固定效应模型和混合效应检验难题

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

连老师：
       您好！伍德里奇（2003，P438）和古扎拉蒂（2005，P611）先后指出，如果样本中的横截面是从一个非常大的总体中随机抽取的，那么采用随机效应模型是合适的。但是，当不能把观察值当做从一个大总体中随机抽样时，或者关注的是所选择样本的规律特征时，就得使用固定效应。因为本人做的是关于某一行业的上市公司的财务研究，是一个典型的“大N小T”的非平衡面板数据，因此只考虑使用混合效应模型和固定效应模型。我的问题如下：（1）要不要考虑多重共线性和序列相关问题？（2）采用xtscc是不是已经考虑了异方差和截面相关问题？如果采用xtscc命令应该如何与混合效应做F检验？（3）如果采用命令：xi: y x1 x2 x3, i.year（i.company或者i.year i.company）命令回归得到三种固定效应模型，如何与混合效应进行F检验，得出更优的模型？（4）如果在命令：xi: y x1 x2 x3, i.year（i.company或者i.year i.company）和混合效应回归模型后面附加robust和bootstrap，这两个命令是不是已经考虑了异方差和截面相关问题？以上问题好像在视频中没有很好的讲解，希望能够得到老师的回答！
       谢谢！
                                                                                                                                         STATA。J

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4 回帖

关键词：固定效应模型 效应检验 固定效应 Bootstrap Bootstra 检验 模型 效应 难题

Anonymous 发表于 2010-6-8 22:00
连老师：
       您好！伍德里奇（2003，P438）和古扎拉蒂（2005，P611）先后指出，如果样本中的横截面是从一个非常大的总体中随机抽取的，那么采用随机效应模型是合适的。但是，当不能把观察值当做从一个大总体中随机抽样时，或者关注的是所选择样本的规律特征时，就得使用固定效应。因为本人做的是关于某一行业的上市公司的财务研究，是一个典型的“大N小T”的非平衡面板数据，因此只考虑使用混合效应模型和固定效应模型。我的问题如下：（1）要不要考虑多重共线性和序列相关问题？
A: 如果T很小，我想不必考虑序列相关问题，你可以在计算s.e.的时候采用稳健性标准误即可（如采用xtscc）。当然，为了稳妥起见，你可以采用视频中介绍的方法检验一下序列相关是否存在，并采用 xtregar 估计一下考虑序列相关的模型，与此前的结果做个对比。

（2）采用xtscc是不是已经考虑了异方差和截面相关问题？如果采用xtscc命令应该如何与混合效应做F检验？
A: xtscc 主要考虑异方差、序列相关和截面相关。主要是通过对干扰项的方差-协方差矩阵来设定，其基本思想类似于 White(1980) 的异方差稳健性估计量。
若采用 xtscc y x,fe 估计，只有系数的标准误(以及t值)会发生变化。此时，你仍然可以采用 xtreg y x, fe 命令最后一行报告的F统计量来检验个体效果是否显著。

（3）如果采用命令：xi: y x1 x2 x3, i.year（i.company或者i.year i.company）命令回归得到三种固定效应模型，如何与混合效应进行F检验，得出更优的模型？
A: 这个我在视频中有详细讲解。参见B7_panel 中第二个视频“7.2 时间效应、模型的筛选和常见问题 ”。在“ *- 检验时间效应是否显著”小节中，我介绍了如何采用wald或LR检验来确认时间效应是否显著。你所问的问题在这里可以找到答案。

（4）如果在命令：xi: y x1 x2 x3, i.year（i.company或者i.year i.company）和混合效应回归模型后面附加robust和bootstrap，这两个命令是不是已经考虑了异方差和截面相关问题？
A: 附加robust选项，可以在一定程度上控制异方差，如果希望控制截面相关，你还需附加 cluster(id) 选项。至于 bootstrap 选项，则主要是为了计算系数的标准误，进而计算 t 值。传统的方法是基于大样本，并假设干扰项服从正态分布，进而推断出系数的标准误的表达式。当这一假设无法满足时，得到的标准误可能是有偏的。采用 bootstrap 获取标准误并不需要这一假设，因此相对而言更加稳健。通常而言，bootstrap 选项能够克服异方差和截面相关，与 robust 的作用效果相似。

以上问题好像在视频中没有很好的讲解，
A: 这些内容在视频中都有讲解，我个人认为也比较清晰。要深入理解，还需有个不断熟练的过程，需要反复研读相关理论推倒过程。

希望能够得到老师的回答！
       谢谢！
                                                                                                                                         STATA。J

感谢老师的解答！期待连老师出一本书，一定很畅销！