关于STATA动态面板分析

     1) DPD在估计模型的右边自动加入一阶滞后项, 这个会不会影响原模型估计系数啊？（我自己用System GMM估计了一下，原模型的系数值完全变了，而且有些系数的符号也变了）

     2) 我的估计模型右边自带被解释变量的一阶滞后差分项（D.y[it-1]），能不能用这一项代替一阶滞后项(y[it-1)？ 一阶滞后项的作用好像是消除误模型的内生性，一阶滞后差分项能取而代之吗？

     3）sargan值超0.1的前提下，用于工具变量的解释变量越小越好吗？ 就是说取部分解释变量做工具变量估计结果会更好吗？



     4） Stata里面有没有 调整样本区间的命令啊？就是在同一样本里面调整T的大小？

linxz0613 发表于 2011-1-15 12:04
     1) DPD在估计模型的右边自动加入一阶滞后项, 这个会不会影响原模型估计系数啊？（我自己用System GMM估计了一下，原模型的系数值完全变了，而且有些系数的符号也变了）
A: 请列出你使用的详细命令，最好给出一个范例。选项设定不同往往会导致结果的巨大差异。

     2) 我的估计模型右边自带被解释变量的一阶滞后差分项（D.y[it-1]），能不能用这一项代替一阶滞后项(y[it-1)？ 一阶滞后项的作用好像是消除误模型的内生性，一阶滞后差分项能取而代之吗？
A: 动态面板之所以需要采用 GMM 克服内生性问题，主要是因为 y[it-1] 与个体效应 a_i 相关。然而，D.y[it-1] 与 a_i 并不相关，因此，在模型中加入该项并不会引入内生性问题，无需特别处理。

     3）sargan值超0.1的前提下，用于工具变量的解释变量越小越好吗？ 就是说取部分解释变量做工具变量估计结果会更好吗？
A: 我认为是这样的，工具变量太多会降低估计的效率，产生弱工具变量问题。

     4） Stata里面有没有 调整样本区间的命令啊？就是在同一样本里面调整T的大小？
A: 有，在初级视频中有详细介绍。例如：
     reg y x1 x2 if year>2003
     reg y x1 x2 if  (size>10&year<2006)

  谢谢连老师亲切的答辩， 真是胜读十年Manual啊。。

    1） 我的估计模型的右边自带被解释变量的一阶滞后差分项。您的课程中有用OLS和FE模型做SystemGMM估计效率性的标准，我用固定效果模型（最下偏估计）比较了加和不加一阶滞后项的模型。结果如下， OLS的估计跟FE的结果差不多。

. xtreg  fc3   dl.fc3  dcon3  dep  rfc3  i  ta   frn1, fe r  cluster(id)  

Fixed-effects (within) regression               Number of obs      =       348
Group variable: id                              Number of groups   =        29

R-sq:  within  = 0.8725                         Obs per group: min =        12
       between = 0.9353                                        avg =      12.0
       overall = 0.9040                                        max =        12

                                                F(7,28)            =    103.30
corr(u_i, Xb)  = 0.5613                         Prob > F           =    0.0000

                                    (Std. Err. adjusted for 29 clusters in id)
------------------------------------------------------------------------------
             |               Robust
         fc3 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         fc3 |
         LD. |   .8284162    .177271     4.67   0.000      .465293    1.191539
             |
       dcon3 |   -.111504   .0654094    -1.70   0.099    -.2454892    .0224811
         dep |   .9851547   .0847462    11.62   0.000       .81156    1.158749
        rfc3 |  -.0838315   .0444635    -1.89   0.070    -.1749107    .0072478
           i |  -3.876992   .4710413    -8.23   0.000    -4.841876   -2.912107
          ta |   2.829591   1.227325     2.31   0.029     .3155299    5.343653
        frn1 |   1.913851    .555001     3.45   0.002     .7769828    3.050719
       _cons |   -.327994   .3515896    -0.93   0.359    -1.048193    .3922046
-------------+----------------------------------------------------------------
     sigma_u |  .18043037
     sigma_e |  .10681976
         rho |  .74046832   (fraction of variance due to u_i)
------------------------------------------------------------------------------

. xtreg  fc3   l.fc3  dl.fc3  dcon3  dep  rfc3  i  ta   frn1, fe r  cluster(id)

Fixed-effects (within) regression               Number of obs      =       348
Group variable: id                              Number of groups   =        29

R-sq:  within  = 0.9682                         Obs per group: min =        12
       between = 0.9995                                        avg =      12.0
       overall = 0.9908                                        max =        12

                                                F(8,28)            =   1380.57
corr(u_i, Xb)  = 0.8196                         Prob > F           =    0.0000

                                    (Std. Err. adjusted for 29 clusters in id)
------------------------------------------------------------------------------
             |               Robust
         fc3 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         fc3 |
         L1. |   .9294488   .0371141    25.04   0.000      .853424    1.005474
         LD. |   .4826679   .0735649     6.56   0.000      .331977    .6333587
             |
       dcon3 |   .0393039   .0276015     1.42   0.166    -.0172351    .0958429
         dep |  -.0165078   .0540171    -0.31   0.762    -.1271569    .0941413
        rfc3 |   .0065462   .0178644     0.37   0.717    -.0300474    .0431398
           i |    .193571   .2192272     0.88   0.385    -.2554954    .6426375
          ta |   .8479162   .6881883     1.23   0.228    -.5617736    2.257606
        frn1 |  -.6416758   .3801849    -1.69   0.103    -1.420449    .1370977
       _cons |   .2978077   .2229683     1.34   0.192    -.1589222    .7545375
-------------+----------------------------------------------------------------
     sigma_u |  .03987484
     sigma_e |  .05339258
         rho |  .35804662   (fraction of variance due to u_i)
------------------------------------------------------------------------------

    根据动态面板估计理论， 这两个估计不应该有这么大的差异。这应该怎么解释啊？是模型本身和数据的问题吗？

  2） 还有一个问题， 用对数转换平稳序列的时候， Ln（X+a）和 Ln（（X+a)/a）两种方法中那一种比较合理？ 各个序列平均的移动对估计结果没有太大影响（除系数大小变化外）吧？

  3） gmm（）选项中 Collapse 选项对小样本的估计结果有无大的影响啊？？

  等候您的答复。再次感谢！！！