【原】互助问答第866期：非平衡面板数据可以使用feologit模型吗？

今日提问

     请问非平衡面板数据可以使用feologit模型吗？为什么回归后的观测值少了这么多？该如何解决呢？

问题解答

      可以使用feologit，但样本观测值的多少取决于原始数据符合模型条件的样本数，对原始数据进行补充可能有帮助。平衡面板数据会有更多样本保留。

本期关键词

feologit模型

本期知识科普

Feologit模型，全称是Fixed Effects Logit Model，是一种常用于处理面板二分数据（如占比、存在或不存在等二元变量）的方法，通过将数据集拆分成有效和无效子样本，有效子样本即为在观测窗口内（通常为某个时间段）既有Y为1又有Y为0的观测，无效子样本则包括那些仅在某一个时间点有Y(1)或Y(0)的数据。针对无效子样本直接进行逻辑回归，对于有效子样本，则引入嵌套偏最小二乘法来进行分析。因此，它的优势在于对于存在序列相关性的数据样本（即面板数据）和非平衡数据（即存在缺失值的数据），具有稳健的估计结果。

然而，在面板非平衡数据下，Feologit模型的可用性受到其成立假设的影响。例如，该模型假设个体特征不随时间变化，而部分变量的不稳定性可能会使得这个假设失效。此外，模型也假定所有随时间变化的异质性都被捕捉到了，但对于非平衡数据，由于丢失了一些时间点上的观察值，这个假设可能也未必成立。

Stata中feologit 的语法结构如下：

feologit depvar indepvars [if] [in] [weight], ///

group(varname) ///

[thresholds clones(#) keepsample seed(#) ///

cluster(clustvar) or otheropts]

其中，depvar 是有序类别变量，即被解释变量；indepvars 是解释变量；if 是设定样本范围的条件语句；in 用于设定观察值范围；weight 用于设定权重