滚动回归是一种计量方法,理论上就是自变量和因变量的样本区间不断后移,求得不同的系数值。 本文使用了3年(包括2年滞后期)的数据来滚动计算ROA标准差。 本文选用的是面板数据回归模型,但是被解释变量是方差和标准差形式,对于同一家银行来说,样本期间的标准差值只有一个,因此为了得到标准形式的面板数据,借鉴Rousseau和Wachtel (2002)使用过的滚动面板回归方法,对数据进行一些处理。 在计算每家银行的风险指标时,每三年为一个计算区间,计算三年间银行的风险指标,相应地,被解释变量和控制变量用对应三年区间的平均值表示。原始数据样本是14家商业银行1997至2008年12年的数据,共168个观测值。为了保留尽可能多的观测值,采取一种滚动平均的方式,例如,1997年至1999为第一个计算区间,获得一组样本值;1998年至2000年为第二个计算区间,获得第二组样本值;...;2006年至2008年为第十个计算区间,获得第十组样本值。经过滚动处理,新的样本容量是14家银行十个计算区间共140个样本值,损失28个自由度。 set more off gen std_roaa=. label var std_roaa "Standard Devitaion of ROAA" local year=1998 forv bank=1/5 { forv year=1998/2012 { sum roaa if year=`year'+1bank==`bank' replace std_roaa=r(sd) if year==`year++'bank==`bank' } } list