1：（STATA的双固定效应）xi：xtregy；xtregyopen1open2；4.1F检验；先介绍原理；F?；(RSSR?RSSU)/JRSSU/(N?k)；~F?J,N?k?(30)；其中RSSr表示施加约束条件后估计模型的残差平方；以检验个体固定效应回归模型为例，介绍F检验的应用；H0：?i=?；型为混合回归模型）；H1：模型中不同个体的截距项?i
1：（STATA的双固定效应）xi：xtreg y x1 x2 i.year,fe 2：变系数模型 （1）生成虚拟变量 tab id,gen(id) gen open1=id1*open gen open2=id2*open （2）变系数命令
xtreg y open1 open2。。。，fe 面板数据模型设定检验方法
先介绍原理。F统计量定义为
(RSSR?RSSU)/JRSSU/(N?k)
其中RSSr 表示施加约束条件后估计模型的残差平方和，RSSu 表示未施加约束条件的估计模型的残差平方和，J表示约束条件个数，N 表示样本容量，k表示未加约束的模型中被估参数的个数。在原假设“约束条件真实”条件下，F统计量渐近服从自由度为( J, N C k )的F分布。
以检验个体固定效应回归模型为例，介绍F检验的应用。建立假设
H0：?i =?。模型中不同个体的截距相同（真实模
型为混合回归模型）。
H1：模型中不同个体的截距项?i不同（真实模型为个体固定效应回归模型）。 F统计量定义为：
其中SSEr表示约束模型，即混合估计模型的残差平方和，SSEu表示非约束模型，即个体固定效应回归模型的残差平方和。非约束模型比约束模型多了N-1个被估参数。
以案例1为例，已知SSEr= 4824588，SSEu= 2270386，
F0.05(6, 87) = 1.8
因为F= 8.1 & F0.05(14, 89) = 1.8，推翻原假设，比较上述两种模型，建立个体固定效应回归模型更合理。
Hausman检验
对同一参数的两个估计量差异的显著性检验称作
)/[(NT?k?1)?(NT?N?k)]
SSE/(NT?N?k)
?SSEu)/(N?1)/(NT?N?k)
?SSEu)/(N?1)/(NT?N?1)
?2270386)/(15?1)
Hausman检验，简称H检验。H检验由Hausman1978年提出，是在Durbin（1914）和Wu（1973）基础上发展起来的。所以
检验也称作
Wu-Hausman
Durbin-Wu-Hausman检验。
先介绍Hausman检验原理
例如在检验单一方程中某个回归变量（解释变量）的内生性问题时得到相应回归参数的两个估计量，一个是OLS估计量、一个是2SLS估计量。其中2SLS估计量用来克服回归变量可能存在的内生性。如果模型的解释变量中不存在内生性变量，那么OLS估计量和2SLS估计量都具有一致性，都有相同的概率极限分布。如果模型的解释变量中存在内生性变量，那么回归参数的OLS估计量是不一致的而2SLS估计量仍具有一致性，两个估计量将有不同的概率极限分布。
更一般地，假定得到q个回归系数的两组估计量??和?~，则H检验的零假设和被择假设是：
H0: plim(??-?~) = 0 H1: plim(??-?~) ? 0
假定两个估计量的差作为统计量也具有一致性，在H0
成立条件下，
其中VH是(??-?~)的极限分布方差矩阵。则H检验统计量定义为
其中(N-1V?H)是(??-?~)的估计的方差协方差矩阵。在H0成立条件下，H统计量渐近服从?2(q)分布。其中q表示零假设中约束条件个数。
H检验原理很简单，但实际中VH的一致估计量V?H并不容易。一般来说，
N-1V?H= Var(??-?~) = Var(??)+Var(?~)-2Cov(??,?~)
Var(??)，Var(?~)在一般软件计算中都能给出。但Cov(??,?~)不能给出。致使H统计量（33）在实际中无法使用。
实际中也常进行如下检验。
H0：模型中所有解释变量都是外生的。 H1：其中某些解释变量都是内生的。 在原假设成立条件下，
其中Var(?)和Var(??)分别是对Var(?)和Var(??)的估计。与（34）
?)' (N-1
式比较，这个结果只要求计算Var(??)和Var(?~)，H统计量（36）具有实用性。
当?表示一个标量时，H统计量（36）退化为，
其中S和S?2分别表示?~和??的样本方差值。
H检验用途很广。可用来做模型丢失变量的检验、变量内生性检验、模型形式设定检验、模型嵌套检验、建模顺序检验等。
下面详细介绍面板数据中利用H统计量进行模型形式设定的检验。
假定面板模型的误差项满足通常的假定条件，如果真实的模型是随机效应回归模型，那么?的离差OLS估计量??W和随
~机GLS法估计量?RE都具有一致性。如果真实的模型是个体
固定效应回归模型，则参数?的离差OLS法估计量??W是一致
~估计量，但随机GLS估计量?RE是非一致估计量。可以通过~?H统计量检验(?RE-?W)的非零显著性，检验面板数据模型中
是否存在个体固定效应。原假设与备择假设是
