reghdfe：多维面板固定效应估计

作者: stata连享会 | 来源:发表于2019-08-02 17:45 被阅读0次

作者：胡雨霄 (伦敦政治经济学院)

🍎 最新专题 || 🍏 推文汇总 || 💛 公众号合集

实证分析中，我们经常需要控制各个维度的个体效应，以便尽可能减轻 遗漏变量 导致的偏误。在最常用的二维面板数据中，我们通常会采用 xtreg y x i.year, fe 的形式来控制 公司个体效应 和 年度效应。然而，在有些情况下，我们需要对三维甚至更高维度的数据进行分析 (例如，公司-年度-高管，省份-城市-行业-年度)，此时，一方面要考虑估计的可行性，另一方面还需兼顾计算速度问题。

本文介绍的 reghdfe 命令可以很好地达成上述目的。reghdfe 主要用于实现多维固定效应线性回归。该命令类似于 areg 及 xtreg,fe，但允许引入多维固定效应。此外，该命令在运行速度方面远远优于 areg 及 xtreg，因此倍受研究者青睐。

本文对该命令的介绍基于 A Feasible Estimator for Linear Models with Multi-Way Fixed Effects (Correia, 2016 )。

1. 命令的安装

ssc install reghdfe, replace ///安装命令

2. 命令的语法

该命令的具体语法如下：

reghdfe depvar [indepvars] [if] [in] [weight], absorb(absvars) [options]

其中，

depvar: 因变量
indepvars: 解释变量
absorb(absvars)：引入固定效应
- 可以包含多维固定效应，即 absorb (var1,var2,var3,...)。若想保存对某变量的固定效应，则运行命令absorb (var1,var2,FE3=var3) ，变量 FE3 将保存对 var3 的固定效应估计结果。
- 可以包含不同效应间的交互影响，即absorb(var1#var2)。

值得注意的是，reghdfe 允许定类变量 (categorical variable) 与连续性变量 (continuous variable) 进行交互，即 absorb(i.var1#c.var2) 。实证中很少引入这样的交互项。但如果对该问题感兴趣，可参考 Duflo (2014) 。

3. 命令的操作

这一部分用两个实证的例子介绍如何运用 reghdfe 。

3.1 估计双重差分的固定效应模型（DID)

该命令可用于估计双重差分的固定效应模型（DID）。过去推文Stata: 双重差分的固定效益模型列举了用于估计 DID 模型的三个命令：reg, areg, 以及xtreg。reghdfe 也可实现同样的估计结果，而且运行速度优于其他命令。

使用的数据请参考之前推文Stata: 双重差分的固定效应模型。该数据模拟的情况为，政策冲击发生在 $t = 14$ 时，对照组为 $i = 1$ ，控制组为 $i = 0$ 。模型为 $y = 0.3 + 0.19 \times i + 1.67 \times d + 0.56 \times i \times d + e$ 。

. set obs 400
. gen firm=_n  ///生成企业数量
. expand 24
. bysort firm: gen t=_n  ///时间跨度设定为24个季度（6年）
. gen d=(t>=14)
. label var d "=1 if post-treatment" ///设定事件冲击发生在第14期
. gen r=rnormal()
. qui sum r, d
. bysort firm: gen i=(r>=r(p50)) if _n==1
. bysort firm: replace i=i[_n-1] if i==. & _n!=1 ///设定处理组和对照组
. drop r
. label var i "=1 if treated group, =0 if untreated group" 
. gen e = rnormal() ///设定随机变量
. label var e "normal random variable"
. gen y = 0.3 + 0.19*i + 1.67*d + 0.56*i*d + e ///模型设置

首先，回顾双重差分模型的设定形式，

$y_{it} = \alpha + \beta (G_i \times D_i) + \mu_i + \lambda_t + \epsilon_{it}$

其中， $G_i$ 为分组虚拟变量（处理组=1，控制组=0）； $D_i$ 为分期虚拟变量（政策实施后=1，政策实施前=0）；交互项 $G_i \times D_i$ 表示处理组在政策实施后的效应。 $\mu_i$ 与 $\lambda_t$ 分别为个体固定效应和时间固定效应。

