Panel-data迴歸模型：Stata在廣義時間序列的應用

Chapter 01 追蹤資料／縱橫資料(Panel-Data)

1-1 前言
1-1-1　研究設計的類型
1-1-2　各大學興起建立Panel 資料庫

1-2 迴歸模型之重點整理
1-2-1　簡單OLS 迴歸模型之重點整理
1-2-2　線性：Panel 迴歸模型之重點整理

1-3 追蹤資料(panel-data) 簡介
1-3-1　橫斷面研究之侷限性
1-3-2　縱貫面研究的種類
1-3-3　縱貫面應用在社科研究之策略
1-3-4　Panel 迴歸模型的優缺點
1-3-5　追蹤資料的研究議題

1-4 追蹤資料(panel-data) 分析之Stata 相關指令

1-5 追蹤資料(panel-data) 之基本模型
1-5-1　Panel 資料型態及其模型分類
1-5-2　追蹤資料(panel-data) 模型：線性vs. 非線性模型
1-5-3a　追蹤資料(panel-data) 模型認定(identify) 與假設
1-5-3b　 FE、BE、RE 三種追蹤資料(panel-data) 分析原理之實例解說
1-5-4　橫斷面：最小平方虛擬變數(LSDV) 迴歸模型之實作
1-5-5　 追蹤資料(panel-data) 模型認定( 固定vs. 隨機效果)的進階

1-6 線性Panel 模型
1-6-1　xtreg 指令之報表解說
1-6-2　線性Panel 模型：xtreg 指令之五種效果型態
1-6-2a　 範例：xtreg 指令之五種追蹤資料(panel-data)效果型態
1-6-2b　 你該選Fixed Effects 或Random Effects 呢？用Hausman (1978) 檢定來判定
1-6-3　 Two-Way 效果模型( 固定效果reg、隨機／混合效果icc 指令)

1-7 追蹤資料模型的效果選擇(pooled OLS、固定效果、隨機效果?)
1-7-1　 F 檢定( 該選pooled OLS vs. 固定效果?)：「xtreg?, fe」指令
1-7-2　 Lagrange 乘數檢定(pooled OLS vs. 隨機效果?)：隨機效果的事後指令xttest0
1-7-3　 F 檢定、Lagrange 乘數(multiplier) 檢定、Hausman 檢定之流程
1-7-4　 該選固定效果或隨機效果呢：Hausman 檢定(hausman 指令)

Chapter 02 簡易Panel-Data 法( 混合資料OLS 法，reg 指令)
2-1 最小平方法(OLS) 迴歸之假定(assumption)
2-2 不同年代婦女生育能力有變化嗎？
2-3 垃圾焚燒爐的位置對房價影響
2-4 歷年犯罪率(Crime Rates in North Carolina)

Chapter 03 時間序列之序列相關：線性動態模型

3-1 認識自我相關(AR)、序列相關(SC)
3-1-1　進行OLS 統計時應注意之事項
3-1-2　Longitudinal data 之序列相關
3-1-3　 干擾項(Disturbances) 帶有AR(p) 結構(autoregressive of order p)
3-1-4　偵測序列相關(SC) 之方法：線性動態模型
3-1-4a　Durbin-Watson 檢定法：限AR(1) 之偵測法
3-1-4b　更高階之殘差AR(p) 的檢定法有三：線性動態模型

3-2 Longitudinal data 序列相關( 先bgodfrey 偵測，再newey/prais指令解決)
3-2-1　 序列相關AR(3)( 先reg、bgodfrey 偵測，再newey 指令解決)
3-2-2　 序列相關AR(4)( 先dwatson、bgodfrey再newey/prais)

3-3 更多時間序列範例：誤差項具有AR ？
3-3-1　 時間序列之誤差項有AR(1)( 先reg 再newey 指令修正AR1)
3-3-2　 偵測時間序列中誤差項AR(3)( 先reg, bgodfrey 再newey 指令)
3-3-3　時間序列中誤差項帶有AR ( 先reg 再prais 指令)

3-4 Panel-data 序列相關：Wooldridge 檢定(xtserial 指令)

3-5 Panel-data 迴歸中誤差項有AR(1)
3-5-1a　自我相關檢定方法一：誤差帶AR(1) 的xtregar 指令
3-5-1b　自我相關檢定方法二：xtserial 指令
3-5-1c　自我相關檢定方法三：先reg、ivreg2 再abar；直接xtabond2

3-6 Panel 殘差之自我相關及殘差異質性之實作步驟
3-6-1a　 混合資料(pooled) 效果模型vs. 樣本平均(PA)模型誰優？
3-6-1b　單因子個體效果vs. 單因子時間效果
3-6-1c　判定固定效果或隨機效果呢？ (hausman 指令)
3-6-1d　誤差帶AR(1) 之Panel 模型？ (xtregar 指令)
3-6-1e　 偵測Panel 誤差異質性(xttest3)、自我相關(xttest2 指令)
3-6-1f　一併處理Panel 誤差異質性、自我相關(xtgls 指令)

Chapter 04 誤差變異之異質性(xtgls 指令為主流)

4-1 殘差之變異數
4-1-1　誤差變異σ2εit 的觀念
4-1-2　誤差變異σ2εit 的偵測法

4-2 偵測誤差之異質性(Heteroskedasticity)
4-2-1　橫斷面OLS 迴歸：殘差異質性診斷(hettest 指令)
4-2-2　殘差異質的改善：OLS 改成Robust 迴歸
4-2-3　 橫斷面之誤差異質性：需ln() 變數變換( 先reg 再whitetst 指令)
4-2-4　縱貫面之誤差異質性( 先reg 再bpagan 指令)
4-2-5　 縱貫面(Longitudinal-data) 誤差ARCH(先reg 再bpagan 指令)

4-3 Panel-data 誤差變異σ2εit 的相依性及異質性
4-3-1　 Panel-data 相依性／同時期相關檢定(先xtgls 再xttest2 指令)
4-3-2a　 偵測Panel-data 之σ2εit 異質性(方法一：先xtgls 再lrtest 指令)
4-3-2b　 異質性Panel-data 二種誤差相關性(xtgls?, panels(hetero)corr(ar1) 等選項)
4-3-2c　 偵測Panel-data 之σ2εit 異質性(方法二：直接用lmhlrxt 指令)
4-3-3　 FGLS 實作Panel-data 之誤差自我相關及誤差異質變異(xtgls 指令)

4-4 Panel-data 有誤差自我相關且異質的誤差變異(xtpcs