温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。
New!
lianxh
命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh
作者: 武翰涛 (普林斯顿大学)
Email: ht_wu@foxmail.com
在前叙推文中,我们介绍了 Stata 的分位数回归应用。分位数回归估计作为一种模型估计方法,能够较为准确描述解释变量
其中,
随着面板数据的广泛使用,面板分位数回归也随之出现。结合分位数回归与面板数据,采用分位数回归的方法对面板数据变量的参数进行估计,不仅能够更好的控制个体的异质性,以缓解遗漏变量导致的内生性问题;还够分析在特定的分位数处自变量对因变量的边际效应,使我们得以从多个维度进行分析。
接下来我们将介绍面板分位数回归模型的两种形式,并主要展示固定效应面板分位数回归模型的估计。
类似于通常面板数据的处理,分位数回归同样可以通过固定效应、随机效应分别进行估计。
随机效应面板分位数回归模型的形式如下所示:
上式中,
进一步地,控制个体效应的固定效应模型的设定形式如下:
接下来,本文将对固定效应面板分位数回归模型的估计过程进行进一步分析。
当横截面单元数达到无穷大时,每个横截面单位的观测数是固定的,估计量将不一致。Koenker ( 2004)借鉴高斯随机效应估计运用到固定效应的惩罚最小二乘中的基本思想,将其进一步拓展到分位数回归中,参数估计方法如下:
其中,
我们可以使用 qregpd
命令来实现面板分位数回归模型,这里我们利用系统自带数据库进行范例演示。
//下载外部命令
. ssc install qregpd
. ssc install moremata
. ssc install amcmc
//下载系统自带数据
. webuse nlswork.dta, clear
接下来考察该面板数据下,聘期 (tenure) 和是否加入工会 (union) 这两个变量与对数工资的关系:
. qregpd ln_wage tenure union, id(idcode) fix(year)
Nelder-Mead optimization
initial: f(p) = -298.32357
rescale: f(p) = -1.2889814
Iteration 0: f(p) = -1.2889814
Iteration 1: f(p) = -1.2889814
……
Iteration 22: f(p) = -.00164654
Iteration 23: f(p) = -.00164654
Quantile Regression for Panel Data (QRPD)
Number of obs: 19010
Number of groups: 4134
Min obs per group: 1
Max obs per group: 12
-----------------------------------------------------------------------
ln_wage | Coef. Std. Err. z P>|z| [95% Conf. Interval]
---------+-------------------------------------------------------------
tenure | .0207086 .0018158 11.40 0.000 .0171497 .0242676
union | .0922885 .0122959 7.51 0.000 .068189 .116388
-----------------------------------------------------------------------
No excluded instruments - standard QRPD estimation.
估计结果表明,在 1% 显著性水平上,tenure 与 union 与对数工资正相关。
进一步地,考虑到 tenure 可能存在内生性,因此我们使用工具变量法处理内生变量,并利用马尔科夫链蒙特卡洛方法 (MCMC) 估计结果。
. qregpd ln_wage tenure union, id(idcode) fix(year) ///
optimize(mcmc) noisy draws(1000) burn(100) ///
arate(.5) instruments(ttl_exp wks_work union)
Adaptive MCMC optimization
........................................... 50: f(x) = -123.527581
........................................... 100: f(x) = -120.682312
...
........................................... 950: f(x) = -120.251358
........................................... 1000: f(x) = -118.942834
Quantile Regression for Panel Data (QRPD)
Number of obs: 19010
Number of groups: 4134
Min obs per group: 1
Max obs per group: 12
ln_wage Coef. Std. Err. z P>z [95% Conf. Interval]
-----------------------------------------------------------------------
tenure .0312079 .0005661 55.13 0.000 .0300984 .0323175
union .0807607 .0065461 12.34 0.000 .0679305 .0935908
Excluded instruments: ttl_exp wks_work
MCMC diagonstics:
Mean acceptance rate: 0.192
Total draws: 1000
Burn-in draws: 100
Draws retained: 900
Value of objective function:
Mean: -119.0795
Min: -125.4123
Max: -117.0153
MCMC notes:
*Point estimates correspond to mean of draws.
*Standard errors are derived from variance of draws.
利用 ttl_exp、wks_work 两个工具变量重新估计,解决 tenure 内生性后,可以发现 tenure 对工资的正向影响有所增加,且同样在 1% 水平上显著。
「Source:Koenker, Quantile regression for longitudinal data」
Note:产生如下推文列表的命令为:
lianxh 分位数, m
安装最新版lianxh
命令:
ssc install lianxh, replace
连享会-直播课 上线了!
http://lianxh.duanshu.com
免费公开课:
直击面板数据模型 - 连玉君,时长:1小时40分钟,课程主页 Stata 33 讲 - 连玉君, 每讲 15 分钟. Stata 小白的取经之路 - 龙志能,时长:2 小时,课程主页 部分直播课 课程资料下载 (PPT,dofiles等)
支持回看
专题 | 嘉宾 | 直播/回看视频 |
---|---|---|
⭐ 最新专题 | 因果推断, 空间计量,寒暑假班等 | |
⭕ 数据清洗系列 | 游万海 | 直播, 88 元,已上线 |
研究设计 | 连玉君 | 我的特斯拉-实证研究设计,-幻灯片- |
面板模型 | 连玉君 | 动态面板模型,-幻灯片- |
面板模型 | 连玉君 | 直击面板数据模型 [免费公开课,2小时] |
Note: 部分课程的资料,PPT 等可以前往 连享会-直播课 主页查看,下载。
关于我们
课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法
等
连享会小程序:扫一扫,看推文,看视频……
扫码加入连享会微信群,提问交流更方便
✏ 连享会学习群-常见问题解答汇总:
✨ https://gitee.com/arlionn/WD
New!
lianxh
命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh