计数模型xtnbreg和nbreg取舍问题

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

请问，在计数模型中，经过检验发现面板负二项分布最适合数据，但是回归结果发现xtnbreg,fe会自动删除组内观测值为1的非平衡数据（这点与xtreg不同），导致数据大量缺失。如果用xtnbreg,re虽然不会剔除组内观测值为1的数据，但是随机效应模型通不过hausman test。而用nbreg不会导致数据缺失，无法控制个体固定效应，请问大家应该选择哪个模型进行计数模型回归，实在感谢！！！

1. egen daf=group(firmid)
   
2. xtset daf year
   
3. 
   
4. xtnbreg firmNum tfp exp age  i.year ,fe
   
5. 
   
6. xtnbreg firmNum tfp exp age  i.year ,re
   
7. 
   
8. nbreg firmNum tfp exp age  i.year cic4,r nolog difficult

复制代码

部分数据如下所示

1. clear
   
2. 
   
3. input int firmNum str10 firmid float year int age float expinten int cic4 float tfp
   
4. 1 "3713960402" 2007  8            0 2643  1.8726715
   
5. 1 "4403131743" 2003 19            1 4043  3.5011976
   
6. 1 "3119940070" 2008 17     .6035028 4043   2.498123
   
7. 1 "3701910858" 2006 51    .10787103 3544   1.350484
   
8. 1 "3720910166" 2005 35     .0410808 3230  1.9161437
   
9. 1 "3203960166" 2004  1     .3719474 1722   .5926956
   
10. 1 "3702249759" 2005  4   .033108007 3954  1.1292802
    
11. 1 "3205240350" 2008  7     .9862022 3921          .
    
12. 1 "3311930175" 2004 12     .5924495 3482  1.4598887
    
13. 1 "2101911507" 2008  4            0 3725   4.913646
    
14. 1 "4405141161" 2008 15     .4534292 3152   2.736627
    
15. 1 "4420944304" 2007 13    .08450302 3530  3.7712514
    
16. 1 "4401923133" 2000  9     .4750388 4260   .3025835
    
17. 1 "3118930369" 2003  4     .7107127 3090  .19495225
    
18. 1 "4101931172" 2004 12   .009818167 3721   1.569183
    
19. 1 "3311962294" 2005  8   .067031145 3952   .4730142
    
20. 1 "4215911013" 2004  9    .06410257 2920   .4261812
    
21. 1 "3320950352" 2005 13     .7291654 3731  1.7543038
    
22. 1 "3301930769" 2004 12   .005777623 2311   .6296975
    
23. 1 "4403163837" 2004  4     .8477874 4039  1.4999024
    
24. 1 "3206964058" 2006  6     .3041511 1351  1.4509985
    
25. 1 "3302950050" 2003  9     .5523046 3529   .4971354
    
26. 1 "4403162739" 2005 13     .3937298 3725  1.3504524
    
27. 1 "3205942434" 2006  4     .4602908 3672   .3355467
    
28. 1 "1207240188" 2006  9     .8938636 2710          .
    
29. 1 "1108310320" 2008 12     .2395437 3552  4.1525016
    
30. 1 "3702961103" 2007  9    .08152027 1370  1.6090382
    
31. 1 "3315960100" 2005  8    .08595744 3451   1.347958
    
32. 1 "4423940792" 2006  8     .8432964 3592   .9135461
    
33. 1 "4204910025" 2000 43   .032744676 3542   .9082215
    
34. 1 "4419941036" 2000  4     .6856459 2190  .21498844
    
35. 1 "2101911022" 2003 67   .029510874 3663  .13218309
    
36. 1 "5013960332" 2007 16      .402028 3732  1.2708007
    
37. 1 "3303966014" 2005 10     .1536684 4061  1.1088117
    
38. 1 "4403918005" 2002 19     .7744694 4160  1.3772595
    
39. 1 "3312950015" 2001 17    .18007496 4073  1.1760871
    
40. 1 "3204910339" 2004 44    .04162695 3613   1.400681
    
41. 1 "4422930808" 2000  6     .4159435 3487  .56796366
    
42. 1 "5101933522" 2006  4            0 3411  2.5793645
    
43. 1 "4407942183" 2002  3            0 3483    .736103
    
44. 1 "4207930139" 2005  3     .9576342 2710 -.26460403
    
45. 1 "3120930277" 2002  3            0 3732          .
    
