ardl模型stata命令_小白学统计|面板数据分析与Stata应用笔记（三）

#文章首发于公众号“如风起”。

原文链接：

面板数据分析与Stata应用笔记整理自慕课上浙江大学方红生教授的面板数据分析与Stata应用课程，笔记中部分图片来自课程截图。

笔记内容还参考了陈强教授的《高级计量经济学及Stata应用（第二版）》

长面板数据分析

上两篇笔记我们讲到了短面板数据分析。短面板数据分析主要关注对不可观测的个体效应的处理，而对于误差自相关、异方差和截面相关的问题只提供经过校正的标准误。

与短面板数据不同，长面板数据分析主要关注对误差项的处理（因为时间T大），而将个体效应用虚拟变量来控制（因为个体n小）。

所以，对于长面板数据分析，我们不需要在固定效应模型、随机效应模型和混合回归模型之间进行选择，长面板数据分析先验假定长面板数据模型就是固定效应模型。

此外，需要注意的是，短面板数据分析对于时间效应，用虚拟变量来控制，而长面板数据分析，由于时间T相对较长，为避免损失较多的自由度，所以一般则用时间趋势项来控制。

可以认为长面板数据模型是一个特殊的双向固定效应模型。在这个模型中，个体效应用虚拟变量控制，时间效应用时间趋势项控制，长面板数据模型的估计主要关注对误差项的处理。

一、长面板数据模型的估计方法

通常有三种方法对长面板数据模型进行估计。

第一种：使用OLS估计这个特殊的双向固定效应模型，并对误差项的自相关、异方差和截面相关的问题只提供面板校正的标准误（使用命令xtscc或xtpcse命令实现），这种估计方法最为稳健。

第二种：如果存在自相关、异方差和截面相关的问题，则使用FGLS估计这个特殊的双向固定效应模型，这种方法只是解决了误差项自相关的问题，而并未考虑异方差或截面相关的问题，对于误差项的异方差和截面相关的问题仍然只是提供面板校正的标准误（使用命令xtpcse实现），这种估计方法介于稳健和效率之间。

第三种：使用FGLS估计这个特殊的双向固定效应模型，对误差项的自相关、异方差和截面相关的问题一并加以处理（使用命令xtgls实现），这种估计方法最有效率。

二、长面板数据模型的Stata估计命令

常用的估计长面板数据模型的Stata命令有三个:【xtpcse】、【xtgls】和【xtscc】

对于【xtscc】命令，我们在前两篇短面板数据的笔记中已经讲过，【xtscc】也适用于长面板数据分析，它可以实现长面板数据模型的第一种估计方法，对误差项的自相关、异方差和截面相关问题提供面板校正的标准误。

下面，我们讲一下【xtpcse】和【xtgls】估计命令

1、【xtpcse】命令

基本命令格式：

xtpcse depvar indepvars,options

#命令的关键在于选项（options）,不同的选项可以处理不同的问题。

对于误差项三大问题【xtpcse】命令选项（options）的使用

（1）自相关问题（一阶自相关）

a.使用选项：corr(ar1)，使用的估计方法为FGLS

#误差项存在自相关时使用该选项；当T不比n大很多时使用该选项，因为此时T可能无法提供足够多的信息去估计每个个体的自相关系数，所以约束了每个个体的自相关系数都相等

b.使用选项：corr(psar1)，使用的估计方法为FGLS。

#误差项存在自相关时使用该选项；当T比n大很多时使用该选择项，当T比n大很多时每个个体的自相关系数可以不同，就可以使用选项

c.使用选项：cor