xtscc与xtreg的估计方法都是ols，二者的区别在于标准误的计算不同，前者考虑了面板异质性的问题，如异方差、自相关和截面相关等问题，计算出来的标准误更具有可信性，更适用于异质性面板的用于统计推断 可以
xtreg y x1 x2 i.year, fe robust reg y x1 x2 i.id i.year, vce(cluster id)总结：(1)xt...
. xtreg y x1 x2 i.year, fe vce(cluster firmID). reg y x1 x2 i.year i.industry, vce(cluster industry) 回归的方程如下: 两种回归的方式不同在于第二种回归考虑了标准误的聚类问题,即假设标准误在公司或行业的层面聚类。这种假设相比于假定标准误差满足 的基础上更加合理,因为实际问题中标准误在某一...
可选项介绍:cov(varlist),协变量,加上kernel可以估计倾向得分kernel,执行双重差分倾向得分匹配id(varname),kernel选项要求使用bw(#),核函数的带宽,默认是0.06,ktype(kernel),核函数的类型,qdid(quantile),执行分位数双重差分,pscore(varname),提供倾向得分logit,进行倾向得分计算,默认probit回归,ddd(varname),三重...
加入个体固定效应和时间固定效应,对比reg,xtreg,areg,reghdfe的效果,都采用稳健标准误。暂未采用聚类标准误(正常写paper应该加聚类标准误,不过加了容易系数不显著)。 stata reg回归后面加vce(cluster id …
id(varname),kernel选项要求使用 bw(#) ,核函数的带宽,默认是0.06 ktype(kernel),核函数的类型 qdid(quantile),执行分位数双重差分 pscore(varname) 提供倾向得分 logit,进行倾向得分计算,默认probit回归 ddd(varname),三重差分 SE/Robust cluster(varname) 计算聚类标准误。
xtreg是用于面板数据，但是reg执行的是OLS回归，OLS多用在截面数据，而不是时间序列。把OLS用在面板数据上也可以出结果，只不过是把面板当截面数据处理了。虽然 xtreg 与 reg 后面都加相同的 robust，但其实他们计算的东西是不一样的。xtreg 之 robust 其实是计算 cluster(id)，而 reg 之 robust 则...
从结果可以看出来,smoke 的 coefficient 是–218,意思是根据这个 model,母亲在怀孕时如果吸烟的话,婴儿出生体重预期会比母亲在怀孕期间没吸烟的婴儿轻 218 公克。 从smoke 到 pretris3,这些变数都是fixed effect。在上方指令的 i(momid),标明母亲是random effect。
A、命令“xtreg y i.id#c.x2 i.id#c.x3 ... i.id#c.xk, fe vce(cluster id) ”与命令“xtreg y i.id#c.(x2 x3 ... xk), fe vce(cluster id) ”是等价的,其中,id是个体变量名。 B、命令“reg y i.year#c.x2 i.year#c.x3 ... i.year#c.xk i.id i.year, r”与命令“reg...
1.面板数据设定 告诉stata数据为面板数据:xtset panelvar timevar 显示数据集结构:xtdes 2.混合回归 使用聚类稳健标准误:reg y x1 x2 x3, vce(cluster id) 普通标准误(假设扰动项独立同分布):reg y x1 x2 x3…