机效应模型等。

数值变量资料的一般分析：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换等。

以上内容参考：网络-stata

③ stata面板数据vif检验的命令

首先，用xtset米；命令设置面板数据。
再用xtreg命令进行固定效应面板数据回归，后加f选项。得到结果后，用vif命令检验方差膨胀因子。
在做回归分析时发现一个问题，因变量y有缺失值，如果不用dropy==.命令，回归后vif检验小于10，如果采用dropy==.命令，回归后vif检验值一下子蹦到了27，在这两种处理方式的回归中
最后样本数是相同的，回归系数、显着性也相同，为啥就是vif检验值差异这么大？一定要用drop命令吗？求高手解惑！

④ stata里面什么命令可以对面板数据按时间求均值

首先对面板数据进行声明：

前面是截面单元，后面是时间标识：

tsset company year

tsset instry year

产生新的变量：gennewvar=human*lnrd

产生滞后变量Genfiscal(2)=L2.fiscal

产生差分变量Genfiscal(D)=D.fiscal

一、描述性统计

xtdes ：对Panel Data截面个数、时间跨度的整体描述

Xtsum：分组内、组间和样本整体计算各个变量的基本统计量

xttab 采用列表的方式显示某个变量的分布

二、主要命令和方法

Stata中用于估计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

主要估计方法：

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命令的应用

声明面板数据类型：

*1、面板声明

use FDI.dtar, clear

xtset id year

1.固定效应模型估计：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

2.随机效应模型估计：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

3. 最大似然估计Ml：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,mle

Hausman检验究竟选择固定效应模型还是随机效应模型：

第一步：估计固定效应模型，存储结果

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

est store fe

第二步：估计随机效应模型，存储结果

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

est store re

第三步：进行hausman检验

hausman fe re

对于固定效应模型的异方差检验和序列相关检验：

xtserial xtreg lngdp lnfdi lnie lnex lnim lnci lngp

异方差检验：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

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

随机效应模型的序列相关检验：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

xttest1

xttest1用于检验随机效应(单尾和双尾) 、一阶序列相关以及两者的联合显着

检验结果表明存在随机效应和序列相关，而且对随机效应和序列相关的联合检验也非常显着

可以使用广义线性模型xtgls对异方差和序列相关进行修正：

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

xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(correlated)，修正依横截面而变化的异方差

xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(hetero) corr(ar1)，修正异方差和一阶序列相关ar(1)

⑤ 面板模型引入固定时间效应stata怎么操作

短面板处理面板数据是指既有截面数据又有时间序列的数据，因此其存在截面数据没有的优势，在用stata进行面板数据的估计时，一般选择xtreg命令进行拟合。本节主要论述短面板的stata实现，即时间维度T相对于截面数n较小的数据。在那种情况下，由于T较小，每个个体的信息较少，故无从讨论扰动项是否存在自相关，我们一般假设其独立同分布。面板数据维度的确定在面板数据进行模型估计前，要进行面板数据的维度确定。由于面板数据既有截面数据又有时间序列，而stata不能自动识别，因此，必须使得stata得知哪一部分是截面数据，而哪一部分是时间序列。设置面板数据维度的基本命令为：xtsetpanelvartimvar[,tsoptions]其中panelvar代表截面数据变量，timvar代表时间序列变量。选取某一面板数据进行维度设定：xtsetfcodeyear

stata中处理面板数据如何选择模型

方法的选择一般基于因变量类型。对面板数据而言，当因变量为连续变量时，可在混合ols回归、固定效应模型和随机效应模型间选择，有相应的检验统计量；当因变量为类别变量时，有面板logit模型，又可分为二分类，无序多分类和有序多分类面板logit。

先用xtset设定面板数据然后用xtreg，fe操作就可以做面板数据固定效应啦面板数据回归分析我很熟悉的

面板数据之固定效应模型 当您只对分析的影响感兴趣时，使用固定效果(FE)随时间变化的变量。 FE探讨预测因子和结果变量之间的关系(国家、个人、公司等)，每个实体都有自己的特点是否会影响预测变量(例如，是男性还是女性?能够影响对某一问题的看法;或者一个特定的政治体系国家可以对贸易或GDP产生一些影响;或公司的商业惯例可能影响其股价)。

