今天分享随机效应模型
主要包含以下两个部分
第一个部分是随机效应模型的介绍
第二个部分是随机效应模型的Stata命令
首先我们来看下第一个部分随机效应模型
首先我们先回顾一下我们上文讲的混合OLS模型
当我们的面板数据在个体效应检验结果不显著的时候
既不存在个体效应的话我们就要选择整个OlS模型来估计我们的模型面板数据
但如果个体效应结果检验显著的话
那么这个时候我们就要构建个体效应模型来估计我们的面板数据
个体效应模型主要包含以下两个
模型第一个模型是随机效应模型
第二个模型是固定效应模型
首先我们先
把存在个体效应模型的方程式写出来
这个是存在个体效应的模型方程式
U是个体效应
当这个U与我们的x
也就是解释变量是存在相关性的话
那么我们就要选择固定效应模型
当我们的U与x是不相关的那我们就选择随机效应模型来估计
好我们现在来看一下这个stata输出结果表
当我们检验存在个体效应的话
具体是选择固定效应模型
还是选择随机效应模型
我们需要通过一个检验来进行分析
这个检验就是Hausman检验
当Hausman检验的结果是显著的话
即在即至少在10%的水平上显著有一颗星以上的显著性
那么这个时候这个结果就说明
我们的这个个体效应与这个解释变样是存在相关性的
这个时候我们就要选择固定效应模型
当这个Hausman检验结果是不显著的
记忆这个显著性水平是没有星星的
这个Hausman检验结果是没有星星的
也就是不显著的
这个p只要大于0.1
那么这个时候就说明
我们的个体效应与这个检测变量是不相关的
那我们就要选择随机效应模型
在进行Hausman检验之前我们必须要检验个体效应
如果存在个体效应的话
我们才进行下一步的Hausman检验
如果不存在的话我们就直接选择
混合Ols模型估计就行了
可以看到我们这里的这个表格是选择了固定效应模型
在我们的面板数据选择固定效应模型的话
如果我们依旧选择随机效应模型来估计的话
这个结果偏差是非常的大
我们可以看到这里
固定相应模型的系数和随机相应模型系数相差非常大
而且显出线水平也相差非常大相差一颗星
好我们现在来看一下随机效应模型的stata命令
首先我们打开Stata
打开我们之前写好的do文件
首先导入数据
第二步上传miss1变量
第三步将我们的数据设置成面板格式
这里说一下
如果我们采用混合Ols模型估计的话
那么就不用将我们的数据设置成面板格式
因为我们是将我们的面板数据当成横截面数据来处理的
所以如果用混合Ols模型估计的话就不用设置成面板格式
这里我们要用随机效应和固定效应的话就要将我们的数据设置成面板格式
面板格式的命令是这个
这个是设置成面板格式的主命令
这个code的就是个体的编码
year是时间年份
然后下面我们就跑下随机相应模型的回归
可以我们可以看到随机效应模型跟Ols模型的差
这个主命令的差别就在这里
多了x t这个x是个体
t是这个时间
差别就在这里
然后这里的q是因变量
然后d f到这里cash flow都是质变量
然后这个if miss1=0就是把
就是将所有变量都不存在
就是指的贯彻样本进行回归
这个r是r是选择项
如果我们输的是r的话
那么就是选择随机效应模型
如果输的是FE的话
那么就是选择固定效应模型
我们来看一下这个随机效应模型的回归结果
我们的个体变量是code
然后我们这里是假设这个就是个体
这个个体效应与我们的解释变量是不相关的
也就是相关性系数是等于0的就是不相关
然后我们就跑回归
coef是系数,std.err.是文件标准物,z是z值
p>|Z|是显著性水平P
最后两个也是自信区间
这就是随机效应模型的回归结果
今天分享就到这里，每天进步一点点，每日成长一步步
可领取免费的各种ppt，讲义，以及各种安装包，免费送，麻烦看客点个小心心吧
