‘壹’ xtabond2和xtdpdsys的区别
help xtabond2 你这个是动态面板数据的回归分析啦 难度很高的
‘贰’ 如何用xtabond2命令进行系统GMM估计，请请我
[面板数据求助] 如何用xtabond2命令进行系统GMM估计,请请我 [推广有奖] ywh...请注意,这命令是在一行的,因为回帖放不在一行,才自动隔开的。
‘叁’ 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)
‘肆’ 数据分析有人会用stata做GMM分析的吗也就是差分和系统广义矩，用xtabond2命令的那个，求高人指导。
help xtabond2
你这个是动态面板数据的回归分析啦
难度很高的
‘伍’ 请教stata处理动态面板数据问题
* GMM-type 是针对内生变量或先决变量而言的工具变量，有多列
* Standard 是针对外生变量而言的工具变量，只有一列
*- 过度识别检验（工具变量的使用是否合理）
*
estat sargan
*
* 说明：
* H0: overidentifying restrictions are valid
* 这里，我们拒绝了原假设，但AB91指出，当干扰项存在异方差时，
* Sargan检验倾向于过度拒绝原假设，因此此处得到的结论并不可信。
* 采用两阶段估计，然后再执行Sargan检验较为稳妥：
*
xtabond n L(0/1).w L(0/2).(k ys) yr1980-yr1984,twostep
estat sargan
*
* 说明：不过，AB91发现，
* 若存在异方差，在两阶段估计后执行Sargan检验往往倾向于
* Underreject问题，即过度接受原假设。
* 通常而言，这很可能是我们的模型设定不当，或是工具变量的选择不合理。
* 随后，我们会采用-xtdpd-命令，将干扰项设定为 MA(1) 过程，
* 此时，执行Sargan检验不再拒绝原假设。
* - 干扰项序列相关检验
*
* AB91 一阶差分估计量要求原始模型的干扰项不存在序列相关，
* 显然，差分后的干扰项必然存在一阶序列相关，
* 因此，我们需要检验差分方程的残差是否存在二阶(或更高阶)序列相关即可
*
* 默认，二阶序列相关检验
xtabond n L(0/1).w L(0/2).(k ys) yr1980-yr1984,vce(robust)
estat abond
* 说明：若存在二阶相关，则意味着选取的工具变量不合理
* 高阶序列相关检验
xtabond n L(0/1).w L(0/2).(k ys) yr1980-yr1984,vce(robust) artest(3)
estat abond
本文来自: 人大经济论坛 Stata专版 版，详细出处参考： http://bbs.pinggu.org/forum.php?mod=viewthread&tid=406607&page=1
‘陆’ xtabond2怎么样把变量调显着
我记得后面可以加一个命令是meta~你试试加加~但是我忘记了作用是什么~
‘柒’ 如何用xtabond2命令进行系统GMM估计，请请我
主要是做动态面板数据的两个重要检验。Sargan用来检验在广义矩估计（gmm）中是否存在过度限制约束问题，Arellano-Bond 用来检验误差项是否存在序列相关问题，如果存在L阶序列相关，则差分方程的工具变量必须选取滞后L+1。