当使用FE时，我们假设个人内部的某些东西可能会影响预测或结果变量，我们需要控制这些。这就是背后的基本原理：实体误差项与预测变量之间的相关性假设。FE模型去掉这些时不变特性的影响，这样我们就可以评估结果变量上的预测因子。 FE模型的另一个重要假设是这些time-invariant特征是独一无二的个体，不应该与其他个体相关特征。每个实体是不同的，因此实体的误差项和常数(捕捉个体特征)不应该与其他特征相关联。如果误差项是相关的，那么FE是不合适的，因为推论可能是不正确的，你需要建立这种关系的模型(可能使用随机效应)，需要使用豪斯曼检验，

⑥ stata中用固定效应模型回归有虚拟变量时为什么就omitted了

stata中用固定效应模型回归有虚拟变量时为什么就omitted了？
不要使用 xtreg 命令做 FE 回归，因为它会自动忽略 mmies.

推荐的做法是，手动生成两个 mmies. 然后，用这两个 mmies 各自乘以 size 得到两个 interaction terms.

最后，把这两个 mmies，两个 interaction terms，以及 size 放到 reg 命令中回归。

Life is so easy then.

如果加地区虚拟变量是为了控制随地区变化的因素，那么被omitted了完全没关系，地区虚拟变量能控制的因素已经被固定效应控制了。因为它也是个随时间不变的因素，而所有这样的因素都会被固定效应控制。

但如果你关心虚拟变量本身的系数，那你就不能用固定效应模型。一个合适的选择是用随机效应，但随机效应的假设更严格，你需要用hausman检验对比它跟固定效应的结果是否存在显着差异，如果存在，那么你就需要在随机效应里添加更多随时间不变的因素。

加交互项还是跟原来一样，需要添加两个虚拟变量各自的交互项。加交互项后原来的虚拟变量一般都是依然需要添加的，不过如果是固定效应模型的话，加不加就无所谓了，反正会omitted

参见 zhuyuhao.com/doc/posts/ 16和17页。

⑦ 固定效应模型命令fe后要加r吗

不用加。
xtreg,fe是固定效应模型的官方命令，使用这一命令估计出来的系数是最为纯正的固定效应估计量（组内估计量）。
xtreg对数据格式有严格要求，要求必须是面板数据。在使用xtreg命令之前，我们首先需要使用xtset命令进行面板数据声明，定义截面（个体）维度和时间维度。
一旦在xtreg命令后加上选项fe，那就表示使用固定效应组内估计方法进行估计，并且默认个体固定效应定义在xtset所设定的截面维度上。至于时间固定效应，需要引入虚拟变量i.year来表示不同的时间。
固定效应模型是指实验结果只想比较每一自变项之特定类目或类别间的差异及其与其他自变项之特定类目或类别间交互作用效果，而不想依此推论到同一自变项未包含在内的其他类目或类别的实验设计。
对于面板数据有多种估计方法，包括混合OLS、固定效应（FE）、随机效应（RE）和最小二乘虚拟变量（LSDV）等等。不过，最为常用的估计方法那自然还是固定效应（组内估计），固定效应模型的Stata官方命令是xtreg，但它有时候其实并没有那么好用（如对数据格式有要求，运行速度慢等），我们经常使用的固定效应估计命令还有reg、areg和reghdfe。

⑧ 固定效应模型p值小于多少

小于0.05
假设因变量是yy，自变量是aa、bb、cc，豪斯曼检验的命令这么写：quixtregyyaabbcc,fe（qui就是quietly，让stata只运算但是不要输出fe的结果）eststorefe（储存fe的结果）quixtregyyaabbcc,reeststorerehausmanfe然后stata就会算出来一个chi2值，然后给出一个Prob＞Chi2=?的结果（不知道为什么有时候要等半分钟才出来），如果这个P值小于0.05，就用固定效应模型，如果P指比较大，就用随机效应模型。我之前做的结果都用了固定效应模型，随机效应模型的不会。希望对你有帮助。