普通logit命令可以处理面板数据吗？

我研究的是并购重组问题。被解释变量是企业并购类型（0、1虚拟变量），解释变量是企业股权性质等，控制变量包含并购交易发生的年份（虚拟变量）和企业所在的行业（虚拟变量）。

样本是2009-2013年企业并购数据，共5年、涉及40个行业、共700个样本。（样本及模型情况可参见帖子https://bbs.pinggu.org/thread-4611272-1-1.html）

可能存在的问题：如果模型存在固定效应，那么用普通logit回归会产生伴随参数问题，即因为控制变量中虚拟变量太多会导致β估计的非一致性。


我的问题是：
1、面板数据一定就要用固定效应或随机效应模型中一种吗？即处理面板数据一定要用xtlogit，不能用logit吗？是否可以忽略固定效应和随机效应，直接用普通logit模型来回归？
2、看了一些文献，感觉即使用豪斯曼检验、条件logit回归同样存在一些问题，那么针对我研究的问题，是否一定要用条件logit来做勒？


非常感谢。

可以用pool，外加cross section或者时间的dummy来控制fixed effect；

austen06 发表于 2016-6-6 10:57
可以用pool，外加cross section或者时间的dummy来控制fixed effect；

非常感谢您的回复。但我想问的是是否能直接用普通logit。
另外，我本身就是用时间虚拟变量来控制的，这不正是产生伴随参数问题的原因吗？

我说的就是用普通logit做的啊。我不太清楚“伴随参数”的问题，但我觉得这不是重点，如果这个问题频繁出现，文献里应该经常讨论，否则忽视它也是可以的

austen06 发表于 2016-6-6 11:20
我说的就是用普通logit做的啊。我不太清楚“伴随参数”的问题，但我觉得这不是重点，如果这个问题频繁出现， ...

能详细解释一下如何用pool、crosssection或时间dummy来做吗？
我的做法是直接给年份和行业设置虚拟变量，然后将所有数据直接用logit命令来回归（具体做法见https://bbs.pinggu.org/thread-4611272-1-1.html）。请问这样可以吗？
如果不是这样，应该怎么实现？

参见Green econometrics analysis 第七版 716页，讲的很详细

austen06 发表于 2016-6-6 12:34
参见Green econometrics analysis 第七版 716页，讲的很详细

查看了green的书，上面是理论推导。我是想问，具体的操作中，用数据、用stata如何去实现。
非常感谢。

diegols 发表于 2016-6-6 14:39
查看了green的书，上面是理论推导。我是想问，具体的操作中，用数据、用stata如何去实现。
非常感谢。

就按照你刚刚说的，以及之前那个帖子你提到的方法，生成dummy，然后把dummy放到logit回归中去。外加时间的dummy，把这个panel变成cross section的panel，用正常的logit估计。至于扰乱其他系数估计的准确性是有些道理的，因为dummy吸收了其他变量的一些信息，严重的情况可能就是使其他很多本该显著的系数变得不显著了。但如果其他那些变量有足够的variation（一个极端的反例就是某一变量对于所有obs都一样，那么这个变量肯定不显著，完全被cross section dummy吸收），该显著的还是会显著。

另外我个人觉得你先试着估计几个模型，看效果如何，如果好，你就argue一下你的specification是合理的，再看看有没有进一步改进的空间；如果你一开始就想着要弄一个完美的specification，但是关键系数不显著，故事讲不下去，一切都是白搭。

austen06 发表于 2016-6-6 15:02
就按照你刚刚说的，以及之前那个帖子你提到的方法，生成dummy，然后把dummy放到logit回归中去。外加时间的 ...

也就是说，面板数据同样可以使用普通logit回归，而不必一定用固定效应模型和随机效应模型中的一种。
按照之前的做法，对year设置虚拟变量后，就将面板数据转换为了截面数据，因此是可以使用普通logit进行回归的。因为这个时候，模型不存在固定效应或随机效应的说法了。
是这样吗？
但是在“Panel Data 3: Conditional Logit/ Fixed Effects Logit Models”这篇文章中，page3中的案例同样对year进行了控制（同样是设置虚拟变量的方式），但仍使用的是固定效应模型。请问这是为什么勒？

请问最后你的这篇文章用了普通logit回归么？有没有控制行业和时间固定效应啊？还是只是加入了行业和时间的虚拟变量