H0: 个体效应与回归变量无关（个体随机效应回归
H1: 个体效应与回归变量相关（个体固定效应回归
包含各类专业文献、中学教育、专业论文、高等教育、外语学习资料、幼儿教育、小学教育、15面板数据模型设定检验方法等内容。　
　EViews6.0在面板数据模型估计中的操作_计算机软件及应用_IT/计算机_专业资料。面板...根检验 选择单位根检验 设置单位根检验 单位根检验结果 注意检验方法和两种检验... 　分析数据的平稳性(单位根检验) 按照正规程序,面板数据模型在回归前需检验数据的...IPS 法对限定性趋势的设定极为敏感,并提出了面板单位根检验的 Breitung 法。 ... 　假定模 型被设为动态模型,利用 Eviews 估计动态面板数据模型时,则打开 workfile...面板数据的单位根检验同普通的单序列的单位根检验方法虽然类似, 但两者又不完全... 　EViews 6.0 beta 在面板数据模型估计中的应用 来自免费的 minixi 1、进入工作...根检验 选择单位根检验 设置单位根检验 单位根检验结果 注意检验方法和两种检验... 　此时,需要采用工具变量法和是使用固定效应模型。 (三)静态面板数据模型估计●1...。检验该值是否显著异于-0.5,因为在原假 ? 0.8858 设下(不相关) ~ ? ... 　分析数据的平稳性(单位根检验) 按照正规程序,面板数据模型在回归前需检验数据的...IPS 法对限定性趋势的 设定极为敏感,并提出了面板单位根检验的 Breitung 法。... 　下选择生成的时序图的形 状,一般都默认设置,生成的...注意:单位根检验的方法(test type)较多,可以使用 ...?it 判断一个面板数据究竟属于哪种模型,用 F 统计... 　)和人均收入( ip ,不变价格)居民,利用数据(1)建立面板 数据(panel data)工作文件; (2)定义序列名并输入数据; (3)估计选择面板 模型; (4)面板单位根检验。... 　更为具 体的模型设定问题可以参见李子奈、叶阿忠(2000) ,Wooldridge(2003) , 以及 Baltagi(2005) 。 面板数据分析方法步骤 步骤一:分析数据的平稳性(单位根检验)...苹果/安卓/wp
积分 404, 距离下一级还需 46 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡下一级可获得
道具: 抢沙发
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
请教各位关于面板数据内生性检验的问题，我用连老师的命令：Davidson-MacKinnon (1993) 检验
xtivreg lntfp lnrd (lnvss=L1.lnvss), fe
dmexogxt 这个命令 P-value =0.297，不存在内生性；
但是我用Hausman检验命令：
xtreg& &tl size ndts tang tobin npr, fe
& && & est store fe
& &&&xtivreg tl size ndts tang (npr=tobin L1.npr), fe
& && & est store fe_iv
hausman fe fe_iv
这个检验是P值为0，认为存在内生性，
这两种检验结果不同，到底应该用哪种检验呀
载入中......
hausman的检验貌似必须在同方差的条件下才能用，不知是否与这个问题有关。
希望强人指点啊，受教
cyy1985218 发表于
xtreg& &tl size ndts tang tobin npr, fe
& && & est store fe
& &&&xtivreg tl size ndts tang (npr=tobin L1.npr), fe
& && & est store fe_iv
hausman fe fe_iv
这个检验是P值为0，认为存在内生性，
这两种检验结果不同，到底应该用哪种检验呀为什么在xtreg那边有tobin，而在xtivreg那边tobin被视为工具变数？
根据stata的帮助文件里提到
Davidson and MacKinnon (1993)
demonstrate that this test, which is similar to the (Durbin-Wu-)Hausman test
(see hausman) in this context, will always yield a computable test statistic,
whereas the Hausman test, depending on the difference of estimated covariance
matrices being a positive definite matrix, often cannot be computed by standard
matrix inverse methods.
