stata做slm步骤
按照正常步骤。面数据模型的LM检验解决的是,截面数据SEM模型和SLM模型的选择问题。
这部分内容比较简单,参见《高级计量经济学及Stata应用(第二版)》设定面板数据格式第二步:对主要变量做描述性分析第三步:做基准回归第四步:做中介效应。
Stata空间计量命令汇总及操作手册空间计量经济学创造性地处理了经典计量方法在面对空间数据时的缺陷,考察了数据在地理观测值之间的关联。近年来在人文社会科学空间转向的大背景。
stata psm控制年份固定效应命令
操作方法如下：xtreg表示对面板数据进行回归，前缀xt可以说是面板数据命令的标志，与OLS的回归命令reg相区别。在这个例子中，被解释变量为exit1，后面4个全是解释变量，fe表示fixedeffect，处理的是个体固定效应，r表示robust，即采用聚类稳健标准误，对于面板数据估计，r自动聚类到截面维度，若要更改聚类层面，可以手动将r换成cluster（hy），括号内为想要聚类的层面，比如hy（行业）。
关于R-sq，也就是RSquare，这里也要强调一下，可以发现，回归结果显示了三个R-aq，到底应该用哪一个呢？之前讲过，固定效应有三种估计方法，Stata默认的是组内估计（Withinestimate），因此这三个R-sq里应该用第一个：within=0.02。
不过也有一个“聪明”的办法来识别，即通过命令将回归结果直接导出到word，然后再看软件给出的是哪一个R-sq（导出回归结果的命令之前有提过，像outreg2以及esttab等都能很好实现）。
倾向评分匹配的PSM的步骤
计算倾向得分（采用logist回归） 进行得分匹配得分匹配的几种方法：（1）最邻近匹配（Nearest neighbor matching）以倾向得分为依据，在控制组样本中向前或向后寻找最接近干预组样本得分的对象，并形成配对。（2）半径匹配（Radius matching）设定一个常数r（可理解为区间或范围，一般设定为小于倾向得分标准差的四分之一），将实验组中得分值与控制组得分值的差异在r内的进行配对。
（3）核匹配（Kernel Matching）将干预组样本与由控制组所有样本计算出的一个估计效果进行配对，其中估计效果由实验组个体得分值与控制组所有样本得分值加权平均获得，而权数则由核函数计算得出。
如何在stata中实现psmdid和平行趋势检验呢？
dfu
评论列表