Ho dati panel che comprende gli stati americani (1-48) e anni (1900-1917). Tutte le variabili sono variabili nel tempo con una eccezione. Questa eccezione è il tempo invariante e una variabile categoriale tre livelli di misurazione delle denominazioni regionali per gli stati testati utilizzando due variabili dummy. Voglio anche osservare le interazioni tra uno dei manichini e alcune delle variabili che variano nel tempo. Le stime OLS di questo modello indicano eteroschedasticità. Quindi, dato l'organizzazione dei dati di La mia domanda è quale delle tecniche del pannello è la cosa migliore e perché sto usando Stata. Grazie, RB ha chiesto 3 14 gennaio alle 15:41 Direi che dipende dai dati. Ma ci sono alcune idee generali su specifiche del modello. Metodo effetti fissi sia coerente e, pertanto, deve essere utilizzato per controllare i fattori confondenti a livello di soggetto. Se non ci sono fattori confondenti a livello di oggetto, metodo di effetti casuali è efficiente per tenere conto di errori correlati. OLS vs. effetti fissi. F-test del significato congiunto delle intercettazioni effetti fissi. L'ipotesi nulla è che tutte le intercettazioni di effetti fissi sono pari a zero. Se il nulla è rifiutata, allora abbiamo bisogno di usare il metodo effetti fissi. L'F-test viene condotto automaticamente quando si corre xtreg in Stata. Appare in fondo uscita regressione. Fisso vs effetti casuali: test di Hausman. L'ipotesi nulla è che i coefficienti di pendenza delle due modelli a confronto non differiscono in modo significativo. Se le stime sono diversi quindi rifiutiamo effetti romdom e dobbiamo usare gli effetti fissi, altrimenti si usa il metodo di effetti casuali più efficiente. C'è un Hausman comando Stata. ha risposto 3 gennaio 14 at 16:10 Penso la ruga è la variabile invariante tempo (3 livelli, 2 manichini) che viene creata usando aggregazioni dei dati trasversali (Stati). Quindi, se corro il modello effetti fissi in Stata due manichini drop out. È la soluzione per eliminare i due manichini e basta guardare i singoli stati che compongono nuovamente questi due manichini Grazie, RB ndash user36830 3 gennaio 14 a 16:28 Hai ragione, user36830. In linea generale, il metodo a effetti fissi non in grado di gestire covariate tempo-invarianti, ma la carta recente potrebbe essere di vostro interesse. Se siete veramente interessati agli effetti delle covariate tempo-invarianti, è possibile rivolgersi a metodo a effetti casuali. C'è anche un altro modello di dati longitudinalpanel chiamato media della popolazione (o marginale) modelli (ad esempio, stima generalizzate modelli equazioni), rispetto ai modelli specifici soggetti. Vedere il mio chiarimento. ndash Jiebiao Wang 3 gennaio 14 a 16: 49Stata: analisi dei dati e statistica software dinamico del pannello-dati (DPD) analisi Stata ha suite di strumenti per l'analisi del pannello-dinamica dei dati: xtabond implementa stimatore Arellano e Bond, che utilizza le condizioni del momento in cui ritardi delle differenze variabili e primi dipendenti delle variabili esogene sono strumenti per il primo-differenziata equazione. xtdpdsys implementa il sistema stimatore Arellano e BoverBlundell e Bond, che utilizza le condizioni del momento e le condizioni xtabond momento in cui ritardati prime differenze della variabile dipendente sono strumenti per l'equazione di livello. xtdpd. per gli utenti avanzati, è un'alternativa più flessibile che può andare bene i modelli con correlazioni a media mobile a basso ordine nelle errori idiosincratici e le variabili predeterminate con una struttura più complessa di quanto consentito con xtabond e xtdpdsys. strumenti Postestimation consentono di testare per la correlazione seriale nei residui del primo differenziato e testare la validità delle restrizioni overidentifying. Basandosi sul lavoro di Layard e Nickell (1986), Arellano e Bond (1991) si adattano un modello dinamico della domanda di lavoro a un panel non bilanciato di imprese situate nel Regno Unito. In primo luogo abbiamo modello di occupazione sui salari, stock di capitale, la produzione industriale, manichini