因此除非是一些状况下，否则两者应当一样，
我个人强烈怀疑，您在执行Hausman test那边变数摆法似乎有问题…
鼓励积极发帖讨论
总评分:&学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
是写错了哈
Davidson-MacKinnon (1993) 检验
xtivreg lntfp lnrd (lnvss=L1.lnvss), fe
这个命令 P-value =0.297，不存在内生性；
但是我用Hausman检验命令：
xtreg&&lntfp lnrd lnvss, fe
& && & est store fe
& &&&xtivreg lntfp lnrd (lnvss=L1.lnvss), fe
& && & est store fe_iv
hausman fe fe_iv
这个的检验值为负，认为有内生性
cyy1985218 发表于
是写错了哈
Davidson-MacKinnon (1993) 检验
xtivreg lntfp lnrd (lnvss=L1.lnvss), fe
这个命令 P-value =0.297，不存在内生性；
但是我用Hausman检验命令：
xtreg&&lntfp lnrd lnvss, fe
& && & est store fe
& &&&xtivreg lntfp lnrd (lnvss=L1.lnvss), fe
& && & est store fe_iv
hausman fe fe_iv
这个的检验值为负，认为有内生性我个人认为，您应当想想Hausman为负时，到底代表什么…
或者请查查版上一些讨论吧！
检验值为负，认为有内生性？？？？？？？？
我想，如果Hausman值为负时，恐怕大部份的人，会倾向说可能没有内生吧！！！
不错的讨论，学习了
h3327156 发表于
我个人认为，您应当想想Hausman为负时，到底代表什么…
或者请查查版上一些讨论吧！
检验值为负，认为 ...补充问一句：在豪斯曼检验中，为什么都是在固定效应的情况来考虑内生性问题呢？
哈皮朋友 发表于
补充问一句：在豪斯曼检验中，为什么都是在固定效应的情况来考虑内生性问题呢？楼主主要使用Hausman test的关注点在于，OLS模型 v.s. IV模型。
所以他都在固定效应下模型探讨。
若检定结果支持OLS，则工具变量可视为外生。
至于如果不通在固定效应下探讨，嗯…好问题，有水平。
可能要想想，并回到Hausman的想法，哪一个是一致估计式，哪一个又是有效估计式？
当使用Hausman检定时，比较不同模型，但必须先行确立两模型估计式的不同。
参考看看吧！ 我也是计量新手，曾经听一位老师说，
计量摸了二十年，他觉得他还是新手，不过有点感觉。
【我…我…我，那我怎么办阿？ 所以，参考就好…以免我误导您】
初级热心勋章
初级热心勋章
中级热心勋章
中级热心勋章
初级信用勋章
初级信用勋章
中级信用勋章
中级信用勋章
高级热心勋章
高级热心勋章
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师假想，你现在需要分析年，全国34个省级行政区基础建设投资对GDP的影响分析，或者说构建回归模型：GDP = a ×基础建设投资额 + e但是问题来了，你现在手上的数据，不仅有时间序列（），也有横截面（34个省），那么怎么办？是将每个省求14年的均值呢？还是对每一年求34个省的均值？好纠结啊！别急，面板数据就是用来处理这个的。面板数据是既有时间序列、又有横截面的数据，一般学经济的同学会比较常处理到这样的数据。数说君的硕士毕业论文就用到了这个模型，因此本文也是数说君自己的一个总结整理，现在重新编辑成合集，欢迎大家不吝赐教。目录：（上）一、面板数据简介二、静态面板数据及Eviews实现(1) 静态面板数据简介(2) EVIEWS操作（下）三、动态面板数据及Eviews实现（1）动态面板数据简介（2）Eviews操作在对话框中回复【MB】查看面板数据与Eviews操作指南（下）三、动态面板数据及Eviews实现（1）动态面板数据简介在现实社会中，很多经济关系是动态的，有时需要引入滞后项去解释这些经济关系。动态面板数据模型，即面板数据模型的解释项中纳入被解释变量的滞后项，以反映动态滞后效应。但滞后项与随即误差项组成部分的个体效应相关，会造成模型的内生性偏倚，本节将重点介绍动态面板数据模型的形式和估计方法。①动态面板数据形式以模型中包含滞后一起的被解释变量为例，动态面板数据的基本形式为：
