Statistics 大型非平衡面板数据的异方差和自相关检验

Statistics 大型非平衡面板数据的异方差和自相关检验,statistics,regression,panel,stata,Statistics,Regression,Panel,Stata,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(heteroskedast

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
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?