gq
r-l
齐s
Eiir色LizsuharidPmgmni「耳口厂豆门口叩mirkmuil1：
1pliertest1roirra.nidome-Ffects
sqCcode.t.1]—>Cb+ili|_codeJ+eLcode.t]
va（r
sd—
sqmCvair>
hr
5SR曰TN5006^35
ooi^oe
3-
8&a<6O2
1_
O65S59
可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。
可见,
随机效应模型也优于混合OLS模型
•3、检验固定效应模型or随机效应模型（检验方法：
Hausman佥验）
原假设：
使用随机效应模型（个体效应与解释变量无关）
通过上面分析，可以发现当模型加入了个体效应的时候，将显著优于截距项为常数假设条件下的混合OLS莫型。
但是无法明确区分FEorRE的优劣，这需要进行接下来的检验，如下：
Stepl:
估计固定效应模型，存储估计结果
Step2:
估计随机效应模型，存储估计结果
Step3:
进行Hausmar检验
•quixtregsqcpiuremgse5lr,fe
eststorefe
quixtregsqcpiuremgse5lr,re
eststorere
hausmarfe（
或者更优的是hausmarfe,sigmamore/sigmaless）
haLUJsmanife
—匚oeTf1cieirrcs—
3CBJ
IFl|T缸
h—Gortststunderhcandha;ohTnedfromxrrpg
inconsis™terrtunderHa.fieT-FicierrtunderHo■ob"tained"Fro-mreg
resx:
hoidHIFference1ncoe"FTilcienx:
snoxsysizemaxlc
chi
+L（V_bV_B>A1）JCb-Bj
27-39
Prob^chi2.—O・OOOO
（v_b-v_b1airiQHpas-1r1vedeF1nite>
可以看出，hausmar检验的P值为0.0000，拒绝了原假设，认为随机效应模型的基本假设得不到满足。
此时，需要采用工具变量法和是使用固定效应模型。
（三）静态面板数据模型估计
•1、固定效应模型估计
•xtregsqcpiunemgse5ln,fe
2-68B7963
2,CC17DB1
■C-1340/71
Cfra匚匸叩口门o"Fvarianceduetenini>
Prob1
O.0000
其中选项fe表明我们采用的是固定效应模型，表头部分的前两行呈现了模型的估计方法、界面变量的名称（id）、以及估计中使用的样本数目和个体的数目。
第3行到第5行列示了模型的拟合优度、分为组内、组间和样本总体三个层面，通常情况下，关注的是组内（within），第6行和第7行分别列示了针对模型中所有非常数变量执行联合检验得到的F统计量和相应的P值，可以看出，参数整体上相当显著。
需要注意的是，表中最后一行列示了检验固定效应是否显著的F统计量和相
应的P值。
显然，本例中固定效应非常显著
•2、随机效应模型估计
若假设本例的样本是从一个很大的母体中随机抽取的，且：
•匚与解释变量均不相关，则我们可以将：
•匚视为随机干扰项的一部分。
此时，设定随机效应模型更为合适。
•xtregsqcpiunemgse5In,re（女口下图所示）
xTregsqepiuneimgse51n,re
如果希望进一步在上述模型中加入时间效应，可以采用时间虚拟变量来实现。
首
•tabyear,gen（dumt）
先，我们需要定义一下T-1个时间虚拟变量
（tab命令用于列示变量year的组类别，选项gen（dumt）用于生产一个以dumt开头的年度虚拟
变量）
若在固定效应模型中加入时间虚拟变量，则估计模型的命令为:
•xtregsqcpiunemgse5Indumt*,fe
・xtregsqepiunemgTodunrt*Bfe
Fixed-effecXs（wiichinJregressionGroupvariable:
code
R-Sq:
;wnxhin=0十283科
between三0.0261overal1一o*0935
（四）异方差和自相关检验
•1、异方差检验
（组间异方差）本节主要针对的是固定效应模型进行处理
（1）检验
原假设：
同方差需要检验模型中是否存在组间异方差,需要使用xttest3命令
•quixtregsqcpiunemgse5ln,fe
xttest3
.quixtregsqcpiunemgseSlntfe
.settest3
Modifiedwaldtestforqroupwiseheteroskedasticity1nfix电deffectr电gressionmodel
HO:
sigma（i）^2=s1gniaA2foral1i
chi2<20）=11561.€0
Prob>chi2-0+0000
显然，原假设被拒绝。
此时，需要进一步以获得参数的GLS古计量，命令为xtgls:
•xtglssqcpiunemgse5In,panels（heteroskedastic）
Ci~0ws■—:
se匚11onaltime-seriesFcoeffic1enrs:
qeneraliFed1easrsquares
Panels:
Ineteroskedastic
Coritelation:
ooautocorrelaxion
其中，组间异方差通过panels（）选项来设定。
上述结果是采用两步获得，即，先采用OLS估计不考虑异方差的模型，进而利用其残差计算。
。
。
，并最终得到FGLS估计量。
•2、序列相关检验
对于T较大的面板而言，：
.j往往无法完全反映时序相关性，此时；it便可能存在序列相关，在多数情况下被设定为AR
（1）过程。
原假设：
序列不存在相关性。
（1）FE模型的序列相关检验
对于固定效应模型，可以采用Wooldridge检验法，命令为xtserial:
•xtserialsqcpiunemgse5In
.xtserialsqcpiunemgseSIn
WooldridgetestforautocorrelationinpaneldataHO:
nofirstorderautocorrelation
F（1,19）=1246.120
Prob>F=G.0000
可以发现，这里的P=0.0000，我们可以在1%勺显著性水平下爱拒绝不存在序列
相关的原假设。
考虑到样本，该检验的最后一步是用〜对〜进行OLS回归,
ete,t-i
因此，输入以下命令得到。
检验该值是否显著异于-0.5,因为在原假
~=0.8858
9
设下（不相关），可见本例中不相等，拒绝原假设，说明存在序列相关。
:
=-0.5
0
•matliste（b）
.mat1isre（b）
symmetrice（b）[1,1]
L*
.000006
yl.88582499
（2）RE模型的序列相关检验
对于RE模型，可以采用xttestl命令来执行检验:
•quixtregsqcpiunemgse5Indumt*,re
xttestl
LiriumcjS1ricJomL.*Tr~k
TestsTortheerrorcomponenxmodel；
sq]CcodeatJ=Xb+u[Gode：
]+y匸codeft]
v[codeicJ=1aunbda.h匸codej.Cx.—J*世[匚ode*
E.sic"int^i:
edaresljIts:
var
s-id二sqr^.（v.a.r>
=>HI
B_5S69J5
2-^303-46
E'
60
U1
I-
Tests;
RsmclomEffects>
fTwo5idedz
ALMCvar=O>
=1CM.
Pr>-chi2C1L>=
O・oooo
R.a.ndo卜ones!
ded:
AILMCvar—O>
—J.O.
[PF>-NCO,1>—
o.ocoo
ser1a.1correlat:
1on:
AILMfTidmLiiLJd.O、
-44
F»r—
O-oooo
Toint-Ti'Tlr:
:
1MCVai-<1,1<1J■Z刍21・
!
Pi"ahIi"iNGN〉—
O,OOO0
这里汇报了4个统计量，分别用于检验RE模型中随机效应（单尾和双尾）、序列相关以及二者的联合显著性，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著。
（3）稳健型估计
上述结果表明，无论是FE还是RE模型，干扰项中都存在显著的序列相关为此，我们进一步采用xtregar命令来估计模型，首先考虑固定效应模型：
•xtregarsqcpiunemgse5Indumt*,feIbi
p~GluinnfH召s0SIIindumt■*■・T~qIriii
fTestthatallu_i=C:
F（19,166）=17.43prob>F=0.OOOC
nodifiedBhargavaetal.Durbin-watson-.21583455
Salragi-WuL6I=.641462
•3、“异方差一序列相关”稳健型标准误
虽然上述估计方法在估计方差-协方差矩阵时考虑了异方差和序列相关的影响，但都未将两者联立在一起考虑，要获得“异方差-序列相关”稳健型标准误，只需在xtreg命令中附加vce（robust）或者vce（cluster）选项即可。
例如，对于FE模型，我们可以执行如下命令：
•xtregsqcpiunemgse5ln,fevce（robust）
\xtregsqcpi
iynemgse5
lnsfevce（robust）
Fixed-effe匚
（within）regression
Number
ofobs=
220
Groupvariable
*:
code
Numiber
□fgroups=
20
R-sq:
within
=0.Z307
obsper
group:
min=
11
betweer
1-0.0767
avg■
11.0
overalI
1-0.0Q64
unax■
11
FCS.19）
=
2.52
corr（u_1sxb）
=-□.5296
proba
F=
0-0656
（std
・Err・adjustedfor20匚lusters
incode）
Robust
sq
caefr
std.Err・
t
P>|X.I
[95%conf.