(7)与静态面板数据的不同在于，解释变量引入了滞后项，其误差项也由两部分组成，ui为个体效应，vit为异质性冲击。从动态面板模型的形式看，右侧的滞后项会与其个体效应相关，造成内生性问题，这使得OLS估计量是有偏和不一致的估计量（Badi H.Baltagi）,Arellanod等提出的基于工具变量的广义矩估计方法，可以减弱内生性，得到一致的估计量。②广义矩估计GMM广义矩估计的基本思想在总体未知的情况下，参数的矩估计就是用样本矩去估计总体矩。比如，可以通过样本得到样本的两个矩：和
(8)并通过样本的两个矩来估计总体矩：
(9)再进一步计算总体参数：
（10）这是用两个矩估计总体的两个参数，当选择的矩估计方程个数多于待估参数个数时，广义矩估计方法应运而生：设样本的r个矩为，对应的有r个总体矩，为待估总体参数b的函数，且r大于待估总体参数的个数，则最小二乘矩的参数估计量是使下式最小的参数估计量：
(11)此式中，有时会希望某些矩的作用大些，此时会用到加权最小二乘法。写成向量形式，记则加权最小二乘可定义为：
(12)其中s就是关于（X-M）的协方差阵，参数b的GMM估计就是使得Q(b)达到最小的基于工具变量的广义矩估计如果模型的设定正确，则存在一些为0的条件矩。模型的广义矩估计的基本思想就是用矩条件估计模型参数。设定以下模型关系式，其中b是k*1待估参数向量：
(13)如果解释变量与随机误差不相关、且随机误差项不存在异方差和序列相关，那么存在：
(14)等价于
(15)这就是一组矩条件，由样本矩条件估计模型参数b，就是一种矩估计。当模型存在解释变量与随机误差相关时，有些矩条件就不存在了，那么需要找到一个工具变量z，使z与e无关：（16）定义（17）m(b)还可以写成
(18)用矩条件m(b)=0得出的参数估计量的方法，就是工具变量法。同时方程组的解m(b)=0，就是极小化时的工具变量法没有改变原模型，而是在原模型的参数估计过程中用工具变量替代了随机解释变量。③ Anderson-Hsiao估计Anderson-Hsiao将基于工具变量的广义矩估计方法引入动态面板数据模型，其估计方法建立在式(7)一阶差分的基础上:
（19）由于，故差分可以消除内生性造成的个体效应ui，但对等式右边与随即误差的相关性仍然无能为力。Anderson和Hsiao提出使用或差分的滞后项作为工具变量，它们与高度相关，但与随即误差项无关，从而消除了动态面板数据模型的偏倚问题。④ Arellano-Bover估计Anderson和Hsiao提出了将模型差分并引入滞后的解释变量，以解决模型的内生性问题。但当遇到非平衡面板数据时，即数据存在缺失时，一阶差分变换会损失很多数据，不能充分有效的利用信息。Arellano和Bover（1995）将“向前正交离差转换法”引入到动态面板数据模型的估计中，该方法不是用本期值减去上期值，从而将模型差分，而是用本期值减去未来s期观察值的平均值，即原模型变换为：(20)等价于：
(21)其中，
(22)该方法不仅能够有效利用数据，且在转换过程中没有用到滞后值，可以更有效的利用工具变量。动态面板数据模型一般用Sargan检验法，原假设为模型过度约束正确，采用卡方检验其中p为工具变量的秩，k为变量个数。如果原假设通过，则认为模型过度约束正确，否则认为模型过度约束不正确。（2）动态面板数据Eviews操作指南数据录入注意：动态面板数据的录入方式与静态的不同！仍以A、B、C、D四家银行，年十年的面板数据为例（变量为var1、var2）：建立新的工作文件：File—New—Workfile；选择Balanced Panel，填入开始年份（start date）2000，结束年份（start date）2010，和截面数（number of crosssection）4，点击OK；建立变量：右键—new object—选择series—输入变量名var1；输入数据建立模型在workfile截面右键new object—选择equation—输入模型名字，比如model1。点击OK，进入模型建立截面。