stata学习笔记

非线性面板

对于面板数据，如果被解释变量为虚拟变量、计数变量、受限变量等，则为非线性面板。 1、 如果被解释变量为虚拟变量，则称为面板二值选择模型。一般采用混合、固定或随机效

应模型。

混合回归：如果不存在个体效应，则使用混合回归 Probit y x1 x2 x3,vce(cluster id) 混合probit回归

Logit y x1 x2 x3,vce(cluster id) 混合logit回归 其中Id为确定面板单位的变量 随即效应模型： Xtprobit x1 x2 x3, Xtlogit y x1 x2 x3，再次输出结果中，包含了对原假设的LR检验结果，如拒绝则使用随机，

接受则使用混合

固定效应模型：xtlogit y x1 x2 x3,fe

Stata实例：被解释变量为是否起义uprising，由于面板probit无固定效应模型，因此使

用面板logit模型。

首先进行固定效应面板logit估计：

如下图所示，第二行有一个朝代未发生企业，因此在估计固定效应时应被去掉。

然后进行混合回归logit模型，为保持与固定效应样本一样，在混合回归中也去掉了dyn=2

的朝代：

为了在固定和混合进行选择，使用豪斯曼检验，但豪斯曼不允许在混合回归使用选择项

vce（cluester dyn），因此重新进行混合回归：

quietly logit uprising age pop temp sfamine sfamine1 sfamine2 sfamine3 relief relief1 relief2

relief3 if dyn~=2, nolog（不显示结果）

结果拒绝假设，因此使用固定效应模型。（pooled表示将回归放在一起做）

然后下面进行随机效应logit估计

从上表最后一行的值LR检验拒绝假设，因此应使用面板随机效应模型，不宜进行混合回

归。

最后，为了在固定效应与随机效应模型之间进行选择，再次进行豪斯曼检验：

结果拒绝假设，因此应使用固定效应模型。

2、 面板泊松回归：被解释变量为计数变量时，非负整数。

其中，混合泊松回归：poisson y x1 x2 x3,vce(cluster id)irr（irr为回报发生率比） 面板泊松回归：xtpoisson y x1 x2 x3,fe normal irr(自由选择fe和re)

面板负二项回归：泊松回归的缺陷是如果方差与期望之间差距过大即存在过度分散，既可以采用负二项回归。

混合负二项回归：nbreg y x1 x2 x3,vce(cluster id)

面板负二项回归：xtnbreg y x1 x2 x3,fe irr（自由选择fe和re） Stata实例：被解释变量mdu为个体看医生的次数。

面板变量为id，时间跨度为5年，为非平衡面板。 然后进行混合泊松回归，并使用聚类稳健标准误