suest - 支持面板數據的似無相關檢驗

2021-03-02 君泉計量

 Stata 連享會: 知乎 | 簡書 | 碼雲

連享會最受歡迎的課

🍎2021Stata 寒假班

🎦2021年1.25—2.4

🍓主講:連玉君 (中山大學):江艇 (中國人民大學)

🌲課程主頁:https://gitee.com/arlionn/PX

檢驗組間係數差異時(詳情參見 「Stata: 如何檢驗分組回歸後的組間係數差異?」),一種常用的方法是基於似無相關估計的 su-test,在 Stata 中可以用 suest 命令快捷地實現。但 suest 不支持 xtreg 命令,因此無法直接將該方法直接應用於面板數據模型,如 FE 或 RE。

可以預先手動去除個體效應,繼而對變換後的數據執行 OLS 估計,步驟如下:

*-SUEST test for panel data

*-數據概況

webuse "nlswork", clear

xtset idcode year

xtdes

*-對核心變量執行組內去心:去除個體效應

help center //外部命令, 下載命令為 ssc install center, replace

local y "ln_wage"

local x "hours tenure ttl_exp south"

bysort id: center `y', prefix(cy_) //組內去心

bysort id: center `x', prefix(cx_)

*-分組回歸分析

reg cy_* cx_* i.year if collgrad==0 // 非大學組

est store Yes

reg cy_* cx_* i.year if collgrad==1 // 大學組

est store No

*-列示分組估計結果

esttab Yes No, nogap mtitle(Yes_Coll No_Coll) ///

star(* 0.1 ** 0.05 *** 0.01) s(r2 N)

*-似無相關估計

suest Yes No

*-組間差異檢驗

test [Yes_mean]cx_ttl_exp = [No_mean]cx_ttl_exp

test [Yes_mean]cx_hours = [No_mean]cx_hours

目前,可以使用 Federico Belotti. 更新後的 suest.ado 文檔替換 Stata 官方提供的 suest.ado 文檔。前者支持 xtreg 命令。

替換方法為:

Step 1: 執行 net install suest, replace 命令,suest.ado  文件被自動安裝在 stata15\ado\plus\s 文件夾中。

Step 2:stata15\ado\plus\s 文件夾中的 suest.ado 文件替換掉  stata15\ado\base\s 文件夾中的同名文件。

然後就可以在完成 xtreg …… 估計後,使用 suest 命令進行組間係數差異檢驗了。

關於我們🍎 連享會 ( 主頁:lianxh.cn ) 由中山大學連玉君老師團隊創辦,定期分享實證分析經驗。👉 直達連享會:百度一下:連享會】即可直達連享會主頁。亦可進一步添加 主頁,知乎,面板數據,研究設計 等關鍵詞細化搜索。連享會主頁  lianxh.cn

