今天来讲一下混合OLS回归

 

本次分享的内容主要包含以下两个部分

第一个部分是混合OLS回归的介绍

第二个部分是混合OLS回归的STATA命令

 

首先我们来看一下第一个部分混合OlS回归

很多混合OlS回归估计模型

它的定义是这样的:各个截面估计方程的截距项和斜率项是一样的

也就是说回归方程估计结果在截距项和斜率项上是一样的

首先我们拿到一个面板数据

假设这个面板数据有y和x两个变量

我们要探寻y和x之间的关系

那我们就需要构建一个模型

在构建模型之前

我们需要考虑到

这个模型是否存在个体效应

因为这影响到我们构建模型的差异

如果存在个体效应的话

 

我们的构建模型的方程就是

这里的y是因变量x是自变量

b是常数项U是个体效应e是残差项

如果存在个体效应的话

也就是这U是个体效应

如果存在个体效应的话这个

U会随着个体的变化而变化

也就是说这个U越大

那么b加U就也越大

那么该个体的回归的估计方程结局效应也就越大

U越小截距项也就越小

如果我们不存在个体项的话

我们这个模型就变成这样

 

也就是我们这里所讲到的混合OLS模型

这个模型就是混合OLS估计模型

也就是把这个面板数据当成截面数据来处理

假设各个截面的截距项都是一样的

也就是用残数项c来表示

这两个方程差异就在就在截距项里

一个是会变化一个是截距项是恒定的

 

这个表格可以看到是分为

这里采用了三个模型

这个是面板面板数据常做的三个模型

第一个是我们今天要讲的混合OS模型

它就是存在个体效应的

这个两个模型

它存在个体效应

它那个模型还有两个分类

一个是固定效应模型

一个是随机效应模型

我们今天先讲这个不存在个体效应的模型

我们来解释一下这个表格

首先这里的都是一些质变量

质变量这里的是回归结果

我们先看一下这个括号上面的-0.225这个是回归系数

然后这个星星代表显出性水平

一般来说0.01

p小于0.01那么他就是在1%的水平上显出

p小于0.05就是在5%的水平上显著

p小于0.1就是在10%的水平上显著

可以看到我们这里的是两个星

也就是在5%至少在5%的水平上显著

这里的括号里的是t值

这个一般我们重点是

看这个信息还有系数

判断是否存在个体效应需要

做一个个体效应检验

这个体效应检验一般是在做完固定效应模型之后他那个会在stata回归结果后面会显示一个f值

f值就是个体效应检验检验值

可以看到我们这里的个体效应检验的这个f值是等于1.55三颗星是至少在1%的水平上显著

也就是我们这个模型是存在个体效应的

如果我们模型存在个体效应选择不存在个体效应的

混合OLS模型来估计的话

那么会导致很大的结果偏差

我们可以看到

这个l的回归系数是跟

混合OLS模型

和这个固定效应模型他们之间的这个l的这个系数是相差非常大的

我们可以看我们可这个可以看到

尤其是固定效应还有混合OLS模型之间

不光系数发生了很大的变化

而且显著性水平也发生了很大的变化

现在来看一下混合OLS的stata命令

首先我们打开stata然后导入数据

生成MISS1变量

 

第三行是混合OlS回归的命令

来讲一下这行命令

这个reg是它是

它是一个stata命令的简称

原命令的形式这样regress

这里的q是因变量

这里的d f到这个cash flow是质变量

If  miss1  等于零

这个就是对所有变量不存在求证时的观测样本都不存在

求自己的观测样本进行回归

这里逗号之后是选择项

我们是选择了r

这个r是什么含义呢

就是文件标准物它的传写是这样robus

文件标准物

在stata里面我们也可以简写成r

这个r一般是为了消除异方差

不管你是同方差还是异方差

因为加了这个r都没错

因为同方差就是特殊的异方差

所以我们加了这个r

一般我们都要加r的

跑回归都要加r

加了这个r是肯定是没错的

不管是同方差还是异方差的情况

 

我们现在跑下这跑下这行命令

下面是回归结果

 

这里是f统计值

还有这个R方的这个一些结果的汇报

 

而这这里的第一列是变量

这个q是因变量

下面的都是质变量

第一列是回归系数

第二列是文件标准物

第三列是T时

第四列是p显著性水平

后两列是自行区间

一般我们主要看的是

这系数这一列还有这个显著性水平这一列

第四列可以看到

一般这个是大于0.1

这个DF是结果是不显著的

这个是小于0.01至少

在1%的水平上显著

这个是小于0.1至少

在10%的水平上显著

           今天的内容就到这里了，咱们下期再见，记得给小编点个小心心哦，

 可以免费领取安装包，PPT，讲义等。