面板數據計量方法全局脈絡和程序使用指南篇

可有償投稿計量經濟圈，計量相關則可

郵箱：econometrics666@sina.cn

全部計量經濟圈方法論叢的do文件都放在社羣裏,能夠直接取出使用運行,也歡迎到面板數據研究小組交流訪問.

今天，咱們面板數據研究小組想要給計量經濟圈的圈友引薦一篇「面板數據計量方法和程序使用指南」的概覽性文章。對於面板數據相對於橫截面數據或時間序列數據的優越性，咱們已經推送以下文章:《面板數據是怎樣處理內生性的,一篇讓人豁然明朗的文章》。

從計量經濟圈社羣羣友的互動交流中得知，面板數據計量方法的使用是愈來愈流行，而且面板可能會在之後成爲主流的數據形式。在面板數據使用過程當中，咱們會遇到不少基礎性的概念，好比，長面板(時間長)和短面板(時間短)，又好比，靜態面板和動態面板(把因變量的滯後項做爲解釋變量)，還好比，固定效應(形式上假定, 不隨時間變化的個體效應ai與解釋變量Xit相關)和隨機效應(形式上假定, 不隨時間變化的個體效應ai與解釋變量Xit不相關)。

咱們在估計面板數據模型時，也會遇到不少不一樣的計量方法，好比Pooled OLS, LSDV, Within estimators, First differenced, FGLS等。而對於那些因變量是離散形式的數據，咱們又須要用另外的程序去獲得待估參數，好比xtlogit, xtoprobit, xtpoisson等。進一步講，若是解釋變量中存在內生性問題，那咱們須要經過使用工具變量IV來估計參數，而工具變量的選擇在靜態面板和動態面板模型中又存在差別。推薦一篇關於離散面板數據中的內生性問題的處理文章《非線性面板模型中內生性解決方案以及Stata命令》

若是核心解釋變量Xit前面的係數β也能夠隨着個體的變化而變化，那咱們還須要使用隨機係數模型去估計βi。咱們以前有解釋這種模型和使用，能夠參見這篇文章《隨機係數Logit模型及Stata實現》。而對於自然分層次的數據，好比一個地區的某個學校的一個老師，咱們須要使用分層迴歸(hierarchical model)。對於長面板數據，咱們須要考慮單位根問題，但這個問題每每讓咱們給忽視掉了。

面板數據的計量方法發展很快，所以，市場上也有專門的書籍進行講解，好比南加州大學的蕭政的《面板數據分析》就盛行全球。

今天的主要climax是下面這部分，由於他會讓圈友更好地理解面板數據族譜。