在計量實證中常見操做問題小結，計量經濟圈專刊

文末有計量經濟圈的重大資料福利。

引語：下面是關於計量經濟學在具體操做中遇到的一些問題，以及他們的相關解答思路。計量經濟學已經發展到了較爲成熟階段，但計量經濟圈認爲，理論計量須要在實證計量以前進行，不然咱們就會失去一個分析框架。

3.1.Zellner-SUR與One step-SGMM方法，用Zellner-SUR方法的緣由是什麼？

答:SUR, 全稱爲Seemingly Unrelated Regression，是一個系列迴歸方程組，由於看起來這些迴歸方程之間沒有關係，但他們的估計餘項error term其實是相關的。所以，咱們須要分佈求出各個餘項，而後經過Variance-Covariance 矩陣來消除這中間的餘項相關性，最終得到的估計纔會更加有效。

2.求助：作完偏差修正模型VECM後，想進行格蘭傑因果檢驗用什麼命令？stata裏面貌似只有作完VAR時可使用的vargranger這個命令？是否能夠用gcause這個命令對變量進行兩兩檢驗？

答:Vecm與var實質上相似的，只不過vecm把不平穩的變量進行協整後，進行了Var款式的迴歸，最後出現了長短時間之分。

因此，你若是想檢驗一次差分後的vecm的因果關係，你就按照var的路子塞進去差分事後的變量和以前經過ols迴歸事後留下的那個error term，這樣vecm就至關於var，而後你就能夠進行multivariate Granger causality檢驗基於Var。

就是說，把差分後的變量強制用var作一遍，而後用vargranger ，得出得格蘭傑因果關係就是vecm的格蘭傑因果關係。

3.下面的迴歸就是關鍵的解釋變量不顯著，我不知道怎麼調整了？

Oneway (individual) effect Two steps model

Call:

pgmm(formula = y22 ~ lag(y22, 1) + lag(x11, 0) + lag(x12, 0) + lag(x21, 0:1) + lag(x22, 0) + lag(x23, 0) + lag(x24, 0) + lag(x31, 0) | lag(y22, 2:5), data = dd, effect = "individual", model = "twosteps", transformation = "ld")

Unbalanced Panel: n=32, T=1-8, N=248

Coefficients Estimate Std. Error z-value Pr(>|z|)

lag(y22, 1) 0.7577886 0.0948640 7.9882 1.370e-15 ***

lag(x11, 0) -0.0390686 0.0239760 -1.6295 0.103

lag(x12, 0) -0.0053499 0.0256653 -0.2084 0.83488

lag(x21, 0:1)0 0.9378587 0.0653638 14.3483 < 2.2e-16 ***

lag(x21, 0:1)1 -0.6913447 0.1057297 -6.5388 6.202e-11 ***

lag(x22, 0) 0.0997231 0.0413006 2.4146 0.01575 *

lag(x23, 0) 0.0304693 0.0160654 1.8966 0.05788

lag(x24, 0) -0.0453227 0.0197972 -2.2894 0.02206 *

lag(x31, 0) -0.0482559 0.0202909 -2.3782 0.01740 ---

Signif. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1

Sargan Test:p.value=0.68144

Autocorrelation test (1): p.value=0.0012981

Autocorrelation test (2): p.value=0.50829

Wald test for coefficients: p.value=< 2.22e-16

答:你用動態panel，或用random effect，試試。

4.Mean Groups (MG), Demeaned MG (DMG) and Common Corrleated Effects MG (CCEMG) estimators for heterogeneous panel models

答:對於mean groups主要用來解決fixed or random effects估計中設定的slope相同可能致使的不連貫性問題，因此mean group直接容許intercepts,slope,error等均可以在cross section間不一樣，這樣估計出來的結果更連貫。

對於ccemg，主要是解決大panel data時，cross section彼此依賴的問題，也就是說，自變量和因變量都受到一個共同的但不可觀測的因素影響，也容許slope不一樣，還能夠延展到動態的panel data，平時用的工具變量和gmm解決動態panel data主要用於那些小面板數據。

5.面板迴歸空間偏差的的三個檢驗的命令是啥？截面數據的命令是 spatdiag，面板數據咋檢驗？就是要檢驗面板數據有沒有空間效應。這個面板空間交互性檢驗是用的什麼命令？ 陳強老師的書裏面只有截面的命令spatdiag,w(w)，w是空間權重矩陣。

答:Spatial interactions panel data，我建議用這個命令"xsmle"。你當迴歸出來後，直接、間接、總的效應比較直觀也知道顯著性，還能夠作postestimation。那個xsmle命令中應該有option (mi)，你就能夠用來處理unbalanced spatial panel。

6.有同窗知道怎樣畫矢量圖，用什麼軟件最方便麼？

答:Coreldraw，固然也能夠用adobe illustrator。

7.近來學習發現VAR正交化以後的脈衝響應函數（如喬利斯基分解以後的），是否是與SVAR的脈衝響應函數是一致的。感受二者都用到了下三角矩陣的假設和相應的分解。

答:VAR帶着choleski分解實際上等於svar的一種特例。Svar能夠經過有不一樣的imposition而取得不同的impulse response function。還有短時間，長期之分，有just identified和over identified之分。

