Hausman-Typ-test in R

Ich habe mit "plm - Paket" von R zu tun, die Analyse von panel-Daten. Einer der wichtigsten Tests in diesem Paket für die Auswahl zwischen "fixed-effect" oder "random effect" - Modell genannt wird Hausman Typ. Einen ähnlichen test gibt es auch für das Stata. Der Punkt hier ist, dass Stata erfordert festen Effekt geschätzt werden zuerst, gefolgt von random-Effekt. Aber ich sehe keine solche Einschränkung in der "plm" - Paket. Also, ich Frage mich, ob "plm" Paket Standard "fixed-effect" und dann "random-Effekt" zweite. Für Ihren Hinweis, ich erwähne unten, die Schritte in Stata und R, die ich anschließend für die Analyse.

*

Stata Steps: (data=mydata, y=dependent variable,X1:X4: explanatory variables)
    *step 1 : Estimate the FE model
    xtreg y X1 X2 X3 X4 ,fe
    *step 2: store the estimator 
    est store fixed
    *step 3 : Estimate the RE model
    xtreg y X1 X2 X3 X4,re
   * step 4: store the estimator 
    est store random
    *step 5: run Hausman test
    hausman fixed random

#R steps (data=mydata, y=dependent variable,X1:X4: explanatory variables)
#step 1 : Estimate the FE model
 fe <- plm(y~X1+X2+X3+X4,data=mydata,model="within")
summary(model.fe)
#step 2 : Estimate the RE model
 re <- pggls(y~X1+X2+X3+X4,data=mydata,model="random")
summary(model.re)
#step 3 : Run Hausman test
phtest(fe, re)

RoyalTS scheint Ihre Frage beantwortet. Wollen Sie wirklich, um mit dem test, obwohl? Es ist nicht der zuverlässigste Indikator, ob FE-oder RE (ref).
Vielen Dank für das Papier. Wir haben allerdings weiterhin robust hausman-test (xtoverid und Wooldridge 2002) in stata. Das Papier, das Sie erwähnt haben nicht sprechen über diese tests. Ich bin mir nicht sicher über diese tests im plm-Paket R.

InformationsquelleAutor Metrics | 2012-10-20

panel-data plm r stata

7

Update: sicher Sein, um die Kommentare zu Lesen. Original Antwort unten.

Trial-and-error-Weg zu finden, diese heraus:
```
> library(plm)
> data("Gasoline", package = "plm")
> form <- lgaspcar ~ lincomep + lrpmg + lcarpcap
> wi <- plm(form, data = Gasoline, model = "within")
> re <- plm(form, data = Gasoline, model = "random")
> phtest(wi, re)

    Hausman Test

data:  form 
chisq = 302.8037, df = 3, p-value < 2.2e-16
alternative hypothesis: one model is inconsistent 

> phtest(re, wi)

    Hausman Test

data:  form 
chisq = 302.8037, df = 3, p-value < 2.2e-16
alternative hypothesis: one model is inconsistent
```
Wie Sie sehen können, ist der test ergibt das gleiche Ergebnis, egal, welches der Modelle, die Sie füttern es als erstes und welche als zweites argument.

Vielen Dank für die Klarstellung. Allerdings ist die Reihenfolge nicht egal, für Stata.In einem von den Daten, die ich habe, ich bekam negativer Wert für chi-Quadrat, wenn ich den fe-und re-zweiten. Die Umkehrung jedoch, gibt den positiven Wert (natürlich, die Größen sind die gleichen). Stata hat sigmamore Möglichkeit zur Behebung der negative Wert (aber die Größe unterscheidet sich). Ich nicht finden, eine solche option in der "plm" - Paket. Zum Glück, mit der sigmamore option oder die Umkehrung nicht ändern, dass die qualitativen Ergebnisse; ich war in der Lage, Unterstützung zu finden für "fe". Der Punkt ist, dass die "plm" - Paket kann der Regel aus den negativen Wert.
Sorry, meine frühere Erklärung war einfach falsch: Da die test-Statistik ist nicht nur eine Summe von Quadraten, sondern ein gewogen Summe der Quadrate und einige dieser GEWICHTE können negativ sein, so kann der test-Statistik. Check-out der source-code für die phtest - Funktion (nur Typ plm:::phtest.panelmodel in die R-Konsole) und du wirst sehen, dass die Statistik R berechnet wird immer positiv sein, nur weil Sie den absoluten Wert am Ende (stat <- abs(t(dbeta) %*% solve(dvcov) %*% dbeta)). Also, So weit wie die R-Implementierung betroffen ist die Reihenfolge der Argumente spielt keine Rolle.
Als ob das, was die R-routine macht, ist richtig, weiß ich nicht. Es scheint etwas vertrackt zu mir, die Tatsache zu ignorieren, dass die matrix nicht positiv definit und nehmen Sie einen absoluten Wert am Ende.
Wow. Wobei der absolute Wert im R-Paket, code ist schlicht und einfach falsch, und fegt das problem unter den Teppich zu kehren. Stata ist hausman ist zu allgemein, und ist codiert sein Agnostiker der spezifischen Einschätzung der situation, die Sie sind -- Sie können den Vergleich von OLS und IV, oder OLS und GLS, oder so ähnlich, und hausman nicht brauchen oder wollen wissen, über diese. Daher ist es Ihre Verantwortung, um geben Sie die Ergebnisse in der Reihenfolge übernommen (und dokumentiert) von hausman. Es verwendet werden, um xthaus wurde spezifisch für panel-Daten, aber es ist nun als obsolet.
Update: Der Paket-maintainer hat mir den Rücken zu bekommen und versprach einen fix für die nächste version.

InformationsquelleAutor RoyalTS

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.