Unterschiede Panel Daten In Stata Forex

Re: st: Erste Unterscheidung in Paneldaten Fri, 18 Nov 2005 09:06:49 -0500 xtivreg, fd tut das erste differencing für Sie. Sie müssen nicht zum ersten Unterschied Ihre Variablen. Daniel um 12.35 Uhr 11182005, schriebst du: Ich möchte eine Frage an den bereits geforderten anhängen. Für den ersten Unterschiedsbefehl in xtivreg y z x (z a b c), fd i (panelid) muss ich alle Variablen unterscheiden, macht das Komando automatisch dies oder ist dies nicht das erste differencing, das ich an Sorry für all diese xt Fragen denke. Ich bestellte das xt Handbuch, aber kann nicht warten, bis es hier erhält. Gregor Franz schrieb: Zuerst vielen Dank an die Leute, die auf meine letzte Frage nach der, Beta antworteten. Bei der Verwendung von Paneldaten mit einem ersten differenzierenden Ansatz, wie in Wooldridge (2002) beschrieben, kann ich den xt-Befehl verwenden Es sieht aus wie ich aus den Hilfedateien kippe. Also habe ich nur Unterschied alle meine Variablen und laufen ein normales reg deltay deltax Vielen Dank, Für schnelle Fragen E-Mail dataprinceton. edu. Keine appts. Notwendig während der begehbaren Stunden. Hinweis: Das DSS-Labor ist geöffnet, solange Firestone geöffnet ist, keine Termine erforderlich, um die Labor-Computer für Ihre eigene Analyse verwenden. Panel-Daten Einleitung Panel-Daten, auch Longitudinal-Daten oder Querschnitts-Zeitreihendaten genannt, sind Daten, bei denen mehrere Fälle (Personen, Firmen, Länder usw.) in zwei oder mehr Zeiträumen beobachtet wurden. Ein Beispiel dafür ist die National Longitudinal Survey of Youth, bei der eine national repräsentative Stichprobe von Jugendlichen mehrmals über mehrere Jahre hinweg erhoben wurde. Es gibt zwei Arten von Informationen in Querschnitts-Zeitreihen-Daten: die Querschnitts-Informationen, die in den Unterschieden zwischen den Subjekten reflektiert werden, und die Zeitreihe oder innerhalb des Subjekts Informationen reflektiert in den Veränderungen innerhalb der Themen im Laufe der Zeit. Panel Daten Regression Techniken können Sie die Vorteile dieser verschiedenen Arten von Informationen zu nutzen. Während es möglich ist, gewöhnliche multiple Regressionstechniken auf Paneldaten zu verwenden, sind sie möglicherweise nicht optimal. Die Schätzungen der Koeffizienten, die aus der Regression abgeleitet werden, können einer verzögerten Variablenvorspannung unterworfen werden - ein Problem, das entsteht, wenn es eine unbekannte Variable oder Variablen gibt, die nicht für die abhängige Variable beeinflussbar sind. Mit Panel-Daten ist es möglich, für einige Arten von weggelassenen Variablen auch ohne Beobachtung zu kontrollieren, indem Änderungen der abhängigen Variablen über die Zeit beobachtet werden. Diese Steuerung für ausgelassene Variablen, die sich zwischen den Fällen unterscheiden, aber über die Zeit konstant sind. Es ist auch möglich, Panel-Daten zu verwenden, um für weggelassene Variablen zu steuern, die über die Zeit variieren, aber zwischen den Fällen konstant sind. Verwenden von Panel-Daten in Stata Ein Panel-Dataset sollte Daten über n Fälle, über t Zeitperioden, für insgesamt n mal t Beobachtungen haben. Daten wie diese sollen in Langform sein. In einigen Fällen können Ihre Daten in die so genannte breite Form kommen, mit nur einer Beobachtung pro Fall und Variablen für jeden unterschiedlichen Wert zu jedem anderen Zeitpunkt. Um solche Daten in Stata unter Verwendung von Befehlen für die Paneldatenanalyse zu analysieren, müssen Sie sie zunächst in Langform umwandeln. Dies kann mit dem Befehl Statas reshape durchgeführt werden. Für Hilfe bei der Verwendung von Reshape, siehe Statas Online-Hilfe oder diese Webseite. Stata bietet eine Reihe von Tools für die Analyse von Paneldaten. Die Befehle beginnen mit dem Präfix xt und umfassen xtreg-, xtprobit-, xtsum - und xttab-Panel-Datenversionen der bekannten Reg-, Probit-, Summe - und