8.我想在相關性分析中標出3顆星星，怎麼作？

答:要標星，用這個esttab

9.在哪裏有faraway程序包？

答:去這個網址得到此包，

https://cran.r-project.org/web/packages/faraway/index.html

10.面板數據中有個變量不顯著，可是刪除了會影響其餘變量顯著性，那麼這個變量就仍是帶着嗎？各類效應這個變量都不顯著。

答:不刪能夠，畢竟你不用這個變量解釋東西。那可能這個控制變量和其餘變量之間有比較嚴重的共線性。

11.對數據作迴歸，用兩種不一樣的方程擬合，一個獲得的殘差比較小，一個比較均勻，哪一個比較好呢？

答:檢查一下residual的自相關，residual與y的關係，residual 的concentration程度圍繞0，等等。殘差得符合normal distribution。

12.我用stata 作heckman兩步，第二步仍是probit，輸入heckprob以後，出現了outcome does not vary; 的結果。我因變量都是0.1的啊？想請教一下錯在哪裏了？

答:注意Selection equation和Outcome equation的迴歸變量須要知足一些條件（Selection equation須要有一個迴歸變量沒有在Outcome equation中出現過），還有保證兩個Equations的被解釋變量順序正確。

13.想問一下，若是控制變量不顯著該怎麼解釋呢？如何處理呢？

答:那證實，那個控制變量可能不影響你的解釋變量與被解釋變量之間的關係了。控制變量加入是爲了檢測其餘變量的關係，固然你的狀況可能這樣的，你的主要解釋變量可能由於控制變量對你的被解釋變量影響力度超大而讓你的所預想主要解釋變量係數不明顯。你確實須要檢測一下你的控制變量與解釋變量直接的相關性。

14.我想問下，在用stata作迴歸時，語句裏面怎麼區分是控制變量仍是主要變量？仍是語句裏面不用區分，都放入迴歸模型中就行？

答:所有都放入，只是你在論文中分析時怎麼表達而已。你看那些論文的模型主要變量後面都會跟一個控制變量集。

15. 請教一個問題，在迴歸中，某個控制變量取對數與不取對數，對其餘變量的估計結果有很大影響，想不通這是什麼緣由（自變量的相關係數都不大）。

答:取對數主要是考慮強制縮小outlier，還有就是靠近normality，你這個數據沒有skeness 和kurtosis biasness，檢查一下這個。

16.請教一個問題，面板數據變量y和x的相關係數不高，散點圖也觀察不出明顯的關係，可是在控制個體和時間效應後，迴歸係數很顯著，這種迴歸分析有問題嗎？在迴歸前必定要先判斷變量間的相關性嗎？

答:對於Panel data，咱們老是想要解決Unobserved heterogeneity，這些存在於個體或時間段上的差別性，將會由於咱們的忽略而致使「Omitted variable bias」(考慮下Confounding variable)。而要解決這個問題，咱們的方法fixed effect（控制個體間的差別性）和 between effect（控制時間段的差別性）。

而若是你在尚未控制個體和時間效應以前，發現regressors和regressed之間相關性不高；可當你在控制了兩個效應後（即在迴歸方程中加入了個體和時間效應），卻發現regressors和regressed之間相關性很大（迴歸係數很顯著），這就明明顯示了你差點犯了「Omitted variable bias」的問題，所以你應當使用Panel data的固定效應或隨機效應進行迴歸。

17.面板數據是否是一開始就要在固定效應與隨機效應中作選擇？

答:實際上，固定效應迴歸總可以保證Consistency，只不過不可以保證Efficiency；而隨機效應迴歸通常而言更加有效，可是不必定那麼具備Consistency。

所以，在Hausman test中，你就是經過一個Asymptotic distribution組建一個分佈，來平衡Consistency和Efficiency。在面板數據中，你須要先作選擇的。

18.請問能幫忙解釋一下面板工具變量回歸出來的這一部分命令嗎？中間那一部分弱識別那一部分右側的數據是什麼意思？

答:Underidentification test 即識別不足檢驗 其原假設是認爲存在識別不足問題 或者說是工具變量與內生變量無關，這個結果能夠說明你的工具變量與內生變量相關，但仍然可能存在弱工具變量這一問題。

Weak identification test 即弱工具變量檢驗 這是識別不足檢驗的進一步檢驗，其原假設是認爲工具變量與內生性變量有較強的相關性，你的結果說明工具變量相關性仍是比較高的。那最後一行的過分識別檢驗：H0,過分identified，H1,不是過分identified。

19.面板平滑回歸（Panel Smooth Transition Regression）？Hansen的門檻迴歸（非線性）？

答:下載RATS計量軟件，而後用GVTD.SRC程序包。Hansen的門檻GMM迴歸軟件包R：http://www.ssc.wisc.edu/~bhansen/progs/et_04.R。門檻迴歸的Stata軟件包命令：threshold。

20.①pcse 模型，31省市 ，8期，是否是過短了，不能用呢 ？

agl.pcse <- pcse(agl.lm, groupN=mydata$region, groupT=mydata$year,pairwise=TRUE)

Error in pcse(agl.lm, groupN = mydata$region, groupT = mydata$year, pairwise = TRUE) :

Error! A CS-unit exists without any obs or without any obs in common with another CS-unit. You must remove that unit from the data passed to pcse().

②請問下外標法或標準曲線怎麼弄？

③用Excel作規劃求解，目標單位格里直接輸入相似＝x1+x2能夠嗎？

④有用charls 數據的嗎？請問「家庭人口數」這個怎麼作？有沒有知道工做經驗這個變量在chns的哪一個文件裏面？

⑤stata新手請教羣裏大神，tsset如何設置不連續的時間序列？好比非交易日的狀況。