STATA长面板数据分析实战：从数据导入到模型估计的完整流程

1. 面板数据基础与STATA环境准备面板数据就像一张巨大的Excel表格行是不同个体比如各省份列是不同时间点比如各年份每个单元格里记录着具体的观测值。我刚开始接触时总把它和时间序列搞混直到导师用了一个生动的比喻时间序列是观察一个人从童年到老年的变化而面板数据是同时观察一群人在不同年龄段的状态。长面板数据的典型特征是时间维度T大于截面维度N。比如分析全国30个省份过去20年的经济数据这种数据结构在STATA中需要特殊处理。记得第一次处理长三角城市群15年数据时我犯了个低级错误——直接用regress命令做回归结果标准误严重低估。后来才明白必须用xt开头的专用命令。安装必要组件是第一步。推荐用这个命令一次性装齐常用工具包ssc install xtunitroot, replace // 单位根检验工具 ssc install xtcointtest, replace // 协整检验工具 net install st0366.pkg, replace // 面板校正标准误工具数据导入环节有个实用技巧如果原始数据是Excel格式不要直接复制粘贴。我习惯先用import excel命令导入再用destring处理字符型数值。曾经有个项目因为货币符号没清理干净导致后续分析全部报错折腾了整整两天才找到原因。2. 数据清洗与预处理实战真实数据从来不会乖乖听话。去年处理某省工业面板数据时遇到超过30%的缺失值。这时候xtbalance命令就派上用场了它能快速识别非平衡面板中的缺失模式。不过要慎用drop if missing()我更喜欢用ipolate进行线性插值特别是对经济增速这类连续变量。分类变量处理有个坑要注意直接用encode转换的变量会默认按字母排序导致因子水平与业务逻辑不符。比如东部、中部、西部可能变成东部、西部、中部。我的解决方案是gen region_num 1 if region东部 replace region_num 2 if region中部 replace region_num 3 if region西部 label define region_label 1 东部 2 中部 3 西部 label values region_num region_label声明面板结构时90%的错误来自xtset命令使用不当。正确的姿势是xtset citycode year, yearly // 年度数据 // 或者 xtset firm_id quarter, quarterly // 季度数据检查数据是否声明成功可以用xtdescribe。有次我发现数据明明平衡却显示unbalanced原来是有几个观测值的时间格式是字符串。用tostring year, replace配合destring year, replace才解决。3. 平稳性与协整检验详解单位根检验就像体检时的血压测量是建模前的必做项目。但各种检验方法让人眼花缭乱LLC、IPS、Fisher...我的经验法则是大T小N用LLC大N小T用IPS中等规模用Fisher。记得检验时要依次尝试三种形式带趋势项和截距项仅带截距项无趋势无截距典型错误案例有次我直接对人均GDP做LLC检验p值0.82认为不平稳。但导师指出数据有明显上升趋势应该先选带趋势项的模型再检验结果p值变为0.03结论完全相反。检验命令应该这样写xtunitroot llc gdp, trend lags(aic 5) // 带趋势项 xtunitroot llc gdp, lags(aic 5) // 仅截距项 xtline gdp, overlay // 画图辅助判断协整检验更考验耐心。当变量有不同阶单整时Pedroni检验比Kao检验更可靠。我常用的完整流程是// 先检验各变量单整阶数 xtunitroot llc gdp, trend xtunitroot llc invest, trend // 同阶单整后做Pedroni检验 xtcointtest pedroni gdp invest export, trend lags(bic 3)有个项目发现GDP和投资都是I(1)但出口是I(0)。这时候不能简单放弃可以尝试去掉出口变量重新检验用误差修正模型(ECM)处理考虑可能存在阈值协整4. 模型选择与诊断测试固定效应(FE)还是随机效应(RE)这个经典问题不能只看Hausman检验。我的决策树是如果个体是总体全部如所有省份必选FE如果N大T小如上万家企业5年数据RE更优其余情况做Hausman检验实操中容易忽略的点时间固定效应。用tab year, gen(year_dummy)生成时间虚拟变量后一定要做联合显著性检验xtreg y x i.year, fe testparm i.year // 检验时间效应模型诊断三大件——序列相关、截面相关、异方差缺一不可。我习惯用这个组合拳// 序列相关 xtserial y x1 x2 // 截面相关 xtcsd, pesaran // 异方差 xttest3遇到三大问题同时存在时xtscc是最稳健的选择。去年分析上市公司数据时对比发现普通标准误t值普遍在5以上聚类标准误t值降到3左右xtscc标准误只有1/3变量显著5. 高级主题与实战技巧交互固定效应处理结构性变化是个神器。比如研究高铁开通效应gen post year2010 // 假设2010年开通 gen treated province江苏 | province浙江 xtreg gdp c.treated#c.post, fe动态面板的GMM估计要注意工具变量质量。我的经验是xtabond2 y L.y x1 x2, gmm(L.y) iv(x1 x2) twostep estat sargan // 过度识别检验对于非线性关系面板门槛模型越来越常用。安装xthreg命令后xthreg y x, rx(z) qx(z) thnum(1) grid(400) trim(0.01) bs(300)最后分享几个血泪教训做差分前务必xtset正确否则d.操作会出错使用outreg2输出结果时加keep()选项避免输出过多变量大数据集用preserve/restore保护原始数据关键步骤用estimates store保存结果防止意外中断