Tab-Befehle. Um diese Befehle zu verwenden, weisen Sie zunächst an, dass Ihr Dataset Daten von Panels ist. Sie benötigen eine Variable, die das case-Element Ihres Panels identifiziert (z. B. eine Länder - oder Personen-ID) und auch eine Zeitvariable, die sich im Stata-Datumsformat befindet. Informationen über Variablenformate für Statas-Datum finden Sie auf der Seite Zeitreihendaten in der Stata-Seite. Sortieren Sie Ihre Daten nach der Panelvariablen und dann nach der Datumsvariablen innerhalb der Panelvariablen. Dann müssen Sie den Befehl tsset ausgeben, um die Panel - und Datumsvariablen zu identifizieren. Wenn Ihre Panelvariable panelvar heißt und Ihre Datumsvariable datevar heißt, sind folgende Befehle erforderlich: Wenn Sie Menüs verwenden möchten, verwenden Sie den Befehl unter Statistics Time Series Setup und Utilities Declare Data to Time Series. Fixed-, Between - und Random-Effects-Modelle Fixed Effects Regression Das Fixed-Effects-Regression ist das Modell, das verwendet werden soll, wenn Sie Variablen auslassen wollen, die sich zwischen den Fällen unterscheiden, aber über die Zeit konstant sind. Es erlaubt Ihnen, die Änderungen in den Variablen über die Zeit zu verwenden, um die Auswirkungen der unabhängigen Variablen auf Ihre abhängige Variable abzuschätzen und ist die wichtigste Technik, die für die Analyse von Paneldaten verwendet wird. Der Befehl für eine lineare Regression auf Paneldaten mit festen Effekten in Stata ist xtreg mit der Option fe, wie folgt verwendet: Wenn Sie es vorziehen, die Menüs zu verwenden, ist der Befehl unter Statistik Querschnittszeitreihen Lineare Modelle Lineare Regression. Dies ist gleichbedeutend mit der Generierung von Dummy-Variablen für jeden Ihrer Fälle und einschließlich sie in einer Standard-linearen Regression, um für diese festen Fall-Effekte zu steuern. Es funktioniert am besten, wenn Sie relativ weniger Fälle und mehr Zeiträume haben, da jede Dummy-Variable entfernt einen Freiheitsgrad von Ihrem Modell. Zwischen Effekte Regression mit zwischen Effekten ist das Modell, das verwendet werden soll, wenn Sie für weggelassene Variablen steuern möchten, die sich im Laufe der Zeit ändern, aber zwischen den Fällen konstant sind. Es erlaubt Ihnen, die Variation zwischen den Fällen zu verwenden, um die Wirkung der weggelassenen unabhängigen Variablen auf Ihre abhängige Variable abzuschätzen. Der Befehl für eine lineare Regression auf Paneldaten mit zwischen den Effekten in Stata ist xtreg mit der Option be. Das Ausführen von xtreg mit zwischen den Effekten ist äquivalent dazu, den Mittelwert jeder Variablen für jeden Fall über die Zeit zu nehmen und eine Regression auf dem zusammengefassten Dataset von Mitteln auszuführen. Da dies zu einem Informationsverlust führt, werden die Effekte in der Praxis nicht viel genutzt. Forscher, die sich auf Zeit-Effekte ohne Berücksichtigung von Panel-Effekte im Allgemeinen wird eine Reihe von Zeit-Dummy-Variablen, die die gleiche wie Laufzeitfixe Effekte ist. Der Zwischeneffektschätzer ist hauptsächlich wichtig, da er zur Erzeugung des Zufallsschätzers verwendet wird. Zufällige Effekte Wenn Sie Grund zu der Annahme haben, dass einige ausgelassene Variablen über die Zeit konstant sein können, aber zwischen den Fällen variieren und andere zwischen den Fällen festgelegt werden können, sich aber über die Zeit unterscheiden, können Sie beide Typen mit zufälligen Effekten einbeziehen. Statas Zufallseffekte Schätzer ist ein gewichteter Durchschnitt der festen und zwischen den Effekten. Der Befehl für eine lineare Regression auf Paneldaten mit zufälligen Effekten in Stata ist xtreg mit der Option re. Auswahl zwischen festen und zufälligen Effekten Die allgemein akzeptierte Methode, zwischen festen und zufälligen Effekten zu wählen, führt einen Hausman-Test durch. Statistisch sind feste Effekte immer eine vernünftige Sache mit Panel-Daten zu tun (sie immer konsistente