pq366 发表于 2010-8-21 18:34
连老师您好，又有几个问题向您请教，麻烦您了。


（1）序列相关检验中，其中随机效应模型应该采取xttest1命令，这个命令好像要求是平衡面板数据，可是我的数据是非平衡面板数据，使用xttest1就检验不了了，请问检验非平衡面板随机效应的序列相关有什么其他办法吗？
A: 目前似乎还没有更为合适的方法。你可以考虑直接采用 xtregar, re 命令进行回归。这个命令考虑了一阶自相关。


（2）在检验固定效应的的截面相关的时候，分别出现下面的信息，又检验不了截面相关了，进一步该怎么办呢？
. xtcsd ,pesaran
Error: The panel is highly unbalanced.
Not enough common observations across panel to perform Pesaran's test.
insufficient observations
r(2001);
. xtcsd ,friedman
There are not enough common observations to perform Frees or Friedmand tests
. xtcsd ,frees
There are not enough common observations to perform Frees or Friedmand tests

A: 这里的错误信息已经说得很清楚了，你的数据高度不平行，以至于无法找到足够的样本来执行这个检验。


（3）高阶自相关怎么检验得到？
A: 通常很少做这个检验，一阶自相关已经足以描述多数自相关问题了。xtscc, xtregar 命令都可以帮助你很好地控制一阶自相关。

（4）Newey2得到的膨胀因子与collin得到的膨胀因子有什么差异吗？是不是面板数据的膨胀因子使用Newey2得到，而非面板数据的膨胀因子使用collin得到？
A: 你理解的没错。

（5）stata中面板数据的格兰杰检验采取什么办法进行呢？
A: 理论上来讲，应该采用Panel VAR模型来检验panel data 的格兰杰检验。目前还没有相关的命令。

（6）回归中对自变量与因变量是否有什么特殊的要求，上市公司的财务数据其实很多都不是正态分布。下面这样两个办法：一是，通过box-cox进行变换处理，但是最终还是要转换回来进行解释，这个到底怎么转换呢，是不是改变了问题的性质；怎么期刊上面看到类似这样转换的比较少呢？
A: 无论是采用 MLE 还是 OLS，我们也只是假设干扰项服从正态分布（当样本较大时，根据中央极限定理，这个假设是不必要的），并未要求解释变量已经要服从正态分布。期刊上很少做你提到的这些检验和转换。大家更为关注的是离群值，通常采用取对数或winsor（1%或5%）的方式来处理。
   二是，删除上下四分位距1.5倍的数据进行回归，但是这样是不是又损失了很多的数据？不知道通常的经验方法是怎样做的。

（7）我在使用xtscc命令的时候，想得到拟合值，使用了命令predict xtscc_p。我是将所有样本放在一起的，为什么那些因变量缺省的地方也有拟合值呢，就是说，我是分析上市公司研发支出的影响因素，因为有的公司没有公布研发支出的数据，这些公司相应就不参与回归了，因为公布与不公布研发支出的公司是放在一起的，但是使用这个predict之后，没有公布研发支出的上市公司怎么也有拟合值呢？
A: 完成估计后，有些样本没有使用到，但在使用 predict 命令计算拟合值时，多数命令都默认对全样本计算拟合值。为了达到你所言的目的，你可以采用如下命令获得拟合值：
predict xtscc_p if e(sample)

（8）我在回归的时候，经过检查已经没有了共线性、序列相关，对于异方差是通过稳健标准误进行的，结论基本上较满意。但是，最终在看拟合值与残差的散点图的时候，则呈现一种有序分布图形。这是不是意味我的模型设置有问题，因为排除了共线性、异方差与序列相关，我还要进一步的调整模型吗？
A: 我想你可能检验的过于细致了，呵呵。


（9）回归中，残差与拟合值的散点图，其中残差随拟合值的增大而增大，我使用了变化模型的方法来处理，即：将原来的模型每个变量都同时除以拟合值，再重新进行估计，但这个时候每个自变量变得严重共线性（未除之前没有共线性），请问这个时候，该怎么办呢？
A: 你这个处理方式有何依据呢？我认为你只需在估计时，加上 robust 选项，以便在计算标准误时考虑异方差的影响即可。