具体用于估计政策冲击对公司的影响的命令如下。

gen did = i*d ///生成交互项
reghdfe y did, absorb(firm t) vce(cluster firm)

变量 did 即为交互项，其系数为双重差分模型重点考察的处理效应。命令 absorb(firm t) 同时引入了公司固定效应以及时间固定效应。结果如下。

. reghdfe y did, absorb(firm t) vce(cluster firm)
(MWFE estimator converged in 2 iterations)

HDFE Linear regression                            Number of obs   =      9,600
Absorbing 2 HDFE groups                           F(   1,    399) =     175.80
Statistics robust to heteroskedasticity           Prob > F        =     0.0000
                                                  R-squared       =     0.5102
                                                  Adj R-squared   =     0.4875
                                                  Within R-sq.    =     0.0198
Number of clusters (firm)    =        400         Root MSE        =     1.0043

                                 (Std. Err. adjusted for 400 clusters in firm)
------------------------------------------------------------------------------
             |               Robust
           y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         did |   .5656247   .0426601    13.26   0.000     .4817581    .6494914
       _cons |   1.143579   .0084565   135.23   0.000     1.126954    1.160204
------------------------------------------------------------------------------

Absorbed degrees of freedom:
-----------------------------------------------------+

 Absorbed FE | Categories  - Redundant  = Num. Coefs |
-------------+---------------------------------------|
        firm |       400         400           0    *|
           t |        24           0          24     |
-----------------------------------------------------+
* = FE nested within cluster; treated as redundant for DoF computation

连享会计量方法专题……

3.2 估计多维固定效应的线性模型（复制一篇 AER 论文）

这一小节将介绍如何运用 reghdfe 估计多维固定效应的线性模型。American Economic Review一篇文章，The Costs of Patronage: Evidence from the British Empire (Xu, 2018)，提供的可供复制的代码中出现了大量 reghdfe 命令。本小节介绍该作者如何用 reghdfe 命令输出其文章Table 2第六列的结果。

Source: Xu, G. (2018). The Costs of Patronage: Evidence from the British Empire. American Economic Review, 108 (11): 3170-98.

作者在这篇文章中想要探究 任命制 (patronage) 对英国 政治体系 的影响。具体于 Table2，作者意图研究社会联系（social connections) 是否会影响政府官员的工资水平。Table 2中，第六列所估计的回归为：

$log w_{ist} = \beta \times c_{it } + \theta_i + \omega_i + x_{it}'\gamma + \tau_t + \epsilon_{ist}$

其中，

$logw_{ist}$ 为政府官员 $i$ 于时间 $t$ 在 $j$ 州执政时的对数工资水平。Stata 命令中，该变量名为 log_salary_governor_gbp
$c_{it}$ 为虚拟变量（Dummy Variable)，当政府官员与其上任官员存在社会联系时，该变量取1。如若不然，则取0。社会联系包括：共同祖先，贵族身份以及教育背景。Stata 命令中，该变量名为 connected
$\theta_i$ 为政府官员固定效应。该部分的设置为了解决政府官员的异质性 (heterogeneity) 问题。例如，具有较强能力的政府官员更有可能建立更多的社会关系。Stata 命令中, aid 为不同官员的 unique ID 变量。
$\omega_i$ 为政府官员执政时长固定效应。设置该部分是因为，执政时间的长短可能也会对社会关系产生影响。Stata 命令中, duration 为官员执政时长变量。
$x_{it}'$ 为控制变量。作者选用了执政者在历史上执政过的州的数目。Stata 命令中，该变量名为 no_colonies 。
$\gamma_t$ 为年份固定效应。该部分的设置是为了吸收执政者们在不同时期受到的共同时间冲击。Stata 命令中, year 为年份变量。
$\epsilon_{ist}$ 为残差。作者使用了聚类标准误的方法。