🎦  連享會小程序:掃一掃,看推文,看視頻……

🍉 掃碼加入連享會微信群,提問交流更方便

🍅 連享會學習群-常見問題解答匯總:
👉  https://gitee.com/arlionn/WD

相關焦點

  • suest:跨模型比較與廣義豪斯曼檢驗
    在上一篇推文「SUR:似無相關估計是個啥東東?」 (微信版) 中,我們介紹了 SUR 模型的基本思想、估計方法和一些典型的應用。本文進一步介紹 SUR 模型的兩個進階用法:一是模型之間係數差異的檢驗;二是廣義 Hausman 檢驗。
  • Stata: 如何檢驗分組回歸後的組間係數差異?
    方法二:SUEST(基於似無相關模型SUR的檢驗)面板數據的處理方法2018/5/3 8:04 更新 目前,可以使用 Federico Belotti. 更新後的 suest.ado 文檔替換 Stata 官方提供的 suest.ado 文檔。前者支持 xtreg 命令。
  • SUR:似無相關估計是個啥東東?
    劣勢在於 Zellner 的 SUR 估計方法僅限於 GLS,既不能使用包括聚類穩健標準誤等調整,也不能使用二值選擇模型、久期模型、面板數據模型。因此,Zellner 的 SUR 估計方法可用性很差,但似不相關的思想啟發了後來的計量經濟學家,他們發展出一系列基於 SUR 模型誤差項假設的,可以包容更多模型的似不相關估計方法。
  • 如何檢驗分組回歸後的組間係數差異?
    問題:「假如,都是因變量y對x1和x2回歸,只不過回歸時兩組樣本分別用國有企業、民營企業數據。
  • 面板數據、工具變量選擇和Hausman檢驗若干問題,這篇文章終於說清楚了!
    面板數據作為計量經濟學中的一個小分支,多數本科學校沒有學過,此課程主要面向研究生及以上,但是面板數據的實證分析在核心刊物上屢屢出現。
  • 【陸銘】面板數據、工具變量選擇和HAUSMAN檢驗的若干問題+雙重差分學習手冊
    此短文適用於對於面板數據和工具變量已經有初步了解的人士,閱讀過中級教材的相關內容。本文僅供參考,請原諒中英文混用。中國科學院的徐志剛博士一一指明了此文存在的錯誤,並且對原文中存在的不足作了大量的補充,特表示感謝。
  • 面板數據(Panel Data)匯總
    因此單位根檢驗時有三種檢驗模式:既有趨勢又有截距、只有截距、以上都無。因此為了避免偽回歸,確保估計結果的有效性,我們必須對各面板序列的平穩性進行檢驗。而檢驗數據平穩性最常用的辦法就是單位根檢驗。單位根檢驗方法的文獻綜述:在非平穩的面板數據漸進過程中,Levin andLin(1993) 很早就發現這些估計量的極限分布是高斯分布,這些結果也被應用在有異方差的面板數據中,並建立了對面板單位根進行檢驗的早期版本。後來經過Levin et al. (2002)的改進,提出了檢驗面板單位根的LLC 法。
  • Stata實操陷阱:動態面板數據模型
    3.1 動態面板模型案例接下來,我們將使用 Arellano and Bond (1991) 在研究企業僱傭員工數量的影響因素時的數據 abdata.dta,來說明 GMM 相關命令的應用。因此,需要對擾動項序列相關進行檢驗,具體如下:原假設:擾動項不存在序列相關;故可通過檢驗擾動項的差分是否存在二階 (或更高階) 的自相關來檢驗原假設。Stata 命令為 estat abond。
  • 面板數據主要分析方法匯總
    ,面板數據模型在回歸前需檢驗數據的平穩性。因此單位根檢驗時有三種檢驗模式:既有趨勢又有截距、只有截距、以上都無。因此為了避免偽回歸,確保估計結果的有效性,我們必須對各面板序列的平穩性進行檢驗。而檢驗數據平穩性最常用的辦法就是單位根檢驗。
  • Stata: 面板數據模型-一文讀懂
    所以,面板數據模型其實沒有你想像的那麼複雜!常見的數據形式有時間序列數據( Time series data ),截面數據( Cross-sectional data )和面板數據( Panel data )。從維度來看,時間序列數據和截面數據均為一維。面板數據可以看做為時間序列與截面混合數據,因此它是二維數據。
  • stata 面板數據攻略
    3、定義面板數據,輸入以下命令:. xtset province year  4、單位根檢驗    面板數據的單位根檢驗方法有很多種,一般我們只選兩種,即相同根單位根檢驗和不同根單位根檢驗。如果數據是平衡的,則可使用LLC檢驗(適用於同根)和IPS檢驗(適用於不同根)。
  • 如何進行面板數據分析?
    導讀 面板數據也被稱作時間序列與截面混合數據。是截面上個體在不同時點重複觀測數據。面板數據分析就是根據面板數據進行分析得出相應對於時間以及重複概率的結論。
  • r語言檢驗 是否相關 - CSDN
    #因為數據是成對出現的,所以採用成對數據t檢驗比上述的雙樣本均值檢驗更準確。試檢驗種衣劑對種子發芽率有無效果。#擬合優度檢驗#例:某體育網站為了確定球迷對5支具備奪取世界盃冠軍球隊的支持情況,隨即抽取了1000名球迷進行問卷調查:每個人選一支最支持的隊伍。這5支球隊分別記為A、B、C、D、E。下表是根據樣本資料整理的5支球隊支持人數的頻數分布。#試根據這些數據判斷球迷對五支球隊的支持數量有無明顯差異?
  • 實證分析三步走:數據、模型還有結果檢驗
    Stock 等在其流行的計量經濟學教科書的第八章中有一個經典例子: 運用美國各州的截面數據發現啤酒稅的高低和交通事故率之間存在奇怪的正相關關係。但是,運用固定效應模型的面板數據後,這個相關關係變成了顯著的負相關。這是因為各州對酒駕的態度不一樣,截面數據模型無法控制這個變量,而導致了內生性問題; 而面板數據能夠通過控制州的效果而去除這個變量的影響。
  • 面板數據模型選擇問題
    1 面板數據模型選擇問題
  • 如何用非參數檢驗,分析多個相關樣本數據?
    相反,如果一致性很強,那麼數據間的差異性就很小。不同的方法有不同的要求和側重,因此才出現這麼多的檢驗方法,分別針對不同的應用場景。下面就介紹幾種側重於檢驗多組相關數據的非參數檢驗方法。②CochranQ檢驗如果說Friedman檢驗更多用於分析定量數據,那麼當數據來自於多相關樣本,且為二分類數據時,則應該選擇用CochranQ檢驗。
  • 面板數據門限回歸模型
    但是對於大樣本、面板數據如何尋找結構突變點。所以本文在此講解面板門限回歸的問題,門限回歸也適用於時間序列(文章後面將介紹stata15.0新命令進行時間序列的門限回歸)。門限效應,是指當一個經濟參數達到特定的數值後,引起另外一個經濟參數發生突然轉向其它發展形式的現象(結構突變)。