Remélem, hogy valaki tud nekem segíteni, mivel már jó ideje ragaszkodom ehhez a problémához.

Van egy S & P500 vállalat panelem 2010 és 2014 között, és szeretnék egy regressziót futtatni, amely magában foglalja az ipar és az év fix hatásait.

Kezdő vagyok a paneladatok elemzésében, és a Stata is, és nem találom sehol a választ. Annyira zavart vagyok, hogy nem vagyok biztos abban, hogy az ipar és az év fix hatásai egyenértékűek-e a keresztmetszet és az időszak fix hatásai.

Megjegyzések

  • Ott ' sa kedves cikk SJ-ben a nagy dimenziójú fix effektusokról, beleértve a többi parancs áttekintését is.

Válasz

Tegyük fel, hogy van valamilyen kategória változója $ c_i $ (pl. C lehet a $ i $ ipari vállalat). Fontos matematikai szempont, amelyet szem előtt kell tartani, hogy fix effektusok regressziójának futtatása fix effektusokkal Az $ egyenértékű egy reguláris regresszió futtatásával indikátorváltozókkal a $ c $ minden lehetséges értékéhez.

Alapvető stratégia lehet:

  1. use xtset industryvar a Stata-ban annak jelzésére, hogy fix effektusokat szeretne az iparvar minden egyes értékéhez.
  2. Hamis változókat generál minden évre.
  3. Hívja xtreg a fe opcióval a fix effektusok megjelölésére, ideértve az év próbaváltozókat is jobb oldali változókként.

Tovább volt Nyilvánvalóan a következőket teheti:

xtset industry xtreg y x1 x2 i.year, fe 

Ez azt feltételezi, hogy a year egy változó, amely az évet tartja, div id = “f17ada9d49″>

egy olyan változó, amely az ipart stb. tartja …

Megjegyzések

  • Kedves Matthew, köszönöm ennyit a hasznos válaszáról. Megpróbáltam, ahogy a Statában tanácsolta, és elégedett vagyok a kapott eredménnyel. Nem bánná, ha még egyszer megnézném – 2020 és 2014 között 5 év alatt 418 vállalatom van az S & P 500 indexből, és letöltöttem minden vállalat SIC-kódját az ipari hatások ellenőrzése. Így tettem: xtset sic; xtreg y x1 x2 x3 … i.year, fe Előre is elnézést kérek, ha a kérdésem ostobának tűnik számodra, de abszolút kezdő vagyok, és az Uni-nál nincs senki, aki segíthetne a Panelben. Üdvözlettel, Milica
  • igen, hogy ' hogyan csinálnád ezt. Egy másik véletlenszerű gondolat: használhat 4 jegyű SIC kódokat, vagy kipróbálhat 3 számjegyű sic kódokat is (pl. Létrehozhat egy új SIC3 változót a 4 jegyű kód felvételével, osztással 10-vel és a maradék elhagyásával a floor () függvénnyel, azaz gen sic3 = floor(sic4/10)).
  • Köszönjük kedves és segítőkész válaszát. Üdvözlettel: Milica

Válasz

Ebben az összefüggésben a fix hatású regresszió (vagy a becslésen belül) egy panel vagy longitudinális adatokkal történő modellezés módszere. Ez a becslő megkülönbözteti a megfigyelési egység változóinak átlagát az egyes változóktól:

$ i \ 1 \ pontban N $, az $ 1 \ dots T $ periódusokban megfigyelhető, és a $ X_k $ kovariánsok , és a $ Y $ függő változó, a fix hatás becslője a következő átalakítást hajtja végre:

$ \ breve {Y} _ {it} = Y_ {it } – \ bar {Y} _i $ és
$ \ breve {X} _ {kit} = X_ {kit} – \ bar {X} _ {ki} $ $ k = 1 \ pont K $

A regressziót az átalakított változókra hajtjuk végre. Statisztikában ez a xtreg paranccsal valósítható meg a fe opció.

Ez a parancs valószínűleg nem fog működni az Ön helyzetében, mivel az egyes megfigyelési egységek átlagainak megkülönböztetésére szolgál. Valószínűleg több vállalat, amelyek egy adott iparágban működnek, és meg akarja különböztetni az ipar átlagát. Ez a hierarchikus lineáris modell egyszerű esete.

Ebben a i. operátort szeretné használni a Statában:

reg y i.industry i.year 

Használhatja a areg parancs az azonos eredmények eléréséhez:

areg y i.year, absorb(industry) 

A areg parancs lehet akkor hasznos, ha az abszorbeált változó szintjeinek száma (ebben a példában az iparágak száma) magas.

Ha igaz, hogy ugyanazon az iparon belül több cég is van, úgy gondolom, hogy ez a helyzet, akkor a józan és aszimptotikusan támogatott általános gyakorlat az, hogy a szabványos hibákat ipari szinten csoportosítja. Statisztikailag ez általában az vce(cluster varname) opcióval valósul meg.Így például a regress parancsod

reg y i.industry i.year, vce(cluster industry) 

lesz. Hasonló megjegyzés: egy meglehetősen friss fejlesztés kétirányú és többutas klaszterek robusztus szabványhibáinak összeállításakor készültek (lásd például Cameron, Gelbach és Miller 2011. évi cikkét a Journal of Business and Economic Statistics -ben). Ha aggódik olyan sokkok miatt, amelyek egy adott időszakban befolyásolják a részvények teljes készletét, érdemes lehet ezt megvalósítani. Doug Miller egy .ado fájlt írt a cgm.ado nevű fájlban, amely a többutas klaszterezés egyik módszerét valósítja meg. / h3>

  • Azt is javasolnám, hogy a hibákat csoportosítsák, ha ezt a megközelítést követik.
  • Ez ' igaz. Gondolkodtam azon, hogy felvegyem ezt a javaslatot, de tartózkodtam attól, hogy esetleg kívül esne. I ' hozzáadom.
  • I ' m azért küzd, hogy lássa, mennyire nem megfelelő az xtreg, fe, mivel reg y x i.industry i.year, vce(cluster industry) azonos becsléseket generál x-re, mint xtset industry, majd xtreg y x i.year, vce(robust). A próbabábuk vagy az id alapján történő lebecsülés beletartozik matematikai, lineáris algebra szempontból is. Valójában nagy számú dummy változó esetén az xtreg gyorsabban számol, mert 10000 fix effektus + 2 érdekes változó 10002 változó rendszer megoldását vonja maga után, míg az átalakított adatokon csak 2 változó rendszer lesz.
  • @MatthewGunn Egyetértek veled abban az esetben, ha az ipar megfigyelési egység, amelyet idővel megfigyelnek. Ha azonban iparonként több megfigyelési egység (cég) van, akkor a tipikus FE-beszélgetést és a xtreg .., fe -et ki kell igazítani. A xtset futtatása ilyen esetben hibát eredményez: " ismételt időértékek a panelen belül. "
  • iparonként több cég is lehet. Ez ' rendben van, csak ne állítson ' t a tssetet is.

Vélemény, hozzászólás?

Az email címet nem tesszük közzé. A kötelező mezőket * karakterrel jelöltük