@liuyuxi
2021-08-05T13:54:57.000000Z
字数 1987
阅读 27
计量经济学
此笔记对前则关于离散DID笔记的补充。
总结
1.由于xtprobit不可固定效应，故直接放弃。由于xtlogit前提假设太强，会损失掉被解释变量无变化的样本，也选择放弃。
2.由于线性模型的reg、reghdfe的缺陷在大多数情况下都不会引起严重的问题。在不进行预测的情况下，也使用该命令。
3.对logit、probit加虚拟变量是相对一般的做法，尽管probit加虚拟变量似乎有一定争议，但采取较多，也无太大问题。
命令：
probit、logit：可进行混合回归。
xtprobit：默认为随机效应。无法开展固定效应估计，因为只加入虚拟变量不能带来一致估计。
xtlogit：默认为随机效应。加上fe可估计固定效应。但fe有很强的前提假设，要求被解释变量变化很大，要求前后各期有变化，毫无变化的个体会被剔除。
注意：
- 多维固定效应：在估计命令前加上vce2way,vcemway。
- 二维聚类标准误：vce2way,vcemway搭配相关命令，当二维时估计效果相同。
- 新命令inteff：发现，使用margins去求Logit和Probit模型里交互项的边际效应的做法并不正确，因此作者特别设计了一个新的程序“inteff”去求二值模型里交互项的边际效应，还能自动将交互图保存下来。
- 非线性模型固定效应FE估计的存在问题与解决方法：
FE估计在linear model中通过demean transformation（或者first differencing）控制fixed effects，而这对于nonlinear model是不适用的，在nonlinear model中，很显然我们无法通过差分变换消掉fixed effects。但是也有一个special case。如果使用Logit model，在施加一个特定假设（Y changes between two time periods）的情况下，可以消掉fixed effects得到一致估计。
我个人的建议是尽可能使用linear model， linear model的那些缺陷在大多数情况下都不会引起严重的问题。如果坚持要使用nonlinear model，就用Logit model。（张川川老师）
xtlogit估计固定效应时的存在问题与解决思路不随时间变化的变量在固定效应估计中会随固定效应一起被消掉。
xtlogit命令作为非线性面板数据估计方法，依赖于很强的假定，只有在模型确实符合logit形式时，FE估计才是正确的。面板数据logit模型的固定效应估计，也即你使用xtlogit命令进行的固定效应估计是所谓的条件固定效应估计（conditional fixed effect estimation），需要通过conditional on a“minimum sufficient statistic”，才能够消掉individual fixed effect，而且只是在模型满足logit形式的条件下才能够这么做，具体推导过程可以找一本讲解非线性面板数据模型的教科书参考。由于线性模型可以通过一阶差分或者within transformation比较容易地控制individual fixed effects，建议尽可能使用linear panel data method。至于Hausman test，由于同样依赖于较强的假设，不必太过在意。在实现一致估计方面，FE估计占优于RE估计；再加上现在的实证研究样本量往往很大，对FE估计可能造成的估计效率的损失容忍度比较高，选FE估计即可。（张川川老师）
一般来说，被解释变量为（0,1）变量，使用OLS估计是可以的，只要你的模型不做预测，预测基于分布，OLS是因果识别的主流方法。但是OLS估计存在两个问题：1、异方差问题，本质上异方差不影响估计的一致性和无偏性；2、使用logit或者probit回归是常用的方法，主要的原因是OLS估计结果出来的预测值不会严格的落在0-1之间，而logit和probit是可以的。不做预测，并采用稳健标准误，离散变量也可以用线性模型。（谢杰老师）
类比 xtreg,fe结果可以利用 reg + dummy variables做出来。现有Stata 命令 xtprobit 的确是只能估计随机效应模型，不能处理固定效应模型。虽然可以通过 probit + dummy variables的方式得到结果，但是我觉得是不妥的，因为这有就假设个体单元间的独立的，那估计的标准误会有偏误。（游万海老师）
vcemway probit ..... i.year i.provcd , cluster(pid year)
margins,dydx(_all)post的方法来输出。