关于固定效应模型

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

请教：

（1）

tsset code year

xtreg y x i.industry i.year,fe

（2）xi:reg y x i.code i.industry i.year

上面两个均为固定效应模型的stata回归命令，请问这二者有什么区别。命令书写是否有错误。

感谢~

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1 回帖

关键词：固定效应模型 固定效应 Industry xtreg Stata

你用数据试试就知道结果了
参数估计的是一样的
下面是随便一个数据测试的结果你看x的参数估计、年份的参数估计

1. . xtreg y x i.industry i.year,fe
   
2. note: 2.industry omitted because of collinearity
   
3. note: 3.industry omitted because of collinearity
   
4. note: 4.industry omitted because of collinearity
   
5. 
   
6. Fixed-effects (within) regression               Number of obs     =      1,000
   
7. Group variable: code                            Number of groups  =        200
   
8. 
   
9. R-sq:                                           Obs per group:
   
10.      within  = 0.0098                                         min =          5
    
11.      between = 0.0039                                         avg =        5.0
    
12.      overall = 0.0084                                         max =          5
    
13. 
    
14.                                                 F(5,795)          =       1.57
    
15. corr(u_i, Xb)  = 0.0046                         Prob > F          =     0.1669
    
16. 
    
17. ------------------------------------------------------------------------------
    
18.            y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
    
19. -------------+----------------------------------------------------------------
    
20.            x |   .0414035   .0338444     1.22   0.222    -.0250314    .1078383
    
21.              |
    
22.     industry |
    
23.           2  |          0  (omitted)
    
24.           3  |          0  (omitted)
    
25.           4  |          0  (omitted)
    
26.              |
    
27.         year |
    
28.           2  |   .1171286   .0981695     1.19   0.233    -.0755735    .3098307
    
29.           3  |   .0343035   .0981101     0.35   0.727     -.158282     .226889
    
30.           4  |   .1309097   .0981102     1.33   0.182     -.061676    .3234954
    
31.           5  |   .2182204   .0981222     2.22   0.026     .0256113    .4108296
    
32.              |
    
33.        _cons |  -.1432494   .0693639    -2.07   0.039    -.2794074   -.0070914
    
34. -------------+----------------------------------------------------------------
    
35.      sigma_u |   .4579236
    
36.      sigma_e |  .98094907
    
37.          rho |  .17892667   (fraction of variance due to u_i)
    
38. ------------------------------------------------------------------------------
    
39. F test that all u_i=0: F(199, 795) = 1.09                    Prob > F = 0.2139
    
40. 
    
41. .
    
42. . reg y x i.code i.industry i.year
    
43. note: 2.industry omitted because of collinearity
    
44. note: 3.industry omitted because of collinearity
    
45. note: 4.industry omitted because of collinearity
    
46. 
    
47.       Source |       SS           df       MS      Number of obs   =     1,000
    
48. -------------+----------------------------------   F(204, 795)     =      1.10
    
49.        Model |   216.91263       204  1.06329721   Prob > F        =    0.1763
    
50.     Residual |  764.997564       795  .962261087   R-squared       =    0.2209
    
51. -------------+----------------------------------   Adj R-squared   =    0.0210
    
52.        Total |  981.910195       999  .982893088   Root MSE        =    .98095
    
53. 
    
54. ------------------------------------------------------------------------------
    
55.            y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
    
56. -------------+----------------------------------------------------------------
    
57.            x |   .0414035   .0338444     1.22   0.222    -.0250314    .1078383
    
58.              |
    
59.         code |
    
60.           2  |  -.5453125   .6207369    -0.88   0.380     -1.76379    .6731646
    
61.           3  |   .1839119   .6204077     0.30   0.767    -1.033919    1.401743
    
62. 这里太长了，就不列出来了
    
63.         198  |  -.7294617   .6205994    -1.18   0.240    -1.947669    .4887453
    
64.         199  |   .4043869   .6204412     0.65   0.515    -.8135095    1.622283
    
65.         200  |  -.2281049   .6204735    -0.37   0.713    -1.446065     .989855
    
66.              |
    
67.     industry |
    
68.           2  |          0  (omitted)
    
69.           3  |          0  (omitted)
    
70.           4  |          0  (omitted)
    
71.              |
    
72.         year |
    
73.           2  |   .1171286   .0981695     1.19   0.233    -.0755735    .3098307
    
74.           3  |   .0343035   .0981101     0.35   0.727     -.158282     .226889
    
75.           4  |   .1309097   .0981102     1.33   0.182     -.061676    .3234954
    
76.           5  |   .2182204   .0981222     2.22   0.026     .0256113    .4108296
    
77.              |
    
78.        _cons |   .0846018   .4430605     0.19   0.849    -.7851049    .9543085
    
79. ------------------------------------------------------------------------------

复制代码

蓝色 发表于 2019-8-18 08:34
你用数据试试就知道结果了
参数估计的是一样的
下面是随便一个数据测试的结果你看x的参数估计、年份的参数 ...

看到了，感谢。
还有两个问题想问一下。
（1）采用固定效应模型xtreg，像上面一样行业被omitted一般要怎么处理。
（2）第二条命令，我原来的是xi:reg y x i.code i.industry i.year，您的命令是reg y x i.code i.industry i.year，好像不太一样哎。xi:reg 命令要怎么用呀，请教，感谢~

ww_c 发表于 2019-8-17 20:40
请教：
（1）tsset code yearxtreg y x i.industry i.year,fe

xtreg前面那个tsset好像不太对吧，tsset是定义时间序列数据的，面板要用xtset吧

sunxueli6850 发表于 2019-8-18 11:07
xtreg前面那个tsset好像不太对吧，tsset是定义时间序列数据的，面板要用xtset吧

感谢！
那请问第二个模型书写正确吗？
xi:reg那一个

1、查帮助看介绍

2、自己用数据执行一下，对比一下就知道了