日常摸魚的強師傅，終于想起來填這個大坑了！

許多有關計量的入門教程都上來先丟一堆理論，看的頭暈腦脹，但實際應用卻講的十分含糊

這對于很多想快速水paper或者寫畢業論文交差的同學十分不友好

而跟著本教程走，則可以通過實際的例子，快速的學習Stata軟件的使用，這樣在導入自己的數據后，可以快速搞出一篇論文的實證模型

經管類專業在本科都會學計量經濟學，但是一般只會教到基本的多元OLS模型就戛然而止了

誠然，這對于本科生來說夠用了，但是基本的多元OLS模型本身并不好處理。如果是橫截面數據，那解決異方差問題還算簡單，但是大部分容易獲得的經濟數據都是時間序列數據，而時間序列數據的多重共線性處理又十分棘手。本科的計量書里一般都會說，逐步回歸剔除一下就好了，但是這樣會使得你能用的變量數量大打折扣，有些奇葩導師總會要你必須加一些他們想要的變量，不能讓你去掉。另一個可行的方法則是采用主成分分析降維分析，但是這種方法，又需要用一個復雜的公式換算，過程繁瑣且麻煩，一些類似KMO檢驗的東西還可能根本過不去

因此，強師傅更推薦采用面板數據來處理本科以及碩士的畢業論文實證，因為其檢驗簡單，而且更易操作，總之就是坑少好摸

對于很多上了計量課就浪起來的同學來說，可能還分不清計量里的三種數據結構

本科一般只教兩種：

橫截面數據：舉例來說，就是中國2020年30個省份的GDP

時間序列數據：整個中國2010至2020年的GDP

而第三種數據結構便是面板數據，實際上就是橫截面數據和時間序列數據的結合

值得注意的是，不同軟件輸入面板數據的格式不一樣，我只推薦Stata來處理這些數據，因為真的對新手很友好

面板數據可以在excel整理好，直接粘貼到Stata

一個簡單的面板數據例子如下：

以北京上海和廣州3個城市2010至2016年的人口，地區生成總值和商品房均價為例，在excel里的整理如下：

可以看到，A列為我們的具體城市，實際上也就是截面或叫做個體，而B列年份則是時間，其余列為變量

你可以自己搭配不同的數據，整理成這樣的格式即可

打開stata的窗口

其中下方命令窗口可以直接輸入我們要做的指令，左邊為歷史窗口可以看到我們已經進行過的處理，而變量窗口則可以顯示我們輸入數據后產生的變量

在命令窗口輸入edit則可以打開數據編輯窗口

將excel的數據連同表頭直接粘貼到這個窗口，則會有如下提示：

選擇變量名則可以直接將第一行作為變量名稱

關閉該窗口回到stata主界面，則可以發現，有五個變量21個觀測被導入了進去

由于城市變量是字符數據，因此在處理之前需要采用encode命令將其改為數值型數據

具體命令如下：

encode 城市，gen(city)

這個命令中 encode為命令的名字，其作用是將字符數據轉換為數值型。而gen為生成的意思，實際上是生成一個新變量。如果你的城市是以數值如1，2，3，4來命名的，則可以省略這一步

緊接著，可以用xtset來聲明面板模型的截面和時間

在stata里，x代表個體或截面（在計量中和paper里，個體一般用n或i來表示，面板的模型的公式角標一般是it或者nt），t代表時間，set便是設置的意思。在stata里，一般與面板相關的命令都會以xt開頭

輸入xtset city 年份

則會發現，stata提示我們的panel變量，也就是個體為city，而時間跨度為2010至2016，如果每個城市每個年份均有數據，則為strongly balanced，即平衡面板，如果缺失數據，則為非平衡面板

接著我們就可以著手跑第一個面板模型了，輸入：

xtreg 商品房均價 年末總人口 地區生產總值,fe

則可以得到如下結果：

此時我們便得到了第一個面板個體固定效應模型的結果

其中xtreg表示我們運行的面板模型，在stata里，第一個出現的變量一定是y變量，也就是被解釋變量，而后面的變量均為x變量，因此在這個模型里，商品房價格為Y變量，人口和地區生產總值為X變量

在stata里，逗號后面一般跟隨的都是命令的選項，你可以通過不同的選項來調節模型。我們的命令里，fe代表fixed effects，即個體固定效應模型

在上述結果中，最為重要的是t檢驗的p值，即P>|t|這一列，可以發現，年末總人口的P值為0.103，這一般認為是不顯著的結果。而地區生產總值為0.000，意味著其在1%水平上通過了顯著性檢驗，可以認為地區生產總值直接與商品房房價有關。（一般P值小于0.1為10%顯著，0.05為5%顯著，小于0.01為1%顯著，在論文里一般用星號代替，分別為*， ** ， ***）

值得注意的是，面板模型不需要在意R2，因此R-sq的數值并不重要，這個后續的文章再講原因。而_cons為常數項，不需要特別的解釋

需要關注的是coef.這一列，對于P>|t|顯著的，如變量“地區生產總值”可以這樣解釋：北京上海廣州三個城市地區生產總值每上漲1萬元，商品房房價上漲0.0001247元

但是這樣解釋看起來，很奇怪，因為一來系數非常的小，感覺很不直觀，二來并不能反映出邊際效應的變化

因此，需要將y和x兩邊取對數，一來縮小量綱，二來轉換為邊際效應，也可以稱為彈性

stata里輸入

gen ln商品房均價=log( 商品房均價 )gen ln年末總人口 =log( 年末總人口 )gen ln地區生產總值 =log( 地區生產總值 )

即可生成三個變量的對數形式：

計量模型一定要用自然對數，stata里，log和ln都會取以e為底的自然對數。而excel里取對數的公式，用ln是自然對數，用log是以10為底的對數，是不一樣的（一個小坑）

再次運行面板模型的命令：

可以發現，系數coef.的數值一下子變得好解釋了。當然也會發現，年末總人口的P值小于了0.05，通過了顯著性檢驗。這是由于許多社會經濟數據本身是右偏的，而取對數可以將其轉換為正態分布，從而修正異方差性，這部分會后續再詳細解釋（挖坑*1）

而此時，模型則可以這樣解釋：

當北上廣三個城市，人口上升1%，則會導致商品房均價下降5.97%，而地區生產總值上升1%，則商品房價格會上升1.43%

有些時候，結果不是我們想要的，可能是我們的數據結構和樣本選取導致的。面板模型是一個大樹，后面根據不同的數據結構會出現不同的分支。對于個體多于時間的數據，則為短面板，一般為大N小T，而個體少于時間的數據，則為長面板，一般被稱為小N大T。我們這個模型只有3個城市，但時間跨度為7年，顯然屬于長面板范疇，則需要特殊的處理，這個后續再補（挖坑*2）

對于本科生來說，采用短面板是比較好的選擇，對于碩士生來說，長面板可以進行許多高階操作以滿足實證的復雜度需要，如變系數模型或動態面板（挖坑*3）

模型需要做Hausman檢驗以在隨機和固定效應兩種不同的模型中進行選擇，這會在下一期文章中講解（挖坑*4）

而遺漏變量和內生性問題也可能會導致我們得不到想要的結果，這時候則需要一些高級的方法如工具變量法來處理（挖坑*5）

但是對于許多想要快速進行實證分析的本科生和碩士生來說，這篇文章算是一個好的入門了

---

我的個人公眾號已上線，請隨意關注，歡迎向我提問哦

總結

以上是生活随笔為你收集整理的vecm模型怎么写系数_用Stata搞实证之面板模型入门的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。