简介：面板数据是同时包含截面与时间维度的追踪数据，核心在于分离个体不随时间变化的异质性与时间冲击。Stata中常用xtset声明面板结构，再用固定效应、随机效应或组间模型进行xtreg回归，并通过Hausman检验判断模型取舍；当存在内生性或调整惯性时，工具变量、动态面板GMM等方法进一步扩展估计能力。其技术价值在于提升标准误准确性、控制遗漏变量并支持因果推断，广泛应用于劳动、健康与企业调查等场景。围绕wage.dta的清洗、描述绘图、xtreg模型选择以及xtivreg2、xtabond2、面板离散选择与计数模型，可形成从数据准备到进阶计量的工程化实操路径。
1. 从wage.dta出发：面板数据在Stata里的定义与清洗
很多人拿到面板数据的第一反应是直接跑reg，把4711个妇女、1968到1988年的调查记录当成混合截面，结果标准误被严重低估，个体效应全进了残差。wage.dta这个数据集恰好是个典型：idcode是截面，year是时间，每个妇女被追踪多次，ln_wage、hours、grade、tenure这些变量既有组内变化也有组间差异。如果不先xtset idcode year，Stata 根本不知道哪些观测属于同一个人，后续所有xt开头的命令都拒绝执行。面板数据分析在统计计量里的价值就在这里：它能把“个体不随时间变化的特征”和“随时间变化的冲击”拆开，固定效应、随机效应、动态面板都是围绕这个拆分做文章。适合已经做过线性回归、想往实证分析方向走的从业者，尤其是处理劳动、健康、企业调查这类追踪数据的人。
2. 面板数据描述与绘图：xtset/xtsum/xtdescribe/xttab/xttrans/xtline全流程
2.1 xtset定义截面与时间，别让字符串变量卡住
面板操作的第一步是声明结构。xtset要求截面变量和时间变量都是数值型整数，如果idcode或year是字符串，先用encode转换：
* 假设 idcode 是字符串型，生成数值型新变量 id_num encode idcode, gen(id_num) * 再声明面板：id_num 为截面，year 为时间 xtset id_num yearencode会生成带标签的数值变量，每个数值对应原字符串的一个取值，标签保留原值。xtset id_num year之后，Stata 内部按截面和时间排序，L.、F.这类时间序列算子才能用。如果只写xtset id_num，表示每个截面内的观测顺序无关，适合家庭成员这类没有明确时间维度的数据。对于wage.dta，直接xtset idcode year即可，因为两个变量本来就是数值型。
2.2 xtsum拆分组内与组间变异
xtsum是summarize的面板版，它把总变异拆成组间和组内两部分。看hours的描述统计量：
xtsum hours输出会给出 overall、between、within 三行。between 的标准差反映不同妇女平均工作时间的差异，within 的标准差反映同一个人不同年份的波动。做固定效应模型时，组间变异被消掉，只有 within 变异参与估计，所以如果某个变量的 within 标准差很小，固定效应估计会很不稳定。这个命令在选模型之前就能帮你判断哪些变量适合进固定效应。
2.3 xtdescribe看数据结构，xttab和xttrans看分布与转移
xtdescribe显示每个截面被观测到的年份模式，默认最多列9种模式：
xtdescribe * 想控制显示宽度和模式数量 xtdescribe, patterns(12) width(80)patterns(#)指定显示多少种观测模式，width(#)控制每行字符宽度。如果数据是强平衡面板，会看到所有截面都是1到21年连续；如果大量截面缺失，就要考虑是否做平衡处理。
xttab和xttrans针对分类变量。比如婚姻状态msp：
* 分布频率：组内、组间、总体 xttab msp * 转移概率：从t年到t+1年的状态迁移 xttrans msp, freqxttab会告诉你每个取值在总体、组间、组内各占多少比例。xttrans输出转移矩阵，行是当期状态，列是下一期状态，freq选项同时显示频数。这对动态面板建模很关键——如果msp的转移概率几乎不变，滞后项的解释力就弱。
2.4 xtline按截面画时间趋势，别一次画几千条
xtline默认给每个截面单独画时间序列图。wage.dta有4711个截面，全画出来就是一团墨。常见做法是用范围语句只看前几个截面：
* 前50个观测构成前4个截面，画hours的时间趋势 xtline hours in 1/50 * 如果想叠在一张图上对比 xtline hours in 1/50, overlayoverlay把多个截面画到同一坐标系，适合截面数少的情况。i()和t()选项可以临时指定其他截面和时间变量，但必须成对出现，且允许字符串型截面变量。绘图前最好先xtdescribe确认前几个截面的年份是否连续，否则图上的断点会误导判断。
提示：所有
xt命令都要求先xtset或tsset。如果报错“not sorted”，先执行sort idcode year再重新声明。
3. 固定效应与随机效应：xtreg的be/fe/re三兄弟与Hausman检验
3.1 生成平方项和虚拟变量，把非线性关系纳进来
工资方程里年龄、总工作年数、现岗任职时间对ln_wage的影响通常不是线性的，先造平方项：
