STATA固定效应回归代码及注释可复制到Stata运行

//***************************************************************

//*******************************0、导入Excel数据

//******************************************************************

clear

import excel using C:\\Users\\Desktop\\data.xlsx, firstrow clear

//下面这个代码很重要，下面这个代码告诉Stata你的数据是面板数据

tsset code time

// unbalanced 表示非平衡面板

xtdes

//--看看结构---------------

//***************************************************************

//*******************************1、简单混合，和聚类标准差混合

//*********************Y因变量 X自变量 C控制变量 i.industry行业控制变量

reg Y X C1 C2 C3 C4 i.industry

est store PT

//*******************************简单混合回归，使用普通标准差 ①

reg Y X C1 C2 C3 C4 i.industry ,vce(cluster code)

est store PTse

//******************混合回归标准差调整，聚类，vce(cluster code)表示使用聚类稳健标准差

// cluster后面是聚类的类别，它估计的se要大很多

estimates table PT PTse

// PT和PTse回归系数放在一起对比一下,

// 即使系数差别不大，t/p 值还是有差别的

//******************************************************************

//*****************************2、固定效应和混合回归选哪个**********

//********************************此处就讨论固定个体与否************

//***************************

xi:xtreg Y X C1 C2 C3 C4 i.industry , fe

// xtreg 已经知道为面板数据，所以r和vce(cluster code)效果一样

//* 看回归上面行的F检验的P值，原假设H0:all ui=0

// P值=0.0000，故强烈拒绝原假设，FE明显优于混合回归，不采用混合回归

// 应该允许每家公司拥有自己的截距项

// 但由于未使用聚类稳健的标准差，故这个F检验可能并不有效

// 下面采用LSDV法来判断

xi:xtreg Y X C1 C2 C3 C4 i.industry i.code, fe r

est store LSDV

//***就跑上面的代码，看每一家公司虚拟变量的p值是否显著，显著的话

//***就拒绝所有个体虚拟变量都是0的假设，即存在个体效应，不应该使用混合回归

//******************************************************************

//*****************************3、固定效应要固定时间吗**************

//******************************************************************

tab time,gen(time)

xi:xtreg Y X C1 C2 C3 C4 time2-time9 i.industry, fe r

// time1被作为基期，对应常数项，我的数据只有9年所以只到time9就好

// time虚拟变量的p值看，有的显著有的不显著

test time2 time3 time4 time5 time6 time7 time8 time9

// 检验所有年度虚拟变量的联合显著性

// 我的F检验的P=0.0002，强烈拒绝H0：无时间效应，

// 应该在模型中包括时间效应，即i.industry后面加一个i.time

// 加一个i.time,是把时间作为虚拟变量包括进回归模型，实现固定时间效应

xi:xtreg Y X C1 C2 C3 C4 i.time, fe r

// 上面两行代码跑了一个双固定效应

// fe 是固定code（这里指上市公司代码）个体效应，i.time fe 是时间个体双固定效应

// *********************************使用时注意

//**********************************进行固定效应的两种办法

// --fe去中心化加入进行处理＂，---i.是生成虚拟变量，然后变成控制变量的处理办法

// 所以 i.industry i.time 不加fe就可以固定行业和时间

// 如果固定了fe，没必要再固定行业，不用i.industry

// 固定了fe，再使用i.industry的话，行业如果不是面板数据，没有随时间变动的话

//--------这样industry就会被omitted，不能fe和i.industry共存

//--------要么i.indutry i.time;要么i.time fe 达到双固定效应

//--------我的行业数据是随时间变动的面板数据，所以可以i.industry i.time fe共存

//******************************************************************

//*****************************4、混合回归还是随机效应**************

//******************************************************************

xi:xtreg Y X C1 C2 C3 C4 i.industry i.time ,re r

est store re

xttest0

// xttest0命令的结果P值=0.0000

// 即：LM检验拒绝不存在个体随机效应的原假设，

// 即混合回归与随机效应之间，应该选择随机效应

//******************************************************************

//*****************************5、随机效应还是固定效应？**************

//******************************************************************

// 使用前注意，使用Hausman检验时，两个回归都不能进行方差聚类，

//****************************************************即不要有r、vce()等出现

xi:xtreg Y X C1 C2 C3 C4 i.industry i.time ,fe

est store FE

// fe跑的

xi:xtreg Y X C1 C2 C3 C4 i.industry i.time ,re

est store RE

// re 跑的

hausman FE RE

// 检验哪个好，原假设是 re 更好

// 我的P值为0.0000，拒绝原假设，应该采用固定效应回归

//******但这个检验没有考虑聚类标准差

//聚类标准差和普通标准差相差较大时，hausman检验可能会不可靠

// 我的聚类标准差和普通标准差相差较大，即回归系数的se差别比较大

// 则应该使用下面的方法检验随机效应好还是固定效应好

//

quietly xi:xtreg Y X C1 C2 C3 C4 ,re theta

global yandxforhausman Y X C1 C2 C3 C4

sort code

foreach x of varlist $yandxforhausman {

by code:egen mean`x'= mean(`x')

gen md`x'=`x' - mean`x'

gen red`x'=`x' - theta*mean`x'

}

quietly xi:xtreg redY redX redC1 redC2 redC3 redC4 /*

*/mdX mdC1 mdC2 mdC3 mdC4 ,vce(cluster code)

Test mdX mdC1 mdC2 mdC3 mdC4