原标题：短面板数据学习手册(固定效应与随机效应等汇总)
本文由计量经济学服务中心整理
转载请注明来源
一．静态面板数据操作
(一)数据处理
输入数据
use "E:statadataFDI.dta", clear
tsset code year 该命令是将数据定义为“面板”形式
xtdes 该命令是了解面板数据结构
summarize lngdp lnfdi lnie lnex lnim lnci lngp
各变量的描述性统计(统计分析)
拓展命令：
gen lag_y=L.y 产生一个滞后一期的新变量
gen F_y=F.y 产生一个超前项的新变量
gen D_y=D.y 产生一个一阶差分的新变量
gen D2_y=D2.y 产生一个二阶差分的新变量
二．静态(短)面板数据固定效应汇总
固定效应篇
主要包括混合效应VS固定效应，LSDV方法、双向固定效应等
1、检验个体效应(混合效应还是固定效应)(原假设：使用OLS混合模型)
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe
其中选项fe表明我们采用的是固定效应模型，表头部分的前两行呈现了模型的估计方法、界面变量的名称(id)、以及估计中使用的样本数目和个体的数目。第3行到第5行列示了模型的拟合优度、分为组内、组间和样本总体三个层面，通常情况下，关注的是组内(within)，第6行和第7行分别列示了针对模型中所有非常数变量执行联合检验得到的F统计量和相应的P值，可以看出，参数整体上相当显著。需要注意的是，表中最后一行列示了检验固定效应是否显著的F统计量和相应的P值。显然，本例中固定效应非常显著。
对于固定效应模型而言，回归结果中最后一行汇报的F统计量便在于检验所有的个体效应整体上显著。在我们这个例子中发现F统计量的概率为0.0000，检验结果表明固定效应模型优于混合OLS模型。
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe r
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe r
等价于
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe vce(cluster id)
2、固定效应LSDV法
reg lngdp lnfdi lnie lnex lnim lnci lngp i.id,fe vce(cluster id)
3、双向固定效应
xtreg lngdp lnfdi lnie lnex lnim lnci lngp i.year,fe r
结果强烈拒绝无时间效应的原假设，认为模型存在时间效应
三．静态(短)面板数据随机效应汇总
1、检验时间效应(混合效应还是随机效应)(检验方法：LM统计量) (原假设：使用OLS混合模型)
qui xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re (加上“qui”之后第一幅图将不会呈现)
xttest0
可以看出，LM检验得到的P值为0.0000，表明随机效应非常显著。可见，随机效应模型也优于混合OLS模型。
2、使用MLE估计
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,mle nolog
四．静态(短)面板数据组间估计量
组间估计量
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,be
五．静态(短)面板数据固定与随机效应检验
检验固定效应模型or随机效应模型 (检验方法：Hausman检验)
原假设：使用随机效应模型(个体效应与解释变量无关)
通过上面分析，可以发现当模型加入了个体效应的时候，将显著优于截距项为常数假设条件下的混合OLS模型。但是无法明确区分FE or RE的优劣，这需要进行接下来的检验，如下：
Step1：估计固定效应模型，存储估计结果 Step2：估计随机效应模型，存储估计结果 Step3：进行Hausman检验
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re
est store re
xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe
est store fe
hausman fe re
(或者更优的是hausman fe,sigmamore/ sigmaless)
可以看出，hausman检验的P值为0.0000，拒绝了原假设，认为随机效应模型的基本假设得不到满足。此时，需要采用工具变量法或者使用固定效应模型。返回搜狐，查看更多
责任编辑：