该回归的原假设为， $H_0$ : 社会联系 (connected) 与政府官员的工资水平 (log_salary_governor_gbp) 无关。若 connected 的系数 $\beta$ 不显著，则不拒绝原假设。若 $\beta$ 显著，则拒绝原假设，并可以判定社会联系对政府官员的工资水平显著相关。

用 Stata 实现该回归的命令如下。

reghdfe log_salary_governor_gbp no_colonies connected, ///
        absorb(aid year duration) vce(cluster bilateral)

其中，absorb(aid year duration) 同时引入了官员固定效应、时间固定效应以及执政时长固定效应。

命令运行后的结果如下所示。数据请于AER下载。

. quietly use "analysis.dta", replace
. reghdfe log_salary_governor_gbp no_colonies connected, ///
          absorb(aid year duration) vce(cluster bilateral)
(MWFE estimator converged in 26 iterations)

HDFE Linear regression                            Number of obs   =      3,510
Absorbing 3 HDFE groups                           F(   2,   1517) =      25.45
Statistics robust to heteroskedasticity           Prob > F        =     0.0000
                                                  R-squared       =     0.9255
                                                  Adj R-squared   =     0.9109
                                                  Within R-sq.    =     0.0978
Number of clusters (bilateral) =      1,518       Root MSE        =     0.2374

                          (Std. Err. adjusted for 1,518 clusters in bilateral)
------------------------------------------------------------------------------
             |               Robust
log_salary~p |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
 no_colonies |   .2234767   .0347473     6.43   0.000     .1553189    .2916346
   connected |   .0972969   .0355508     2.74   0.006     .0275628    .1670309
       _cons |   7.485619    .065766   113.82   0.000     7.356617    7.614621
------------------------------------------------------------------------------

Absorbed degrees of freedom:
-----------------------------------------------------+
 Absorbed FE | Categories  - Redundant  = Num. Coefs |
-------------+---------------------------------------|
         aid |       456           0         456     |
        year |       110           1         109     |
    duration |         7           1           6    ?|
-----------------------------------------------------+
? = number of redundant parameters may be higher

上述结果表明，变量 connected 的系数为 0.097, 标准误为 0.036。这说明该变量在 1% 的水平上显著大于 0 。其经济学含义为，与上一任官员存在社会联系的官员，相较于无社会联系的官员，工资水平要高出 9.7%。也就是说，官员的工资水平和其社会关系显著相关。

4.结语

这篇推文主要介绍了如何在实证中运用 reghdfe.具体而言，本推文列举了两个例子。其一，为运用该命令对 DID 模型进行估计。其二，为运用该命令进行多维固定效应线性模型的估计。

文献来源

[1] Correia, S. (2016). Linear Models with High-Dimensional Fixed Effects: An Efficient and Feasible Estimator, Working Paper. [PDF]
[2] Duflo, E. (2004). The medium run effects of educational expansion: Evidence from a large school construction program in Indonesia. Journal of Development Economics, 74(1), 163-197. [PDF]
[3] Xu, G. (2018). The Costs of Patronage: Evidence from the British Empire. American Economic Review, 108 (11): 3170-98. [PDF]

连享会计量方法专题……

关于我们

Stata连享会 由中山大学连玉君老师团队创办，定期分享实证分析经验。
推文同步发布于 CSDN 、简书和知乎Stata专栏。可在百度中搜索关键词「Stata连享会」查看往期推文。
点击推文底部【阅读原文】可以查看推文中的链接并下载相关资料。
欢迎赐稿： 欢迎赐稿。录用稿件达三篇以上，即可免费获得一期 Stata 现场培训资格。
E-mail： StataChina@163.com
往期精彩推文：一网打尽

欢迎加入Stata连享会(公众号: StataChina)

reghdfe：多维面板固定效应估计

1. 命令的安装

2. 命令的语法

3. 命令的操作

3.1 估计双重差分的固定效应模型（DID)

连享会计量方法专题……

3.2 估计多维固定效应的线性模型（复制一篇 AER 论文）

4.结语

文献来源

连享会计量方法专题……

关于我们

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

stata