46. 1 "3202945806" 2005 12     .6378401 3631  1.4061296
    
47. 1 "4401240232" 2004  3 .00026564728 4059  3.3313525
    
48. 1 "3205240271" 2004  4   .034365475 3953    .931609
    
49. 1 "3316910002" 2000 36    .22166742 3649  1.1252263
    
50. 1 "4420932784" 2007  6     .8465515 3577  1.7575016
    
51. 1 "3402930154" 2007  5            0 3725   .8717861
    
52. 1 "4403130368" 2002 12            1 4219          .
    
53. 1 "4403136464" 2001  3     .8063009 4160  1.6850787
    
54. 1 "3306967209" 2004  5            0 3721  -.1632292
    
55. 1 "3701961558" 2004  8    .05943169 2720  1.6555905
    
56. 1 "4403962788" 2008  7     .1223317 4043  1.8513986
    
57. 1 "3211912018" 2005 14     .6822054 3552  1.0788188
    
58. 1 "1306932219" 2008 19    .03627726 2422  1.8458344
    
59. 1 "4422920403" 2000  6     .5830306 4069   .7897458
    
60. 1 "3118941022" 2007  4    .14605348 3191  1.6566333
    
61. 1 "3317960094" 2008  1      .666579 3971          .
    
62. 1 "3222961171" 2008 27    .12473685 3691          .
    
63. 1 "1302910138" 2007  7            0 1540  .25913382
    
64. 1 "3321940027" 2003  9     .9177154 3424  1.9687473
    
65. 1 "3110955012" 2004 49     .8823608 1810  .21504766
    
66. 1 "1306960581" 2006  2     .2750782 3721  .53245103
    
67. 1 "1308910012" 2000 52    .00363879 3531  .25446016
    
68. 1 "3715961467" 2008 12    .05968173 3924  1.1639538
    
69. 1 "4403940084" 2000  9            1 4064  1.9312238
    
70. 1 "3204963109" 2007 15    .09164713 3147  2.2074919
    
71. 1 "3120920056" 2007 15            0 3040 -.23574005
    
72. end

复制代码

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0 回帖

请问题主解决了吗？我也遇到同样问题，可以交流一下计数模型吗，感谢~

请问题主解决了吗？

这是个好问题 ，期待答案！

请问楼主解决了吗？我也遇到同样的问题

在面板数据的计数模型中，选择固定效应（Fixed Effects, FE）还是随机效应（Random Effects, RE），或者使用非面板的负二项回归（Negative Binomial Regression, nbreg），主要取决于你的研究目的和对数据特性的理解。

1. **xtnbreg, fe**：此命令适用于当个体固定效应是感兴趣的参数时，或当你假设不可观测的个体特征与解释变量相关。然而，如你所提到的问题，在使用`fe`选项时，xtnbreg会自动删除所有组内只有一个观察值（即时间点）的数据。这是因为它无法估计固定的个体效应。如果数据缺失严重且这些被删掉的个体对结果有重要影响，这可能是一个问题。

2. **xtnbreg, re**：此命令允许模型包含随机个体效应，假设不可观测的个体特征与解释变量不相关。但是你提到通过Hausman test发现固定效应和随机效应模型之间存在显著差异，这意味着使用随机效应模型可能会产生有偏估计。如果hausman test结果强烈建议使用FE模型，那么RE可能不是最佳选择。

3. **nbreg**：非面板数据的负二项回归不考虑个体间的固定或随机效应。在你的情况下，这可能是唯一不会导致数据缺失的选择，但同时也意味着无法控制个体层面的时间不变效应。

### 解决方案：

- 如果Hausman test强烈建议使用FE模型，并且你认为控制个体固定效应对你的研究非常重要，那么可能需要重新考虑数据收集过程或寻找能够保留更多观测值的方法。例如，可以尝试增加时间点（如果可能），或者使用其他统计软件包，看看是否有不同的处理方式来避免删除单个观察值的个体。

- 如果nbreg结果与理论预期一致，并且你认为控制个体效应不是研究的核心问题，那么可以直接使用nbreg。然而，在报告结果时，需要清楚地说明为何选择不控制个体效应的理由，并讨论这可能如何影响你的解释和结论。

- 另外一种解决方案是尝试其他统计软件包（如R、SAS等），它们在处理此类模型时可能有不同的方法或选项来保留数据点而不删除单个时间观测值的个体。例如，可以探索允许零膨胀或者混合效应负二项回归的可能性。

总之，在做最终决策前，请仔细评估你的研究目标和数据特性，并考虑所有可用的方法及其潜在影响。

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