Ergebnisse), aber sie sind möglicherweise nicht das effizienteste Modell zu laufen. Zufällige Effekte geben Ihnen bessere P-Werte, da sie ein effizienter Schätzer sind, also sollten Sie zufällige Effekte ausführen, wenn es statistisch gerechtfertigt ist, dies zu tun. Der Hausman-Test überprüft ein effizienteres Modell gegen ein weniger effizientes, aber konsistentes Modell, um sicherzustellen, dass das effizientere Modell auch konsistente Ergebnisse liefert. Um einen Hausman-Test durchführen zu können, müssen Sie zunächst das Fixed-Effect-Modell abschätzen und die Koeffizienten so abgleichen, dass Sie sie mit den Ergebnissen des nächsten Modells vergleichen, das Zufallseffektmodell abschätzen und dann die Ergebnisse ausführen können Vergleich. Der Hausman-Test prüft die Nullhypothese, dass die Koeffizienten, die durch den effizienten Zufallsschätzer abgeschätzt werden, die gleichen sind wie diejenigen, die durch den konsistenten Schätzer für feste Effekte geschätzt werden. Wenn sie sind (unbedeutender P-Wert, Probchi2 größer als .05), dann ist es sicher, Zufallseffekte zu verwenden. Wenn Sie einen signifikanten P-Wert erhalten, sollten Sie jedoch feste Effekte verwenden. Weiterlesen zwischen Schätzern von Stata Eine Diskussion, die den Schätzer mit dem Zufallsschätzer vergleicht. Testen auf Heteroskedastizität und Autokorrelation auf Plattenebene von Stata Enthält einen benutzerdefinierten Befehl, der einen einfachen Test für die serielle Korrelation durchführt. Einführung in die Ökonometrie von James H. Stock und Mark W. Watson, 2003 Dieser Text enthält eine gute Diskussion der Theorie hinter der Panel-Datenanalyse und wurde bei der Vorbereitung dieser Seite verwendet. Siehe insbesondere Kapitel 8, Regression mit Paneldaten. Kopie 2007 Die Treuhänder der Princeton University. Alle Rechte vorbehalten. Dataprinceton. edu HINWEIS: Informationen sind für Princeton University. Es ist Ihnen nicht erlaubt, Anhänge hochzuladen. Es ist Ihnen nicht erlaubt, Ihre Beiträge zu bearbeiten. BB-Code ist an. Smileys sind an. [IMG] Code ist an. HTML-Code ist aus Sie. Sie müssen nicht erst Ihre Variablen unterscheiden. Daniel um 12.35 Uhr 11182005, schriebst du: Ich möchte eine Frage an den bereits geforderten anhängen. Für den ersten Unterschiedsbefehl in xtivreg y z x (z a b c), fd i (panelid) muss ich alle Variablen unterscheiden, macht das Komando automatisch dies oder ist dies nicht das erste differencing, das ich an Sorry für all diese xt Fragen denke. Ich bestellte das xt Handbuch, aber kann nicht warten, bis es hier erhält. Gregor Franz schrieb: Zuerst vielen Dank an die Leute, die auf meine letzte Frage nach der, Beta antworteten. Bei der Verwendung von Paneldaten mit einem ersten differenzierenden Ansatz, wie in Wooldridge (2002) beschrieben, kann ich den xt-Befehl verwenden Es sieht aus wie ich aus den Hilfedateien kippe. Also habe ich nur Unterschied alle meine Variablen und laufen ein normales reg deltay deltax Vielen Dank, Für schnelle Fragen E-Mail dataprinceton. edu. Keine appts. Notwendig während der begehbaren Stunden. Hinweis: Das DSS-Labor ist geöffnet, solange Firestone geöffnet ist, keine Termine erforderlich, um die Labor-Computer für Ihre eigene Analyse verwenden. Panel-Daten Einleitung Panel-Daten, auch Longitudinal-Daten oder Querschnitts-Zeitreihendaten genannt, sind Daten, bei denen mehrere Fälle (Personen, Firmen, Länder usw.) in zwei oder mehr Zeiträumen beobachtet wurden. Ein Beispiel dafür ist die National Longitudinal Survey of Youth, bei der eine national repräsentative Stichprobe von Jugendlichen mehrmals über mehrere Jahre hinweg befragt wurde. Es gibt zwei Arten von Informationen in Querschnitts-Zeitreihen-Daten: die Querschnitts-Informationen, die in den Unterschieden zwischen den Subjekten reflektiert werden, und die Zeitreihe oder innerhalb des Subjekts Informationen reflektiert in den Veränderungen innerhalb