anno, e un trend temporale, tra cui una lag di occupazione e di due GAL di salari e capitale sociale. Useremo il ArellanondashBond stimatore one-step e richiedere il loro VCE robusto: Perché abbiamo incluso un ritardo di n nel nostro modello di regressione, xtabond usato ritardi 2 e indietro come strumenti. Le differenze delle variabili esogene servono anche come strumenti. Qui Ricostruzione nostro modello, utilizzando xtdpdsys invece in modo da poter ottenere le stime ArellanondashBoverBlundellndashBond: Confrontando i piè di pagina dei due uscita commandsrsquo illustra la differenza fondamentale tra i due stimatori. xtdpdsys comprese le differenze ritardati del n come strumenti nell'equazione livello xtabond non ha fatto. Le condizioni di momento di questi stimatori GMM sono validi solo se non vi è alcuna correlazione seriale negli errori idiosincratiche. Perché la prima differenza di rumore bianco è necessariamente autocorrelato, abbiamo bisogno solo occupiamo secondo e più elevato di autocorrelazione. Possiamo usare estat abond per verificare autocorrelazione: Riferimenti Arellano, M. e S. Bond. 1991. Alcuni test di specifica per i dati panel: Monte Carlo prove e un'applicazione per equazioni di lavoro. La Rassegna di Studi econometrici 58: 277ndash297. Layard, R. e S. J. Nickell. 1986. Il tasso di disoccupazione in Gran Bretagna. Economica 53: 5121ndash5169.Stata: comando più ovvio di analisi dei dati e statistica Software Nicholas J. Cox, Durham University, UK Christopher Baum, Boston College Egen, ma () e le sue limitazioni Statarsquos per calcolare medie mobili è la funzione ma () di Egen . Data un'espressione, crea una media - periodo movimento di tale espressione. Per impostazione predefinita, viene preso come 3. deve essere dispari. Tuttavia, come l'inserimento manuale indica, Egen, ma () non può essere combinata con by-variabili:. e, per questo motivo, non è applicabile ai dati panel. In ogni caso, si erge al di fuori del set di comandi appositamente scritte per le serie temporali vedi serie storiche per i dettagli. approcci alternativi per calcolare le medie per i dati panel in movimento, ci sono almeno due scelte. Entrambi dipendono l'insieme di dati essendo stato tsset in anticipo. Questo è molto vale la pena di fare: non solo è possibile risparmiare più volte specificando variabile variabile e l'ora del pannello, ma si comporta in modo Stata elegantemente dato eventuali lacune nei dati. 1. Scrivi la tua definizione utilizzando generare Uso degli operatori di serie temporali, come L. e F.. dare la definizione della media mobile come argomento di una dichiarazione di generare. Se si esegue questa operazione, si sta, naturalmente, non limitato alla altrettanto ponderate (non ponderata) centrato medie calcolate da Egen in movimento, ma (). Ad esempio, ugualmente ponderato tre periodo medie mobili sarebbe dato da alcuni pesi e possono essere facilmente specificati: È possibile, ovviamente, specificare un'espressione come log (myvar) al posto di un nome di variabile, come myvar. Un grande vantaggio di questo approccio è che Stata fa automaticamente la cosa giusta per i dati panel: ingresso e uscita valori vengono elaborati all'interno di pannelli, così come la logica impone che dovrebbero essere. Lo svantaggio più evidente è che la linea di comando può ottenere piuttosto lungo se la media mobile coinvolge diversi termini. Un altro esempio è una media mobile unilaterale basata solo su valori precedenti. Questo potrebbe essere utile per generare un'aspettativa di adattamento di quello che una variabile sarà basato esclusivamente su informazioni aggiornate: ciò che qualcuno potrebbe prevedere per l'esercizio in corso sulla base degli ultimi quattro valori, utilizzando uno schema fisso di ponderazione (un ritardo di 4 periodo potrebbe essere soprattutto comunemente usato con timeseries trimestrali.) 