面板probit模型不能用固定效应， 那在做xtprobit回归时，还能控制年份、所有制这些吗

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

理解的不是很清楚，麻烦大佬讲解一下，万分感谢！！！另外，在运行如下程序的时候可以出结果，是不是代表这样做是可以的呢？
xtprobit y x1 x2 x3 x4 i.year

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2 回帖

关键词：Probit回归 XTPROBIT Probit 固定效应 Rob

请看看 http://sites.bu.edu/ivanf/research/ 的

1. probitfe and logitfe: Bias Corrections for Probit and Logit Panel Models with Two-Way Fixed Effects *
   
2. (with Mario Cruz-Gonzalez and Martin Weidner)
   
3. ado, help and data files for logitfe
   
4. ado, help and data files for probitfe
   
5. September 2017, The Stata Journal 17(3), pp. 517-545

复制代码

黃河泉 发表于 2020-9-23 10:45
请看看 http://sites.bu.edu/ivanf/research/ 的

谢谢黄老师 ！

厉害厉害赚积分 发表于 2020-9-23 21:16
谢谢黄老师 ！

你好，所以是可以还是不可以用呢？

在面板数据模型中，我们通常会遇到两种效应：固定效应（Fixed Effects, FE）和随机效应（Random Effects, RE）。然而，对于Probit回归而言，由于其基于极大似然估计（MLE），处理固定效应存在一定的复杂性。传统的FE方法，如LSDV（Least Squares Dummy Variables）或Fama-MacBeth过程，在Probit模型中是不适用的，主要是因为包含个体固定效应时需要对每个个体设置一个虚拟变量，这会极大增加估计难度和计算量。

然而，在实际操作中，控制年份、所有制这些时间不变或跨截面变化的因素仍然是可行的。你所提到的在Stata中运行`xtprobit y x1 x2 x3 x4 i.year`命令是完全合法且合理的。这里的`i.year`就是将年份作为一个类别变量（factor variable）来控制，这样可以捕捉到时间趋势或特定年份的影响。

但是，请注意，即使你能够在回归中加入年份和所有制的虚拟变量，这并不等同于“固定效应”处理方法，因为它并没有处理个体层面的时间不变特性。也就是说，在`xtprobit`命令下，你是在控制那些跨时间变化的因素（如年份），而不是每个观测单位内部随时间变化的特征。

在面板数据中，如果你想同时考虑时间变异性和截面间差异性，并且你的数据是平衡面板，可以考虑使用`reghdfe`这个Stata包中的命令，它能够处理高维固定效应问题。但是请注意，`reghdfe`主要用于线性模型（如回归），而非非线性模型（如Probit）。

总之，在使用Probit模型分析面板数据时，加入年份虚拟变量来控制时间趋势是可行的，但这并不是严格意义上的固定效应处理方式。对于更复杂的固定效应需求，则可能需要寻找专门针对非线性模型的高级方法或软件包。
此外，如果你的数据是非平衡面板（即观测单位在不同时间段内的观察值数量不一致），使用`xtprobit`加入时间虚拟变量仍然适用，但解释结果时需要意识到数据不平衡可能会带来的影响。

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