发帖
雷达卡
下面看一个例子。下面也是一些心得与体会，希望能与大家一起讨论。
下图是在个体固定效应下，试图控制区域和行业两个不随时点变化的因素：
下图是用reghdfe命令试图控制区域和行业两个不随时点变化的因素，Absorbed degree of freedom一栏已经表明reghdfe命令同样失效。因为其在模型中的虚拟变量个数全部为0。见下图最下面的表格：
那就是最下面关于Absorbed degree of freedom里信息，由于reghdfe它没有截距项，所以number是1749个属性，设置了1749个虚拟变量（即估计了1749个系数），然而，由于region1和industry1是不随时间变化的量，所以在设置虚拟变量时，他们对应的虚拟变量的个数都是0，即他们是多余的，在reghdfe的回归中压根就没有使用它们。
也就是说，这个做法reghdfe tobinq fem numexe lev size age ls, a(number region1 industry1) vce(robust)与xtreg tobinq fem numexe lev size age ls , fe 的系数之所以是一样的，就是因为reghdfe回归中压根就没有使用region1和industry1的信息，当然xtreg tobinq fem numexe lev size age ls , fe 里面也没有这两个变量。
当然，若使用 xtreg tobinq fem numexe lev size age ls i.region1 i.industry1 ,fe r 那么 region1 和industry1的虚拟变量将会omitted 。或者使用reg tobinq fem numexe lev size age ls i.number i.region1 i.industry1 , r也就是LSDV估计法时，会出现类似的情况，一定会有7+16=23个虚拟变量会omitted （这个跟 i.number i.region1 i.industry1 在reg里的顺序有关的，在这个排序里i.region1 i.industry1将会omitted ；若排序是这样的reg tobinq fem numexe lev size age ls i.region1 i.industry1 i.number , r 那么i.number里将有23个虚拟变量会omitted ）。
当然，若使用reg tobinq fem numexe lev size age ls i.number i.region1 i.industry1 , r 或者使用xtreg tobinq fem numexe lev size age ls i.region1 i.industry1 ,fe r 或者使用 xtreg tobinq fem numexe lev size age ls , fe r 或者使用reghdfe tobinq fem numexe lev size age ls, a(number region1 industry1) vce(r) 回归后，会发现他们的系数估计值是一样的，但估计值标准误可能会有少许不同。
回到前面，即表面上，reghdfe函数好像控制了region1 和industry1，然而，实际情况就同上面的分析一样，reghdfe根本就有做到这一点，它把多余的虚拟变量全删掉了，只是，我们没发现而已。
那为什么会这样呢？
其实原因很简单，那就是number是随个体变化，不随时间变化的，所以，当你考虑其他不随时间变量的因素（行业、省份、区域、企业性质、银行所有制性质等）时，其实他们的信息都在number里反应出来了，所以再设置不随时间变化的变量时，就是多余的了。（这里的主要原因是：若个体固定效应模型是采用Within回归（xtreg , fe），它会将不随时点变化的量都减去了，所以，如果模型中不随时点变化的虚拟变量（包括个体固定效应项）的属个数如果大于N（无截距项情形；有截距项就是N-1个），它只能估计出前N个，其他的都不在模型中；若是采用LSDV法估计个体固定效应模型（reg i.number），是设置了N-1个虚拟变量实现的，如果再往模型里加不随时点变化的虚拟变量（如行业、区域等），模型是会将它们排除在模型里面的。）
所以，一些文献关于，在有个体固定效应的基础上，考虑控制（行业、省份、区域、企业性质、银行所有制性质等）这类不随时间变化的因素的影响时，不知道他们是如何控制的。
【情形1】如果（行业、省份、区域、企业性质、银行所有制性质等）这类不随时间变化的因素设置为虚拟变量，至少目前的软件操作已经告诉了我们这一点，行不通。
【情形2】（如果（行业、省份、区域、企业性质、银行所有制性质等）这类不随时间变化的因素不是设置为虚拟变量，而是用其他数字替代，并以定量变量放置模型，就有两个问题：
（1）如果这些数字是人为赋值的，那就不合适，因为每个人赋予它们的值可能不同，即便是同一个问题，样本、变量等都相同，仅仅赋值不同也会得到不同的估计结果，那谁的赋值是真实的，无人知晓。
（2）若industry1、region1不是人为赋值的量，它们本身就有一个数字（客观、公正的数字）表示它们，只是它们比较特殊不随时间变化而已，那就是一个普通的定量变量，reg回归可以运行，或者随机效应模型里也可以，但个体固定效应回归，xtreg y x1 x2 …… xk i.year region1 industry1, fe r 仍然无法估计。）
当然，如果是在时点效应的基础上或随机效应的基础（或者其他非个体固定效应模型）上，考虑（行业、省份、区域、企业性质、银行所有制性质等）这类不随时间变化的因素的影响，reghdfe、reg、xtreg都是可以做到的；
但是也要注意：不随时间变化的虚拟变量（你想在非个体固定效应模型中控制的变量）的个数之和要小于等于个体数N（无截距项情形；有截距项就是N-1个），否则，会出现在个体固定效应模型中一样的问题。
上面是一些心得与体会，希望能与大家一起交流、学习、讨论。
更多计量经济学、时间序列分析、面板数据模型Stata、EViews视频操作内容、数据，请见（里面有百度云盘地址）：https://bbs.pinggu.org/thread-6211334-1-1.html
或者，经管之家官方置顶帖：https://bbs.pinggu.org/thread-6681760-1-1.html
Stata软件、EViews软件下载地址：https://bbs.pinggu.org/thread-6629658-1-1.html
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