mierval]
匚pf
2・921698
孑.837867
0.76
O・45石
-5.111051
10・95445
unem
・187.629
68.06419
-2.13
0・04百
-371.&495
-3.308556
g
一五.366684
3.970915
-1.60
0.125
-14.6779
1.944537
seS
78,23979
58,12077
I.汕
0.1&4
-43.40837
199.888
In
20・28567
丄工・42156
1-78
0・092
-3.61991S
44・19126
_cons
3578512
4・11775
0.09
0.932
-&260698
月.976401
sigma„u
2.6887963
sigma_e
2.0017081
『ho
-64340771
（fraction
ofMr1anceduetau_t）
与之前未经处理的估计结果相比，附加命令vce（robust）选项时的结果，虽
然系数的估计值未发生变化，但此时得到的标准误明显增大了，致使得到的估计结果更加保守。
对于面板数据模型而言，STATA在计算所谓的“robust”标准误时，是以个体为单位调整标准误的。
因此，我们得到的“robust”标准误其实是同时调整了异方差和序列相关后的标准误。
换言之，上述结果与设定vce（cluster）选项的结果完全相同。
•4、截面相关检验
原假设：
截面之间不存在着相关性
（1）FE模型检验
对于FE模型，可以利用xttest2命令来检验截面相关性：
•quixtregsqcpiunemgse5ln,fe
xttest2（该命令主要针对的是大T小N类型的面板数据，在本例中无法使用，故图标略去。
）
（2）RE模型检验
对于RE模型，可以利用xtcsd命令来检验截面相关性：
•quixtregsqcpiunemgse5In,re
xtcsd,pesaran（下面命令是另一个检验指标）
xtcsdfrees
.quixtregsqcpiunem□se5lr
xtcsdFpesaran
Pesaran'stestofcrosssecrionaliridependence--0.348,pr-1.2725
xtcsd,frees
criticalvaluesfromFrees'alpha=alpha=alpha=
可以看出，两种不同的检验方法均显示面板数据存在着截面相关性。
•5、“异方差一序列相关一截面相关”稳健型标准误
（1）FE模型估计
对于FE模型，在确认上述存在着截面相关的情况下，我们可以采用Hoechle（2007）
编写的xtscc命令获取DriscollandKraay（1998）提出的“异方差一序列相关
—截面相关”稳健型标准误：
•xtsccsqcpiunemgse5ln,fe
.xtsccsqcpiunemgse5lnrfe
RegressionwithDriscol1-ktraaystandarderrorsMethod:
Fixed-effectsregression
Groupvariabl€
（1）:
codemaximumlag:
2
NumberNumberF（5,Prob>within
ofobs=
ofgroups=
19）
F=
R-squared=
220
20
28,20
0.0000
0.2307
sq
coef*
Drisc/Kraaystd.Err,
t
P>|t1
[95%conf.
interval]
<=pi
2.921698
4.1737&3
0.70
0.492
-5.B14129
11.65753
unem
-187.629
25.956
-7.23
0,000
-241.9556
-133.3025
g
-G.
-2.8$
0+01Q
-U.03469
・69^68
seS
78.23979
20.90085
3.74
0.001
34.4938
121.9853
1n
20.28567
5,123992
3,96
0.001
9.561034
31.01031
-
.3578512
4”563278
0,08
0,938
-9’1932
9.90B903
这里，xtscc命令会自动选择的滞后阶数为2,系数估计值和Within-R2与xtregfe的结果完全相同，但标准误存在着较大差异。
可见，在本例中，截面
相关对统计推断有较大的影响。
若读者有跟高的方法来确定自相关的滞后阶数，则可以通过lag（）选项设
定。
当然，在多数情况下，这很难做到。
不过我们可以通过附加lag（0）来估计
仅考虑异方差和截面相关的稳健型标准误，命令如下：
•xtsccsqcpiunemgse5In,felag（0）
・xtscc
sqcpi
unemgseS
1n.fe1agfoO
Regressionwfith
or1scolH-i
aaystandard
errors
Number
ofobs■
220
Method:
Flxed-efiFectsregi
ression
Numb>er
ofgroups三
20
Giir口upva.riab1e
二code
Hs+
ig）
10B96
maximum
lag:
O
Prob>
F-
D・OOOO
within
R-squared=
Ch2307
Drisc/Kraay
sq
coef.
srd-Err・
r
p>111
[95%conf.
interval]
cpi
2.921698
3.724402
678
O・^142
一屛・873565
丄O・71696
unem
-1S7.629
26.72656
-7.02
0.000
^243・5684
^131.6897
g
一&亠366684
2.699^32
-2\36
□B029
-12・OH64玉
一.7169419
ZB.23^79^
JL酝.O5S45
4.87
O・ooo
44・629OB
111・8505
1n
20.2S567
G5574S3
吉审02
O・006
石-560703
34.01064
-
■3578512
4.3i30379||
O.09
O・932
一E.287JL32
P・002835
（2）RE模型估计（略，待补充）
二、动态面板数据的STATA处理命令
（1）差分GMM
xtabondInwicdIngdplanddocfirInroadInpopfina
xtabondInwicd
升级会员 