分享

suest - 支持面板数据的似无相关检验

 萌糍粑 2019-03-22

1. 问题背景

检验组间系数差异时(详情参见 「Stata: 如何检验分组回归后的组间系数差异?」),一种常用的方法是基于似无相关估计的 su-test,在 Stata 中可以用 suest 命令快捷地实现。但 suest 不支持 xtreg 命令,因此无法直接将该方法直接应用于面板数据模型,如 FE 或 RE。

2. 旧方法(手动处理)

可以预先手动去除个体效应,继而对变换后的数据执行 OLS 估计,步骤如下:

  • step 1:对于固定效应模型而言,可以使用 centerxtdata 命令去除个体效应;对于随机效应模型而言,可以使用 xtdata 命令去除个体效应。

  • step 2:按照截面数据的方法对处理后的数据进行分组估计,并执行 suest 估计和组间系数检验。

  • 举个例子:

  1. *-SUEST test for panel data

  2. *-数据概况

  3. webuse 'nlswork', clear

  4. xtset idcode year

  5. xtdes

  6. *-对核心变量执行组内去心:去除个体效应

  7. help center //外部命令, 下载命令为 ssc install center, replace

  8. local y 'ln_wage'

  9. local x 'hours tenure ttl_exp south'

  10. bysort id: center `y', prefix(cy_) //组内去心

  11. bysort id: center `x', prefix(cx_)

  12. *-分组回归分析

  13. reg cy_* cx_* i.year if collgrad==0 // 非大学组

  14. est store Yes

  15. reg cy_* cx_* i.year if collgrad==1 // 大学组

  16. est store No

  17. *-列示分组估计结果

  18. esttab Yes No, nogap mtitle(Yes_Coll No_Coll) ///

  19. star(* 0.1 ** 0.05 *** 0.01) s(r2 N)

  20. *-似无相关估计

  21. suest Yes No

  22. *-组间差异检验

  23. test [Yes_mean]cx_ttl_exp = [No_mean]cx_ttl_exp

  24. test [Yes_mean]cx_hours = [No_mean]cx_hours

3. 新方法: 安装新版 suest 命令

目前,可以使用 Federico Belotti. 更新后的 suest.ado 文档替换 Stata 官方提供的 suest.ado 文档。前者支持 xtreg 命令。

替换方法为:

  • Step 1: 执行 net install suest, replace 命令,suest.ado  文件被自动安装在 stata15\ado\plus\s 文件夹中。

  • Step 2:stata15\ado\plus\s 文件夹中的 suest.ado 文件替换掉  stata15\ado\base\s 文件夹中的同名文件。

然后就可以在完成 xtreg …… 估计后,使用 suest 命令进行组间系数差异检验了。

关于我们

  • Stata 连享会(公众号:StataChina)】由中山大学连玉君老师团队创办,旨在定期与大家分享 Stata 应用的各种经验和技巧。

  • 公众号推文同步发布于 【简书-Stata连享会】 和 【知乎-连玉君Stata专栏】。可以在简书知乎中搜索关键词StataStata连享会后关注我们。

  • 推文中的相关数据和程序,以及 Markdown 格式原文 可以在 【Stata连享会-码云】 中获取。【Stata连享会-码云】 中还放置了诸多 Stata 资源和程序。如 Stata命令导航 ||  stata-fundamentals ||  Propensity-score-matching-in-stata || Stata-Training 等。
    Stata连享会推文列表


    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多