选择GMM广义矩估计方法：在method中选择GMM/DPD-Generalized Method of Moment/Dynamic Panel Data，在sample下面出现一个选项块“Dynamic Panel Wizard”，动态面板数据的建立向导。点击该向导，选择“下一步”选择因变量，点击下一步填入自变量选择“differences”即差分法，“Orthogonaldeviation”即正交离差变换法，后者适用于缺失值较多的情况。选择工具变量，一般选择变量的高阶滞后项作为工具变量，比如模型Var1=a*var(-1)+bvar2可以选择var1(-2)，var2(-1)等作为工具变量。接下来都以默认选项点击下一步，完成后回到建模截面点击确定，得到最终的建模结果。动态面板数据的GMM估计不具有经典的拟合优度和F统计量，而采用J统计量进行Sargan检验。原假设是模型过度约束正确，如果Sargan检验被拒绝，则说明模型设定错误。J统计量的p值可以通过excel的CHIDIST(x,ir-v)函数来获得，其中x是j统计量的值，ir是工具变量的秩，图中为14，v为估计参数个数，本例中，估计参数有两个var（-1）和var2。Sargan检验的原假设是过度约束正确，如果检验被拒绝，则说明模型设定错误，否则正确。数说工作室，大数据、云计算、高逼格往期精彩文章前面【】内的字母是编号，回复可查看相应文章，也可以直接回复相关术语查看，比如回复“多因子”，则会推送相应的多因子选股模型的文章。商业合作：jiayounet @ 量化金融系列【F1】多因子选股模型【F2】动量反转【F3】资本资产定价模型(CAPM)【F4】盈余管理的测量【A1】金融数据挖掘之朴素贝叶斯【A2】金融数据挖掘之决策树（ID3）【FX】风险管理与数据分析第一文：风险管理与数据分析第二文：商业银行算法·理论【gll】概率论，上帝的赌术第一话：古典概率论，一场赌局引发的血案第二话：大数定律，看不见的神的秩序第三话：正态分布，众生的百态第四话：暴走的假设检验第五话：回归模型，命运的方程番外话：常用分布表局部完结篇【machine】机器学习分类大全【nt】牛顿迭代法【ntcode】牛顿迭代法的matlab代码【MB】面板数据与Eviews操作指南（上、下）【logistic】logistic回归从生产到使用（使用篇）从生产到使用（生产篇）logistic回归建模指南【SVM】分类战车SVM开题话线性分类最大间隔分类器拉格朗日对偶问题核函数SMO算法用Python做SVM模型语言·工具【Python】统计师的Python日记第1天：谁来给我讲讲Python？第2天：再接着介绍一下Python呗本系列待续中...【sasbase】SAS Says·基础篇1. SAS软件入门2. 读取数据3. 描述数据4. ODS的使用5. 开发数据（一）6. 开发数据（二）7. SAS宏初步8. 相关、回归等初步统计本系列分基础篇、进阶篇、高级篇，待续中...资讯·精选【family】大数据圈【O8】你需要了解的十项国家大数据工程金融经济：【dsj】大数据与金融业P quant与Q quant（转）P quant的装备之战银行如何装备Hadoop平台（转）全面了解大数据在银行业的应用（转）全面了解大数据在证券业的应用（转）【O2】争鸣！西方经济学流派图客户管理：【seg】当我们谈论“细分”（segmentation）的时候我们在谈论什么生物：【bioml】机器学习在生物大数据应用的一个例子【fine】统计分析方法在生物信息学“精细定位（fine-mapping）中的应用”人口：【old】数说工作室联合推出老龄数据分析报告农业:【arg】看美国如何实现农业大数据的建设【arg】德强农场【arg】Farmeron：农场主的分析工具【arg】十三五送给我们的投资热点-农业大数据！数说工作室大数据 云计算 高逼格微信ID：shushuojun长按二维码关注数说工作室数说工作室(shushuojun)
　文章为作者独立观点，不代表大不六文章网立场
shushuojun分享数据分析方法、资讯、大数据：数说商业、数说历史、数说人生热门文章最新文章shushuojun分享数据分析方法、资讯、大数据：数说商业、数说历史、数说人生&&&&违法和不良信息举报电话：183-
举报邮箱：Copyright(C)2017 大不六文章网}