gen age2 = age * age gen exp2 = ttl_exp * ttl_exp gen tenure2 = tenure * tenure * race==2 表示黑人，生成0/1虚拟变量 gen byte black = (race == 2)gen byte black = (race == 2)利用了Stata的逻辑表达式：条件成立返回1，否则0。byte指定存储类型，节省内存。平方项和水平项同时进模型，可以捕捉先升后降的年龄-工资曲线。注意race后是两个等号，一个等号是赋值。
3.2 组间效应模型：先看纯截面差异
组间回归只用每个截面的均值，忽略时间维度：
xtreg ln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, be选项be表示 between estimator。它回答的是“平均受教育年数高的人，平均工资是否更高”，不控制个体固定特征。输出中的R-sq是组间拟合优度。这个模型常作为基准，和固定效应、随机效应对比。如果be和fe的系数符号相反，说明存在严重的个体效应与解释变量相关。
3.3 固定效应与随机效应的命令写法
固定效应：
xtreg ln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, fe随机效应：
xtreg ln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, refe通过去均值消掉不随时间变化的个体效应，black、south这类不随时间变化的变量会被自动剔除（除非它们和年份交互）。re把个体效应视为随机误差的一部分，要求个体效应与所有解释变量不相关。选择依据通常用 Hausman 检验：先存固定效应结果，再存随机效应结果，然后比较。
xtreg ln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, fe estimates store fe_result xtreg ln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, re estimates store re_result hausman fe_result re_result原假设是随机效应估计一致，如果 p 值小于0.05，拒绝原假设，选固定效应。注意hausman要求两个模型使用相同的样本，如果fe剔除了black等变量，需要先确保样本一致。
3.4 模型预测与系数解释
估计完模型后可以预测个体效应和拟合值：
xtreg ln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, fe predict ln_wage_hat, xb predict u_fe, u predict e_fe, exb是线性预测值，u是估计的个体效应，e是残差。固定效应模型中u与解释变量相关，不能直接用于随机效应假设检验。解释系数时，平方项让边际效应变成β_age + 2*β_age2*age，在均值处算出来才有意义。
| 模型 | 选项 | 核心假设 | 不随时间变量 |
|---|---|---|---|
| 组间 | be | 忽略时间变异 | 可估计 |
| 固定效应 | fe | 个体效应与X相关 | 被吸收 |
| 随机效应 | re | 个体效应与X不相关 | 可估计 |
注意：
xtreg, fe会自动报告 F 检验，原假设是所有个体效应相等。如果 F 检验不显著，混合 OLS 可能就够了，不必强行上固定效应。
4. 长面板、工具变量与动态面板：xtivreg2、xtdpdsys的落地写法
4.1 长面板的reshape与模型选择
长面板指时间维度 T 较大、截面 N 较小的数据，比如几十个省份、几十年。wage.dta是 N=4711、T=21，属于短面板。如果数据原本是宽表，用reshape long转成长表：
* 假设宽表有 hours1968 hours1969 ... hours1988 reshape long hours, i(idcode) j(year) xtset idcode year长面板里，序列相关和异方差更突出。常见做法是用xtreg, fe加聚类稳健标准误：
xtreg ln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, fe vce(cluster idcode)vce(cluster idcode)允许同一妇女不同年份的误差相关，标准误会比默认的更大，但更可信。如果 T 很大，还可以考虑xtpcse处理面板异方差和同期相关，但那是另一个命令族。
4.2 面板工具变量法：xtivreg2处理内生性
当解释变量与误差项相关时，固定效应也救不了，需要工具变量。xtivreg2是常用命令，先安装：
ssc install xtivreg2, replace基本语法：
xtivreg2 ln_wage (grade = motheduc fatheduc) age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, fe这里grade是内生变量，motheduc和fatheduc是工具变量，fe指定固定效应。括号内写“内生变量 = 工具变量”，括号外是外生变量。输出会报告弱工具变量检验（第一阶段 F 值）和过度识别检验（Sargan 或 Hansen J）。如果第一阶段 F 小于10，工具变量偏弱，估计量有偏。注意工具变量必须与内生变量相关、与误差项不相关，这两个条件一个靠统计检验，一个靠理论。