der Themen im Laufe der Zeit. Panel Daten Regression Techniken können Sie die Vorteile dieser verschiedenen Arten von Informationen zu nutzen. Während es möglich ist, gewöhnliche multiple Regressionstechniken auf Paneldaten zu verwenden, sind sie möglicherweise nicht optimal. Die Schätzungen der Koeffizienten, die aus der Regression abgeleitet werden, können einer verzögerten Variablenvorspannung unterworfen werden - ein Problem, das entsteht, wenn es eine unbekannte Variable oder Variablen gibt, die nicht für die abhängige Variable beeinflussbar sind. Mit Panel-Daten ist es möglich, für einige Arten von weggelassenen Variablen auch ohne Beobachtung zu kontrollieren, indem Änderungen der abhängigen Variablen über die Zeit beobachtet werden. Diese Steuerung für ausgelassene Variablen, die sich zwischen den Fällen unterscheiden, aber über die Zeit konstant sind. Es ist auch möglich, Panel-Daten zu verwenden, um für weggelassene Variablen zu steuern, die über die Zeit variieren, aber zwischen den Fällen konstant sind. Verwenden von Panel-Daten in Stata Ein Panel-Dataset sollte Daten über n Fälle, über t Zeitperioden, für insgesamt n mal t Beobachtungen haben. Daten wie diese sollen in Langform sein. In einigen Fällen können Ihre Daten in die so genannte breite Form kommen, mit nur einer Beobachtung pro Fall und Variablen für jeden unterschiedlichen Wert zu jedem anderen Zeitpunkt. Um solche Daten in Stata mit Hilfe von Befehlen für die Paneldatenanalyse zu analysieren, müssen Sie sie zunächst in Langform umwandeln. Dies kann mit dem Befehl Statas reshape durchgeführt werden. Für Hilfe bei der Verwendung von Reshape, siehe Statas Online-Hilfe oder diese Webseite. Stata bietet eine Reihe von Tools für die Analyse von Paneldaten. Die Befehle beginnen mit dem Präfix xt und umfassen xtreg-, xtprobit-, xtsum - und xttab-Panel-Datenversionen der bekannten Reg-, Probit-, Summe - und Tab-Befehle. Um diese Befehle zu verwenden, weisen Sie zunächst an, dass Ihr Dataset Daten von Panels ist. Sie benötigen eine Variable, die das case-Element Ihres Panels identifiziert (z. B. eine Länder - oder Personen-ID) und auch eine Zeitvariable, die sich im Stata-Datumsformat befindet. Informationen über Variablenformate für Statas-Datum finden Sie auf der Seite Zeitreihendaten in der Stata-Seite. Sortieren Sie Ihre Daten nach der Panelvariablen und dann nach der Datumsvariablen innerhalb der Panelvariablen. Dann müssen Sie den Befehl tsset ausgeben, um die Panel - und Datumsvariablen zu identifizieren. Wenn Ihre Panelvariable panelvar heißt und Ihre Datumsvariable datevar heißt, sind folgende Befehle erforderlich: Wenn Sie Menüs verwenden möchten, verwenden Sie den Befehl unter Statistics Time Series Setup und Utilities Declare Data to Time Series. Fixed-, Between - und Random-Effects-Modelle Fixed Effects Regression Das Fixed-Effects-Regression ist das Modell, das verwendet werden soll, wenn Sie Variablen auslassen wollen, die sich zwischen den Fällen unterscheiden, aber über die Zeit konstant sind. Es erlaubt Ihnen, die Änderungen in den Variablen über die Zeit zu verwenden, um die Auswirkungen der unabhängigen Variablen auf Ihre abhängige Variable abzuschätzen und ist die wichtigste Technik, die für die Analyse von Paneldaten verwendet wird. Der Befehl für eine lineare Regression auf Paneldaten mit festen Effekten in Stata ist xtreg mit der Option fe, wie folgt verwendet: Wenn Sie es vorziehen, die Menüs zu verwenden, ist der Befehl unter Statistik Querschnittszeitreihen Lineare Modelle Lineare Regression. Dies ist gleichbedeutend mit der Generierung von Dummy-Variablen für jeden Ihrer Fälle und einschließlich sie in einer Standard-linearen Regression, um für diese festen Fall-Effekte zu steuern. Es funktioniert am besten, wenn Sie relativ weniger Fälle und mehr Zeiträume haben, da jede Dummy-Variable entfernt einen Freiheitsgrad von Ihrem Modell. Zwischen