关于面板数据截面相关的问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

最近在做一篇论文，我的数据是短面板，N=49，T=8。目前碰到了以下问题：

1、在检验截面相关性的时候，用了STATA的pesaran、fri、free检验，最后pesara给出的结果是存在截面相关（P值为0），而后面两个半参数检验给出的结果跟Pesaran检验是相反的，fri检验的P值甚至高达0.9999。想请问，在这种情况下应该相信哪一个检验结果呢？

我的命令是: qui xtreg y x,fe
xtcsd, pesaran
xtcsd, fri
xtcsd, free abs show

2、对于短面板，是否只需考虑截面相关？不用考虑每个个体各期取值的相关性？所以处理方法就只是对时间进行聚类分析报告标准差（cluster time）对吗？
由于我对维度的设定是xtset province time，因而STATA只能CLUSTER province，这种聚类分析，在Hausman检验给出应当使用固定效应的情形下，我可以用LSDV法来替代FE估计，并且在后面加上CLUSTER TIME来解决；但是在hausman检验给出应当使用随机效应的情形下，就没有替代方法了，这种情况下，应当怎么去cluster time？是不是重新设定xtset time province再来cluster time就可以了？如果这样做，那我的短面板不就变成长面板了吗？是不是又要重新考虑各种检验？有没有其他解决随机效应存在截面相关的好办法呢？

3、按照连玉君老师的说法，STATA在做HAUSMAN TEST的时候，如果最后一行报告固定效应模型和随机效应模型的参数估计方差的差是一个非正定矩阵，即sqrt(diag(V_b-V_B)) 一项全为缺失值，那么普通HAUSMAN检验可能就没有用。此时，按照陈强书里说的，先做一个辅助回归，再做HAUSMAN TEST，命令是：
qui xtreg y x,re theta
global yandxforhausman y x
sort province
foreach x of varlist $yandxforhausman{
  2. by province:egen mean'x'=mean('x')
  3. gen md'x'='x'-mean'x'
  4. gen red'x'='x'-theta*mean'x'
  5. }

到这一步的时候，STATA给出了一个错误报告，代码是198，All items in this list indicate invalid syntax。不知道语法错在哪里？
下图是陈强书上的原话，我基本就一步一步做的，但不知道问题出在什么地方。


请高手帮忙解答一下！谢谢！！！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏9 回帖

关键词：关于面板数据 面板数据 Hausman检验 province indicate 相关性 论文

自己顶一下！

看一下 xtcsd 帮助文件

关注，同问

1. 对于你的第二点中，谈到要重新设定 xtset time province。千万不要这么做，否则你估计的结果都是错的！
2. 如果你是担心回归 disturbance term 存在 cross-sectional dependence/correlation，cluster(time) 应可提供（估计系数）正确之标准差（standard errors）。
3. 我没有要说做 Hausman test 不对的，毕竟"遵循古法炼制（按照教科书）"一步一步做总是没问题的！但看了那么多论坛的相关问题后，总觉得大家都太拘泥于仰赖 Hausman test (random effect vs fixed effect) 来选取 RE 或 FE。然而，我认为就我所接触顶尖财经文献中所显示，现在当今的趋势是牺牲一点效率性 （计量中的 efficiency），以换取较顽强 (robust) 之一致性（consistency）结果，这有点像 GMM 较 MLE 越来越受到欢迎的原因之一。所以 FE (fixed-effect) estimator 才会那么被常用；也就是"不管真实的情况是 individual-specific effect 与其他解释变量有无关系" ，FE estimator 都是 consistent! 而 RE (random-effect) estimator 只有在 individual-specific effect 与其他解释变量"没有关系"下，才是 consistent (且为 efficient，有较小之变异数 variance)，不然就会变成 inconsistent!

对于第三个问题：
        原始是Microeconometrics Using Stata 书上第8章讲的，而不是陈强的书，
你如果看原始的书提供的程序就知道了http://www.stata-press.com/data/musr.html。



官网提供的原始的命令如下
mus08p1panlin-hausman.do (2 KB)

2016-7-25 19:12:16 上传

mus08psidextract.dta (277.78 KB)

2016-7-25 19:12:16 上传

1. * mus08p1panlin.do Oct 2009 for Stata version 11
   
2. 
   
3. cap log close
   
4. 
   
5. ********** OVERVIEW OF mus08p1panlin.do **********
   
6. 
   
7. * Stata program
   
8. * copyright C 2010 by A. Colin Cameron and Pravin K. Trivedi
   
9. * used for "Microeconometrics Using Stata, Revised Edition"
   
10. * by A. Colin Cameron and Pravin K. Trivedi (2010)
    
11. * Stata Press
    
12. 
    
13. * Chapter 8
    
14. * 8.3: PANEL-DATA SUMMARY
    
15. * 8.4: POOLED OR POPULATION-AVERAGED ESTIMATORS
    
16. * 8.5: WITHIN ESTIMATOR
    
17. * 8.6: BETWEEN ESTIMATOR
    
18. * 8.7: RANDOM EFFECTS ESTIMATOR
    
19. * 8.8: COMPARISON OF ESTIMATORS
    
20. * 8.9: FIRST DIFFERENCE ESTIMATOR
    
21. * 8.10: LONG PANELS
    
22. * 8.11: PANEL-DATA MANAGEMENT
    
23. 
    
24. ******* 8.8: COMPARISON OF ESTIMATORS
    
25. 
    
26. use mus08psidextract.dta, clear
    
27. 
    
28. * Compare OLS, BE, FE, RE estimators, and methods to compute standard errors
    
29. global xlist exp exp2 wks ed
    
30. quietly regress lwage $xlist, vce(cluster id)
    
31. estimates store OLS_rob
    
32. quietly xtreg lwage $xlist, be
    
33. estimates store BE
    
34. quietly xtreg lwage $xlist, fe
    
35. estimates store FE
    
36. quietly xtreg lwage $xlist, fe vce(robust)
    
37. estimates store FE_rob
    
38. quietly xtreg lwage $xlist, re
    
39. estimates store RE
    
40. quietly xtreg lwage $xlist, re vce(robust)
    
41. estimates store RE_rob
    
42. estimates table OLS_rob BE FE FE_rob RE RE_rob,  ///
    
43.   b se stats(N r2 r2_o r2_b r2_w sigma_u sigma_e rho) b(%7.4f)
    
44. 
    
45. * Hausman test assuming RE estimator is fully efficient under null hypothesis
    
46. hausman FE RE, sigmamore
    
47. 
    
48. * Robust Hausman test using method of Wooldridge (2002)
    
49. quietly xtreg lwage $xlist, re
    
50. scalar theta = e(theta)
    
51. global yandxforhausman lwage exp exp2 wks ed
    
52. sort id
    
53. foreach x of varlist $yandxforhausman {
    
54.   by id: egen mean`x' = mean(`x')
    
55.   generate md`x' = `x' - mean`x'
    
56.   generate red`x' = `x' - theta*mean`x'
    
57.   }
    
58. quietly regress redlwage redexp redexp2 redwks reded mdexp mdexp2 mdwks, vce(cluster id)
    
59. test mdexp mdexp2 mdwks
    
60. 
    
61. * Prediction after OLS and RE estimation
    
62. quietly regress lwage exp exp2 wks ed, vce(cluster id)
    
63. predict xbols, xb
    
64. quietly xtreg lwage exp exp2 wks ed, re  
    
65. predict xbre, xb
    
66. predict xbure, xbu
    
67. summarize lwage xbols xbre xbure
    
68. correlate lwage xbols xbre xbure

复制代码

学习了。mark

请问楼主的第一个问题解决了吗？在用xtcsd在检验截面相关的时候，xtcsd,pes 的值接近于，但xtcsd,fri 检验的配置达到0.99，这是不存在截面相关吗？

请问楼主第一个问题解决了吗

面对不同检验方法给出了截面相关性相反的结果，通常这可能是因为这些检验对数据集的敏感度和假设条件存在差异。Pesaran、fri 和 free 检验都有其特定的应用场景和理论基础，但当它们产生矛盾结果时，你需要考虑几个因素：

1. **样本大小与时间长度**：你提到的是短面板数据（N=49, T=8），这可能使得某些检验方法不够稳健。Pesaran 的截面相关性检验在大样本情况下表现较好，而对于较小的 N 或较短的时间序列，可能会过检。相比之下，fri 和 free 检验可能对小样本和短面板数据更为适宜。

2. **数据结构**：考虑你的数据是否存在异方差、自相关或是其他违反假设的情况，这些都可能影响检验结果的有效性。

3. **理论背景与领域知识**：基于你研究领域的先验知识，哪种类型的截面相关更有可能存在？这可以为你选择合适的检验提供线索。

面对这种矛盾的结论，建议：

- 对数据进行更多的探索分析，例如检查异方差、自相关和可能的异常值。
- 尝试使用不同软件包重复检验，有时不同的实现方式可能会导致轻微的结果差异。
- 如果条件允许，考虑寻求领域内专家的意见或进一步理论验证。

对于你的第二点问题：

在短面板数据中，确实需要考虑截面相关性（cross-sectional dependence, CD），但这并不意味着可以忽视时间维度上的自相关性。两者都可能影响标准误的估计和模型的有效性。处理方法上，并不局限在仅对时间进行聚类分析报告标准差。例如，在固定效应模型中使用 LSDV 法确实是一种选择，但即使 Hausman 检验建议采用随机效应模型时，也可以考虑使用面板数据的广义最小二乘法（GLS）或调整后的估计方法来处理可能存在的截面和时间相关性。

在使用集群标准误（clustered standard errors）时，STATA 可能确实默认按照省份进行聚类。然而，对于短面板数据，你也可以尝试对时间和/或省份同时进行双层聚类分析，以更稳健地估计标准误。这通常通过添加 `vce(cluster var1 var2)` 来实现，在随机效应模型中尤其适用。

总之，面对截面相关性和时间序列特性时，重要的是综合考虑数据的性质、检验结果和理论预期，选择最合适的建模策略。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用