Williams, Richard, Paul D. Allison et Enrique moral-Benito. (Dernière révision le 1er juin 2018. La version finale est dans le stata Journal Volume 18 numéro 2: pp. 293-326 “linéaire dynamique Panel-estimation des données en utilisant la probabilité maximale et la modélisation de l`équation structurelle.” Ce document se concentre sur la façon d`utiliser la commande xtdpadml. Ces diapositives (PDF et PowerPoint) résument les principaux points du document. Moral-Benito, Enrique, Paul D. Allison et Richard Williams. (Dernière révision le 13 février 2018. La version finale est en Economie appliquée. Publié en ligne le 3 novembre 2018.) “Modélisation dynamique des données du panel en utilisant la probabilité maximale: une alternative à Arellano-Bond”.
Note: ce document est une discussion plus technique de la théorie statistique sous-jacente. Voici également les diapositives pour une version antérieure du document qui a été présenté à l`octobre 2016 espagnol stata utilisateurs réunions du groupe Bai, Jushan (2013). “Les effets fixes des modèles de données de panneau dynamique, une approche analytique factorielle.” Econometrica 81 (1): 285-314. Baltagi, Badi H. (2013), analyse économétrique des données du panel. Cinquième édition. New York: John Wiley & sons. Allison, Paul D., Richard Williams et Enrique moral-Benito.
2017. probabilité maximale pour les modèles de panneaux à décalage croisé avec effets fixes. Socius: 3:1-17. Leszczensky, Lars et Tobias Wolbring. 2018. Comment traiter la causalité inversée à l`aide des données du panel? Recommandations pour les chercheurs sur la base d`une étude de simulation. Ce document de travail utilise des simulations pour comparer le ML-SEM avec plusieurs autres méthodes, et les méthodes ML-SEM finissent par être assez bonnes. Wooldrit, Jeffrey M. (2010) analyse économétrique de la section transversale et des données du panel. Cambridge, MA: MIT Press. Aperçu.
Paul Allison, Enrique moral-Benito, et Richard Williams travaillent actuellement sur un projet intitulé Dynamic Panel Data Modeling en utilisant la probabilité maximale. Les données du panel présentent de nombreux avantages en essayant de faire des déductions causales, mais elles peuvent aussi être difficiles à utiliser. Nous montrons que ML fournit une alternative aux méthodes GMM largement utilisées telles que Arellano-Bond et est supérieure dans de nombreux cas. Nous avons préparé une commande stata appelée xtdpadml qui simplifie grandement le processus d`estimation de nos modèles. Cette page répertorie les documents actuellement disponibles. Ahn, S. C. et Peter Schmidt (1995) «estimation efficace des modèles pour les données du panneau dynamique». Journal of Econometrics 68:5-27.
Arellano, M. et S. Bond (1991) “quelques tests de spécification pour les données du Panel: les preuves de Monte Carlo et une application aux équations de l`emploi.” Examen des études économiques 58:277-297. Hsiao, Cheng (2014) analyse des données du panel. Troisième édition. Londres: Cambridge University Press. Hsiao, C., M. H. Pesaran, et A. K. Tahmiscioglu.
2002 estimation de la probabilité maximale des modèles de données de panneaux dynamiques à effets fixes couvrant des périodes de courte durée. Journal of Econometrics 109:107-150. Kripfganz, P. 2015. xtdppqml: estimation de probabilité quasi-maximale des modèles de données de panneaux dynamiques linéaires dans Stata. Manuscrit. Université Goethe de Francfort. http://www.kripfganz.de Allison, Paul.
2015. “ne mettez pas les variables dépendantes en retard dans les modèles mixtes.” http://statisticalhorizons.com/lagged-dependent-variables moral-Benito, Enrique. 2013 “estimation fondée sur la probabilité de panneaux dynamiques avec des Régressors prédéterminés.” Revue des statistiques commerciales et économiques 31:4, 451-472. Description. Les données du panel permettent à la fois de contrôler les facteurs de confusion non observés et d`inclure les régresseurs endogènes retardes. Essayer de faire les deux en même temps, cependant, conduit à de sérieuses difficultés d`estimation. Dans la littérature économétrique, ces problèmes ont été résolus en utilisant des variables instrumentales décalées ainsi que la méthode généralisée des moments (GMM).