Stata实战：用2012-2018年40城房价数据，一步步教你搞定双向固定效应模型（附完整代码）
Stata面板数据分析实战：从房价数据清洗到双向固定效应模型构建
引言
面板数据分析在经济学和金融学研究中扮演着重要角色，它能够同时捕捉时间和个体两个维度的信息。对于正在撰写毕业论文或开展实证研究的本科生、研究生而言，掌握Stata中的面板数据分析技术是一项必备技能。本文将以2012-2018年40个城市的房价数据为例，手把手教你完成从数据导入、清洗到双向固定效应模型构建的全过程。
不同于简单的理论讲解，本文将聚焦实际操作中的痛点和易错点。许多学生在学习Stata时常常面临"知道要做什么，但不知道具体如何操作"的困境。我们将通过清晰的步骤分解和完整的代码示例，帮助你跨越理论与实践之间的鸿沟，真正掌握面板数据分析的核心技术。
1. 数据准备与清洗
1.1 数据导入与初步检查
在开始任何分析之前，正确导入数据并进行质量检查是至关重要的第一步。对于面板数据，我们特别需要关注时间维度和个体维度的完整性。
* 导入CSV格式的数据文件 import delimited "city_house_price_2012_2018.csv", clear * 检查数据基本情况 describe summarize数据导入后，首先使用describe命令查看变量名称、类型等基本信息，然后通过summarize获取各变量的描述性统计量。这两个简单命令能帮助我们快速发现数据中的异常值或缺失值。
1.2 数据清洗与变量处理
原始数据往往包含缺失值、异常值或需要转换的变量。对于房价数据，常见的处理包括：
- 处理缺失值和异常值
- 对价格和面积等变量取对数
- 创建新的衍生变量
- 统一变量命名规范
* 处理缺失值 drop if missing(price) | missing(area) | missing(city) | missing(time) * 统一变量命名（全部小写） rename Price price rename City city rename Time time * 创建对数变量 gen lprice = ln(price) gen larea = ln(area) * 生成房间平均面积变量 gen avg_area = area / (rooms + halls) replace avg_area = area if (rooms + halls) == 0 // 处理无房间信息的情况 gen lavg_area = ln(avg_area)提示：在对变量取对数时，确保原始值都大于0，否则会产生缺失值。可以使用
summarize price等命令检查变量范围。
1.3 面板数据格式设置
Stata要求明确指定面板数据的个体变量和时间变量，这是进行面板分析的基础。
* 将城市编码为数值变量 encode city, gen(city_id) * 设置面板数据结构 xtset city_id time执行xtset后，Stata会确认面板数据的设置情况。务必检查输出信息，确认个体变量和时间变量设置正确，且数据是平衡面板还是非平衡面板。
2. 基础模型构建与估计
2.1 混合OLS模型
在考虑固定效应之前，先建立一个简单的混合OLS模型作为基准。
* 混合OLS回归 reg lprice lavg_area i.time * 保存结果 estimates store ols_pooled混合OLS模型忽略了面板数据的结构特征，假设所有个体在不同时间点都具有相同的截距项。虽然简单，但通常不符合现实情况。
2.2 个体固定效应模型
个体固定效应模型允许每个城市有自己的截距项，控制不随时间变化的城市特征。
* 个体固定效应模型 xtreg lprice lavg_area i.time, fe * 保存结果 estimates store fe_ind固定效应模型使用xtreg命令加上fe选项。与混合OLS相比，这个模型已经考虑了城市间的异质性。
2.3 时间固定效应模型
时间固定效应模型控制不随个体变化的时间因素，如宏观经济环境、政策变化等。
* 时间固定效应模型 xtreg lprice lavg_area i.city_id, fe * 保存结果 estimates store fe_time3. 双向固定效应模型实现
3.1 模型设定与估计
双向固定效应模型同时控制个体和时间两个维度的固定效应，是面板数据分析中最常用的模型之一。
* 双向固定效应模型 xtreg lprice lavg_area i.time, fe * 另一种等效写法 areg lprice lavg_area i.time, absorb(city_id) * 保存结果 estimates store fe_twoway两种写法都能实现双向固定效应估计。xtreg命令更简洁，而areg命令在处理大量个体时可能更高效。
3.2 模型结果解读
双向固定效应模型的输出包含几个关键部分：
- 个体固定效应：反应各城市特有的不随时间变化的特征
- 时间固定效应：捕捉所有城市共同经历的时间趋势
- 系数估计：解释变量的边际效应
* 显示详细的回归结果 estimates restore fe_twoway estimates replay重点关注核心解释变量（如lavg_area）的系数符号、大小和显著性。同时检查R-squared和F统计量等模型整体拟合指标。
3.3 模型比较与选择
如何判断是否需要使用双向固定效应模型？可以通过以下检验：
* 混合OLS vs 个体固定效应 estimates restore ols_pooled estimates store ols estimates restore fe_ind hausman . ols * 个体固定效应 vs 双向固定效应 testparm i.time如果Hausman检验显著，说明固定效应模型优于混合OLS；如果时间虚拟变量联合显著，则双向固定效应是必要的。
4. 模型检验与稳健性分析
4.1 异方差检验与处理
面板数据中常常存在异方差问题，会影响标准误的估计。
* 异方差检验（Modified Wald test） xttest3 * 稳健标准误估计 xtreg lprice lavg_area i.time, fe vce(robust)如果检验发现异方差，可以使用vce(robust)选项获得异方差稳健的标准误。
4.2 序列相关检验
时间序列数据可能存在自相关问题，我们可以进行检验并处理：
* 序列相关检验 xtserial lprice lavg_area i.time * 处理序列相关 xtreg lprice lavg_area i.time, fe vce(cluster city_id)聚类稳健标准误(cluster选项)可以同时处理异方差和序列相关问题。
4.3 模型诊断与可视化
良好的模型诊断习惯能帮助我们发现问题并改进模型。
* 残差分析 predict e, resid hist e rvfplot * 影响点检测 dfbeta残差图应该呈现随机分布模式。如果发现明显的模式或异常点，可能需要进一步检查模型设定或数据质量。
5. 高级主题与扩展分析
5.1 交互效应分析
研究不同时间段或不同类型城市中，房价决定因素的差异。
* 生成区域分组变量 gen region = 1 if inlist(city, "北京", "上海", "广州", "深圳") replace region = 2 if missing(region) & inlist(city, "天津", "重庆", "杭州", "南京") replace region = 3 if missing(region) * 区域与时间的交互效应 xtreg lprice c.lavg_area##i.region i.time, fe交互项可以帮助我们发现不同子样本间的异质性影响。
5.2 动态面板模型
当被解释变量的滞后项作为解释变量时，需要使用动态面板模型。
* 生成滞后变量 gen lprice_l1 = L.lprice * 动态面板模型（差分GMM） xtabond lprice lprice_l1 lavg_area i.time, vce(robust)动态面板模型能够更好地处理内生性问题，但需要满足更多的假设条件。
5.3 结果呈现与表格输出
规范的实证研究需要清晰地呈现结果。Stata提供了灵活的表格输出功能。
* 安装estout包（如未安装） ssc install estout * 输出回归结果表格 estimates restore ols_pooled estimates store m1 estimates restore fe_ind estimates store m2 estimates restore fe_twoway estimates store m3 esttab m1 m2 m3 using "results.rtf", /// b(%9.3f) se(%9.3f) /// star(* 0.1 ** 0.05 *** 0.01) /// stats(N r2, fmt(%9.0g %9.3f)) /// title("房价决定因素分析结果") replace这个例子展示了如何将多个模型的结果整合到一个专业格式的表格中，便于在论文或报告中呈现。