短面板数据检查出异方差之后该怎么办呢？

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

1.可以用xtreg, fe robust 么？（因为fe要通过豪斯曼检验确定，但是豪斯曼不可以在异方差的情况下使用，我有点疑惑）
2.还是要用FGLS呢？（但是xtpsce既要有异方差也要有序列相关，短面板有必要测序列自相关么？

我主要是想看一下系数 希望显著一点

麻烦大家帮帮忙

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3 回帖

关键词：序列自相关 豪斯曼检验 序列相关 异方差 豪斯曼

面板数据异方差处理方法

　　实际上，在处理面板数据线性回归时，主要考虑固定效应模型与pooled OLS的异方差问题。因为随机效应模型使用GLS估计，本身就已经控制了异方差。

　　Huber (1967)、Eicker (1967) 和 White (1980)提出了异方差—稳健方差矩阵估计，该方法能够在考虑异方差情况下求出稳健标准误。利用异方差稳健标准误对回归系数进行t检验和F检验都是渐近有效的。这就意味着，如果出现异方差，仍然可以使用OLS回归，只需结合使用稳健标准误即可。在STATA中，异方差—稳健标准误可以在“reg”或者“xtreg”语句后，加选择性命令“robust”即可得到。但是这一方法有一个假设的前提：残差项是独立分布的。

　　Parks(1967)提出了可行广义最小二乘法（FGLS），一般用于随机效应模型估计。基本思路是：先估计固定效应模型，得到〖个体误差项方差σ〗_ε^2 的估计值〖  σ ?〗_ε^2。继而估计混合OLS模型，利用其残差和第一步得到的〖  σ ?〗_ε^2,即可估计出总体误差项的方差σ ?_μ^2 。FGLS 估计量在N→∞或T→∞或二者都成立的情况下，都是渐进有效的。在STATA中，运用可行广义最小二乘法的命令是：xtgls。FGLS 要比“OLS+稳健标准误”处理异方差的方法更为有效，特别是在大样本的情况下。但是在更一般的情况下，“OLS+稳健标准误”比FGLS稳健，因为前者不需要估计条件方差函数的形式。

　　Beck and Katz (1995) 认为FGLS产生的标准误过小。为解决这一影响，他们提出了面板校正标准误（PCSE）来估计OLS的系数。在STATA中，带PCSE的pooled OLS可以由xtpcse获得。但是PCSE仅为T→∞时渐进有效的。当T/N 较小时，这一方法则不够精确。

　　Driscoll& Kraay (1998)提出了在N→∞的情况下渐近有效的非参数协方差矩阵估计方法，能够获得控制异方差和自相关的一致标准误，克服了PCSE在N→∞情况下不够准确的问题。在STATA中，获得Driscoll&Kraay 标准误的命令是xtscc。需要说明的是，xtscc只适用于估计pooled OLS和固定效应（组内）回归模型。

gdm401 发表于 2019-4-18 08:00
面板数据异方差处理方法

　　实际上，在处理面板数据线性回归时，主要考虑固定效应模型与pooled OLS的异 ...

您好 请问固定效应组内回归和普通固定效应有什么区别么？不是每个个体有对应的截距项么？

gdm401 发表于 2019-4-18 08:00
面板数据异方差处理方法

　　实际上，在处理面板数据线性回归时，主要考虑固定效应模型与pooled OLS的异 ...

您好 请问固定效应组内回归和普通固定效应有什么区别么？不是每个个体有对应的截距项么？

gdm401 发表于 2019-4-18 08:00
面板数据异方差处理方法

　　实际上，在处理面板数据线性回归时，主要考虑固定效应模型与pooled OLS的异 ...

您好 请问固定效应组内回归和普通固定效应有什么区别么？不是每个个体有对应的截距项么？

gdm401 发表于 2019-4-18 08:00
面板数据异方差处理方法

　　实际上，在处理面板数据线性回归时，主要考虑固定效应模型与pooled OLS的异 ...

您好 请问固定效应组内回归和普通固定效应有什么区别么？不是每个个体有对应的截距项么？

gdm401 发表于 2019-4-18 08:00
面板数据异方差处理方法

　　实际上，在处理面板数据线性回归时，主要考虑固定效应模型与pooled OLS的异 ...

您好 请问固定效应组内回归和普通固定效应有什么区别么？不是每个个体有对应的截距项么？

对模型（1）进行OLS估计，全部参数估计量都是无偏的和一致的。模型的自由度是N T –1–N。

当模型含有k个解释变量，且N很大，相对较小时，因为模型中含有k + N个被估参数，一般软件执行OLS运算很困难。在计量经济学软件中是采用一种特殊处理方式进行OLS估计。

估计原理是，先用每个变量减其组内均值，把数据中心化（entity-demeaned），然后用变换的数据先估计个体固定效应模型的回归系数（不包括截距项），然后利用组内均值等式计算截距项。这种方法计算起来速度快。具体分3步如下。

（1）首先把变量中心化（entity-demeaned）。

仍以单解释变量模型（3）为例，则有

= gi + b1 + , i = 1, 2, …, N (4)

其中 = ， = ， = , i = 1, 2, …, N。公式(1)、(4)相减得，

(yit - ) = b1(xit - ) + (eit - ) (5)

令(yit - ) = ，(xit - ) = ，(eit - ) = ，上式写为

= b1 + (6)

用OLS法估计（1）、（6）式中的b1，结果是一样的，但是用（6）式估计，可以减少被估参数个数。

（2）用OLS法估计回归参数（不包括截距项，即固定效应）。

在k个解释变量条件下，把 用向量形式 表示，则利用中心化数据，按OLS法估计公式计算个体固定效应模型中回归参数估计量的方差协方差矩阵估计式如下，

( ) = ( ' )-1 (7)

其中 = ， 是相对于 的残差向量。

（3）计算回归模型截距项，即固定效应参数gi。

gdm401 发表于 2019-4-18 08:00
面板数据异方差处理方法

　　实际上，在处理面板数据线性回归时，主要考虑固定效应模型与pooled OLS的异 ...

“因为随机效应模型使用GLS估计，本身就已经控制了异方差” 这个没那么简单吧？？GLS所需的“随机项协方差阵的估计结果” 显然是取决于你之前是怎么设定的，设定有异方差和设定不存在异方差，估计的结果是不一样的