Statistics 大型非平衡面板数据的异方差和自相关检验

我想在一个大的不平衡面板数据集中测试异方差和自相关

我使用以下代码执行此操作：

* Heteroskedasticity test

// iterated GLS with only heteroskedasticity produces 
// maximum-likelihood parameter estimates

xtgls adjusted_volume ibn.rounded_time i.id i.TRD_EVENT_DT, igls panels(heteroskedastic)
estimates store hetero 

* Autocorrelation

findit xtserial
net sj 3-2 st0039
net install st0039

xtserial adjusted_volume ibn.rounded_time i.id i.TRD_EVENT_DT

虽然我使用了high process center的计算能力，但由于迭代方法的缘故，这个过程需要15个多小时

---

使用Stata执行这些测试最有效的程序是什么

这个问题有点离题，而且相当广泛，但我仍然怀疑 对新用户有相当大的兴趣。因此，我将在这里努力巩固我们的基础 以评论中的对话作为回答

我强烈建议今后不要使用高度主观的语言 诸如“最佳”之类的词，对不同的人来说可能意味着不同的事情。或 像“高效”这样的术语，在不同的上下文中可能有不同的含义。 对于命令的使用也很难提供具体的建议 当我们不知道你想做什么的时候

在我看来，“最好”的选择，是让工作尽可能准确地完成的选择 在现有数据的情况下，尽可能地。如今，速度是一个重要的考虑因素，但准确性仍然是最基本的考虑因素。当您继续使用Stata时，您将看到它有相当多的命令，通常具有重叠的功能。根据用例的不同，有时选择一种实现而不是另一种实现可能会“更好”，从某种意义上说，在实现期望的最终结果时可能更实用或更快

举个例子，您在中的注释中，

noconstant

选项在

rreg

中不可用。在这种特定的情况下，您可以使用

regresse

和

vce（robust）

选项获得一个相当好的替代方案。事实上，这种替代方案通常适用于多个用例

在这个特定的示例中，如果

igls

选项未使用。对于更大、更“困难”的数据集，情况尤其如此。在需要MLE的情况下，

iterate

选项将允许您指定固定的迭代次数，这可能会加快速度，但如果您不知道自己在做什么，则可能导致灾难，因此不推荐使用。此选项通常用于其他目的。但是，

xtgls

是您可以使用的唯一命令吗？为什么事实上未必如此

关于速度，Stata通常比较慢，至少在使用

ado

语言时是如此。这是因为它是一种解释性语言。如果您有Stata MP，这里唯一现实的速度提升选择是通过

并行化

。即使在这种情况下，是否取得任何进展也取决于许多因素， 包括您使用的命令

最后，

xtserial

是一个社区贡献的命令，您可以使用它 你的问题没有弄清楚。按照惯例，这样做是有用的 从一开始就提供信息，让其他人知道您没有参考

---

官方的，内置的命令

“高效”是指更快吗？是的。我的意思是更快。对于不平衡面板数据，用因子变量进行自相关测试的最佳程序是什么？