Stata学习笔记 | 面板数据回归全流程

数据格式要求：

Stata面板数据需要满足3个核心条件，建议用Excel提前整理好：

• ① 必须包含3类核心变量：个体标识（比如省份代码，命名为id）、时间标识（比如年份，命名为year）、被解释变量+解释变量（y、x1、x2）；

• ② 个体标识（id）：同一省份/企业的id保持一致（比如北京市id=1，所有年份的id都为1）；

• ③ 时间标识（year）：统一格式（比如2010、2011……，不要用“10、11”简写）。

Excel数据示例（简化版）：

id（省份代码）| year（年份）| y（居民消费）| x1（人均GDP）| x2（财政支出）

1 | 2010 | 12000 | 50000 | 8000

1 | 2011 | 13500 | 55000 | 8800

2 | 2010 | 11000 | 48000 | 7500

Stata导入数据（2种方法）：

方法1：直接导入Excel文件（最便捷）

import excel "D:\面板数据示例.xlsx", sheet("Sheet1") firstrow  // 替换为你的文件路径// 注释：firstrow表示Excel第一行为变量名，若没有则去掉该选项

方法2：导入Stata格式文件（.dta），适合多次使用的情况

use "D:\面板数据示例.dta", clear  // 替换为你的文件路径

缺失值处理（非平衡面板必做）：

如果是平衡面板，可跳过这一步；如果是非平衡面板，先查看缺失值情况，再处理：

mdesc  // 查看所有变量的缺失值情况（需先安装mdesc命令，第一次使用输入ssc install mdesc）drop if missing(y,x1,x2)  // 直接删除被解释变量/解释变量有缺失的观测值（最常用，避免偏差）// 替代方法：用均值填充（适合缺失值较少的情况）replace x1 = mean(x1) if missing(x1)  // 用x1的均值填充缺失值

避坑提醒：

不建议大量用均值填充缺失值，会导致数据失真，优先选择删除缺失值；如果缺失值较多，可考虑用插值法填充（在公众号搜索“缺失值处理心得”即可获得处理实操教程。

设定面板数据（核心步骤，告诉Stata“谁是个体、谁是时间”）：

这一步是面板回归的关键，不设定面板，Stata会默认按横截面数据处理，结果完全错误！

xtset id year  // 核心命令：id=个体标识，year=时间标识// 运行后会显示：Panel variable: id (strongly balanced) 或 (unbalanced)// 显示balanced=平衡面板，unbalanced=非平衡面板，确认设定成功

报错解决：如果运行xtset后提示“repeated time values within panel”，说明同一id（个体）有重复的year（时间），需删除重复值：

duplicates drop id year, force  // 删除id和year都重复的观测值

混合OLS回归：

核心逻辑：不考虑个体差异和时间差异，把所有观测值当作横截面数据处理，适合初步探索变量关系。

reg y x1 x2  // 混合OLS回归est store ols  // 保存回归结果，方便后续与固定/随机效应对比// 结果解读重点：看R-squared（拟合优度）、x1/x2的系数显著性（P值<0.05显著）

避坑提醒：

混合OLS回归没有考虑个体异质性，若存在个体差异，结果会有偏差，所以不能作为最终结论，只能作为参照。

固定效应回归（最常用，认可度较高）：

核心逻辑：假设每个个体都有自己的固定特征（比如不同省份的政策差异、资源差异），这些特征不随时间变化，通过控制个体固定效应，减少内生性，让结果更稳健。

Stata代码（两种写法，效果一致，新手选第一种）：

xtreg y x1 x2, fe  // fe=fixed effect（固定效应）est store fe  // 保存固定效应回归结果// 第二种写法（更灵活，可控制时间固定效应）：xtreg y x1 x2 i.id, fe  // i.id表示控制个体固定效应，若需控制时间固定效应，加i.year

结果解读重点：

① 看F检验的P值：如果P<0.05，说明固定效应回归比混合OLS回归更优，需要控制个体固定效应；

② 看x1/x2的系数和显著性：与混合OLS对比，系数符号和显著性可能会变化，以固定效应结果为准（若通过Hausman检验）。

随机效应回归（需满足随机效应假设）：

核心逻辑：假设个体的固定特征是随机的，与解释变量不相关，适合个体差异较小、随机分布的场景（比如不同受访者的个体差异）。

xtreg y x1 x2, re  // re=random effect（随机效应）est store re  // 保存随机效应回归结果

结果解读重点：

看Breusch-Pagan检验的P值（后续会讲），若P<0.05，说明随机效应回归比混合OLS回归更优。

检验原理：

Hausman检验的核心假设：如果个体效应与解释变量不相关，固定效应和随机效应的结果一致，选随机效应；如果相关，选固定效应（更稳健）。

Stata实操命令：

hausman fe re  // 核心命令：对比固定效应（fe）和随机效应（re）的结果// 运行后会显示Hausman检验的卡方值和P值，重点看P值

结果解读：

① 如果 P < 0.05：拒绝原假设，说明个体效应与解释变量相关，选固定效应回归（这是大多数实证论文的选择）；

② 如果 P > 0.05：接受原假设，说明个体效应与解释变量不相关，选随机效应回归；

③ 避坑提醒：如果Hausman检验报错，大概率是因为数据存在异方差或自相关，可先做稳健性处理（后续教程会讲），再重新检验。

最后，如果你在实操过程中遇到其他报错，或者不知道怎么结合自己的论文数据调整回归方法，欢迎在评论区留言，我会一一回复～

觉得有用的话，记得转发给身边做实证的同学，一起避开面板回归的坑，顺利完成论文！