4.3 动态面板：xtdpdsys与滞后因变量
动态面板把滞后因变量L.y放进解释变量，用来捕捉调整惯性。但L.y与个体效应相关，固定效应估计会偏。Arellano-Bond 和 Blundell-Bond 系统 GMM 是主流做法：
ssc install xtabond2, replace * 一阶差分 GMM xtabond2 ln_wage L.ln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, gmm(L.ln_wage) iv(grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south) noleveleq * 系统 GMM xtabond2 ln_wage L.ln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, gmm(L.ln_wage) iv(grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south) twostepgmm()指定内生变量的 GMM 工具集，iv()指定外生变量的工具集，noleveleq表示只用差分方程，twostep用两步估计。xtdpdsys是 Stata 官方命令，语法类似：
xtdpdsys ln_wage L.ln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, lag(1/2)lag(1/2)指定滞后阶数。动态面板做完后必须做自相关检验（AR(1) 允许，AR(2) 不允许）和工具变量有效性检验。如果 AR(2) 显著，说明滞后阶数不够或模型设定有问题。
4.4 常见坑：工具变量太多会弱化检验
GMM 里工具变量数量不要超过截面数，否则会过度拟合内生变量，Sargan 检验失效。常见做法是把gmm()里的滞后阶数限制在lag(2 4)之类，不要把所有滞后都塞进去。另外，xtivreg2和xtabond2对缺失值处理不同，估计前先xtset并检查样本是否一致。
| 方法 | 命令 | 适用场景 | 关键检验 |
|---|---|---|---|
| 固定效应+聚类 | xtreg, fe vce(cluster) | 长面板，异方差和序列相关 | F检验、聚类标准误 |
| 面板工具变量 | xtivreg2 | 解释变量内生 | 第一阶段F、过度识别 |
| 差分GMM | xtabond2, noleveleq | 动态面板，短面板 | AR(2)、Sargan |
| 系统GMM | xtabond2, twostep | 动态面板，变量弱外生 | AR(2)、Hansen J |
提示：
xtivreg2和xtabond2不是 Stata 自带命令，需要联网安装。安装前确认ssc install可用，或者用net install指定源。
5. 面板离散选择与计数模型：从xtlogit到随机效应Tobit的进阶技巧
面板数据里被解释变量不总是连续的。wage.dta里union是0/1变量，msp也是，这类要用面板离散选择模型。Stata 提供xtlogit、xtprobit，支持fe和re。固定效应 logit 只使用那些被解释变量随时间变化的截面，样本损失很大；随机效应 logit 用全部样本，但要求个体效应与解释变量不相关。命令格式：
* 随机效应 logit xtlogit union grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, re * 固定效应 logit xtlogit union grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, fe * 报告边际效应（在均值处） margins, dydx(*)margins计算平均边际效应，比原始系数好解释。如果被解释变量是计数，比如一段时间内换工作次数，用xtpoisson：
xtpoisson tenure grade age age2 ttl_exp exp2 black not_smsa south, re * 检验过度分散，若显著则考虑负二项 xtnbreg tenure grade age age2 ttl_exp exp2 black not_smsa south, rextpoisson假设均值等于方差，实际数据常过度分散，xtnbreg放松这个假设。随机效应 Tobit 用于被解释变量有删失的情况，比如工资报告有上限：
xttobit ln_wage grade age age2 ttl_exp exp2 tenure tenure2 black not_smsa south, ll(0) ul(3)ll(0)和ul(3)指定下删失和上删失点。如果只是左删失，写ll(0)即可。估计后同样可以用margins看边际效应。这些模型在实证分析里出现频率很高，尤其是劳动经济学和健康经济学。一个实用技巧：先跑随机效应版本，再用 Hausman 检验对比固定效应，但固定效应 Tobit 没有标准实现，通常只能靠随机效应加稳健标准误。
注意：
xtlogit, fe会丢掉所有结果不随时间变化的截面，如果union对很多人一直不变，固定效应 logit 的样本可能少得可怜。先xttab union看组内变异比例，再决定是否用 fe。
本文还有配套的精品资源，点击获取