2. Usare Egen, filtro () da SSC utilizzare il filtro funzione di egen scritto dall'utente () dal pacchetto egenmore su SSC. In Stata 7 (aggiornato dopo il 14 novembre 2001), è possibile installare questo pacchetto dopo che aiutano punti egenmore ai dettagli del filtro (). I due esempi sopra sarebbe resa (In questo confronto la generano approccio è forse più trasparente, ma vedremo un esempio del contrario in un attimo.) I ritardi sono un numlist. conduce essendo GAL negativi: in questo caso -11 espande a -1 0 1 o portare 1, lag 0, in ritardo 1. I ficients COEF, un'altra numlist, moltiplicare i corrispondenti elementi in ritardo di sviluppo o di leader: in questo caso, tali elementi sono F1.myvar . MyVar e L1.myvar. L'effetto dell'opzione normalizzare è in scala ogni coefficiente per la somma dei coefficienti in modo che coef (1 1 1) normalizzare equivale a coefficienti di 13 13 13 e coef (1 2 1) normalizzare equivale a coefficienti di 14 12 14 . È necessario specificare non solo i ritardi, ma anche i coefficienti. Perché Egen, ma () prevede il caso altrettanto ponderata, la motivazione principale per Egen, filtro () è quello di sostenere il caso ineguale ponderata, per i quali è necessario specificare coefficienti. Si potrebbe anche dire che obbliga gli utenti di specificare coefficienti è un po 'di pressione in più su di loro per pensare a quello coefficienti che vogliono. La giustificazione principale per pesi uguali è, immaginiamo, la semplicità, ma pesi uguali avere pessime proprietà del dominio della frequenza, per citare solo una considerazione. Il terzo esempio di cui sopra potrebbe essere uno dei quali è quasi complicato come l'approccio di generare. Ci sono casi in cui Egen, filtro () fornisce una formulazione più semplice di generare. Se si desidera un filtro binomiale di nove termine, che i climatologi trovano utile, poi guarda forse meno orribile di, e più facile da ottenere rispetto, proprio come con il generare approccio, Egen, filtro () funziona correttamente con dati panel. Infatti, come già detto, esso dipende il set di dati essendo stato tsset anticipo. Un consiglio grafica Dopo aver calcolato i tuoi medie mobili, probabilmente voler guardare un grafico. Il comando tsgraph scritto dall'utente è intelligente su set di dati tsset. Installarlo in un up-to-date Stata 7 da SSC tsgraph Inst. Che dire sottoinsiemi con se nessuno dei precedenti esempi fanno uso di se restrizioni. Infatti Egen, ma () non permetterà, se da specificare. Di tanto in tanto la gente vuole usare se il calcolo medie mobili, ma il suo uso è un po 'più complicato di quanto non sia di solito. Che cosa ci si può aspettare da una media mobile calcolata con se. Cerchiamo di identificare due possibilità: l'interpretazione debole: non voglio vedere nessun risultato per le osservazioni esclusi. Forte interpretazione: io non neanche voglia di utilizzare i valori per le osservazioni esclusi. Ecco un esempio concreto. Supponiamo come conseguenza di una condizione if, osservazioni 1-42 sono inclusi ma non osservazioni 43 su. Ma la media mobile per 42 dipenderà, tra l'altro, sul valore per l'osservazione 43 se la media estende avanti e indietro ed è di lunghezza almeno 3, e sarà simile dipenderà alcune osservazioni 44 in poi in alcune circostanze. La nostra ipotesi è che la maggior parte delle persone sarebbe andare per l'interpretazione deboli, ma se questo è corretto, Egen, filtro () non supporta se uno dei due. È sempre possibile ignorare ciò che si vuole donrsquot o anche impostare valori indesiderati a mancare in seguito utilizzando sostituire. Una nota sui risultati alle estremità della serie mancante Perché medie mobili sono funzioni di ritardi e conduce, egen, MA () produce mancante in cui non esistono i ritardi e conduce, all'inizio e alla fine della serie. Un'opzione nomiss costringe il calcolo delle più brevi, medie mobili non centrati per le code. Al contrario, né generare nè Egen, filtro () lo fa, o consente, nulla di speciale per evitare risultati mancanti. Se uno dei valori necessari per il calcolo è mancante, quindi questo risultato è mancante. Spetta agli utenti di decidere se e quanto la chirurgia correttiva è necessaria per tali osservazioni, presumibilmente dopo aver guardato il set di dati e considerando ogni scienza di base che può essere esercitata.
No comments:
Post a Comment