Effekte Regression mit zwischen Effekten ist das Modell, das verwendet werden soll, wenn Sie für weggelassene Variablen steuern möchten, die sich im Laufe der Zeit ändern, aber zwischen den Fällen konstant sind. Es erlaubt Ihnen, die Variation zwischen den Fällen zu verwenden, um die Wirkung der weggelassenen unabhängigen Variablen auf Ihre abhängige Variable abzuschätzen. Der Befehl für eine lineare Regression auf Paneldaten mit zwischen den Effekten in Stata ist xtreg mit der Option be. Das Ausführen von xtreg mit zwischen den Effekten ist äquivalent dazu, den Mittelwert jeder Variablen für jeden Fall über die Zeit zu nehmen und eine Regression auf dem zusammengefassten Dataset von Mitteln auszuführen. Da dies zu einem Informationsverlust führt, werden die Effekte in der Praxis nicht viel genutzt. Forscher, die sich auf Zeit-Effekte ohne Berücksichtigung von Panel-Effekte im Allgemeinen wird eine Reihe von Zeit-Dummy-Variablen, die die gleiche wie Laufzeitfixe Effekte ist. Der Zwischeneffektschätzer ist hauptsächlich wichtig, da er zur Erzeugung des Zufallsschätzers verwendet wird. Zufällige Effekte Wenn Sie Grund zu der Annahme haben, dass einige ausgelassene Variablen über die Zeit konstant sein können, aber zwischen den Fällen variieren und andere zwischen den Fällen festgelegt werden können, sich aber über die Zeit unterscheiden, können Sie beide Typen mit zufälligen Effekten einbeziehen. Statas Zufallseffekte Schätzer ist ein gewichteter Durchschnitt der festen und zwischen den Effekten. Der Befehl für eine lineare Regression auf Paneldaten mit zufälligen Effekten in Stata ist xtreg mit der Option re. Auswahl zwischen festen und zufälligen Effekten Die allgemein akzeptierte Methode, zwischen festen und zufälligen Effekten zu wählen, führt einen Hausman-Test durch. Statistisch sind feste Effekte immer eine vernünftige Sache mit Panel-Daten zu tun (sie immer konsistente Ergebnisse), aber sie sind möglicherweise nicht das effizienteste Modell zu laufen. Zufällige Effekte geben Ihnen bessere P-Werte, da sie ein effizienter Schätzer sind, also sollten Sie zufällige Effekte ausführen, wenn es statistisch gerechtfertigt ist, dies zu tun. Der Hausman-Test überprüft ein effizienteres Modell gegen ein weniger effizientes, aber konsistentes Modell, um sicherzustellen, dass das effizientere Modell auch konsistente Ergebnisse liefert. Um einen Hausman-Test durchführen zu können, müssen Sie zunächst das Fixed-Effect-Modell abschätzen und die Koeffizienten so abgleichen, dass Sie sie mit den Ergebnissen des nächsten Modells vergleichen können Vergleich. Der Hausman-Test prüft die Nullhypothese, dass die Koeffizienten, die durch den effizienten Zufallsschätzer abgeschätzt werden, die gleichen sind wie diejenigen, die durch den konsistenten Schätzer für feste Effekte geschätzt werden. Wenn sie sind (unbedeutender P-Wert, Probchi2 größer als .05), dann ist es sicher, Zufallseffekte zu verwenden. Wenn Sie einen signifikanten P-Wert erhalten, sollten Sie jedoch feste Effekte verwenden. Weiterlesen zwischen Schätzern von Stata Eine Diskussion, die den Schätzer mit dem Zufallsschätzer vergleicht. Testen auf Heteroskedastizität und Autokorrelation auf Plattenebene von Stata Enthält einen benutzerdefinierten Befehl, der einen einfachen Test für die serielle Korrelation durchführt. Einführung in die Ökonometrie von James H. Stock und Mark W. Watson, 2003 Dieser Text enthält eine gute Diskussion der Theorie hinter der Panel-Datenanalyse und wurde bei der Vorbereitung dieser Seite verwendet. Siehe insbesondere Kapitel 8, Regression mit Paneldaten. Kopie 2007 Die Treuhänder der Princeton University. Alle Rechte vorbehalten. Dataprinceton. edu HINWEIS: Informationen sind für Princeton University. Fühlen Sie sich frei, die Dokumentation zu verwenden, aber wir können nicht beantworten Fragen außerhalb von Princeton Diese Seite zuletzt aktualisiert am: