asreg (Stata)和linearmodels.panel.model.FamaMacbeth (Python)给出了不同的结果

Question

我有一个.dta文件的贷款数据在10年的过程中，并希望运行一个Fama-麦克白回归数据，以估计风险溢价的贷款回报。

要快速了解Fama-Macbeth回归是什么，以下是旧的堆叠溢流柱的摘录

Fama Macbeth回归是指对面板数据进行回归的过程(其中有N个不同的个人，每个人对应于多个时期T，例如天、月、年)。所以总共有。注意，如果面板数据不平衡，就可以了。Fama Macbeth回归是首先对每个周期进行交叉回归，即在给定周期t内将N个个体聚在一起，并对t=1、...T进行这一回归。然后，我们得到了每个自变量的时间序列系数。然后利用系数的时间序列进行假设检验。通常我们取平均值作为每个自变量的最终系数。我们用t-stats来检验意义。

可以使用asreg命令在Stata中完成此过程。在将数据声明为面板后在数据上运行它将给我们提供如下信息：

. sort FacilityID yyyymm

. xtset FacilityID yyyymm

Panel variable: FacilityID (unbalanced)
 Time variable: yyyymm, 199908 to 200911, but with gaps
         Delta: 1 unit


.  asreg ExcessRet1 Mom STM, fmb newey(3)

Fama-MacBeth Two-Step procedure (Newey SE)       Number of obs     =     58608
(Newey-West adj. Std. Err. using lags(3))        Num. time periods =       124
                                                 F(  2,   121)     =      4.69
                                                 Prob > F          =    0.0109
                                                 avg. R-squared    =    0.1284
                                                 Adj. R-squared    =    0.1245
------------------------------------------------------------------------------
             |              Newey-FMB
  ExcessRet1 | Coefficient  std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
         Mom |    5.44422   1.793302     3.04   0.003     1.893906    8.994534
         STM |   .8705018   2.164802     0.40   0.688    -3.415295    5.156298
        cons |  -.0756198   .1027633    -0.74   0.463    -.2790669    .1278273
------------------------------------------------------------------------------

但是，使用来自线性模型包(Documental这里)的FamaMacbeth类在python中运行相同的过程会给出不同的结果。

数据文件是使用pd.read_stata()导入到python中的。将数据声明为面板后，运行回归会得到非常不同的结果：

import linearmodels.panel.model.FamaMacbeth as lm_fm

factors = ["Mom", "STM"]
df = df.set_index(["FacilityID", "yyyymm"])
formula = "ExcessRet1 ~ 1 + " + " + ".join(factors)

reg = lm_fm.from_formula(formula, data=tempdf)
res = reg.fit(cov_type='kernel', kernel="newey-west")
print(res)

版画

                             Parameter Estimates                              
==============================================================================
            Parameter  Std. Err.     T-stat    P-value    Lower CI    Upper CI
------------------------------------------------------------------------------
Intercept     -0.2338     0.1223    -1.9107     0.0561     -0.4736      0.0060
Mom            5.8947     2.0287     2.9057     0.0037      1.9184      9.8709
STM            3.9649     3.1279     1.2676     0.2050     -2.1659      10.096
==============================================================================

两个回归的结果与其他解决方案(例如前面提到的旧的堆栈溢出帖子中发布的解决方案)和我在GitHub上发现的回归的实现都有显着性差异，所有这些结果都与线性模型尝试的结果相同。

是什么导致了这一结果的差异？这是程序上的改变吗？如何更改代码才能从Stata实现中获得结果？

Answer 1

你可能做错了什么，我不能在我的最后复制。我将创建一些模拟数据，并发布来自我的asreg程序和来自finance_byu库的fama_macbeth的结果。

来自finance_byu库的结果

n_firms = 1.0e2
n_periods = 1.0e2
def firm(fid):
>>>     f = np.random.random((int(n_periods),4))
>>>     f = pd.DataFrame(f)
>>>     f['period'] = f.index
>>>     f['firmid'] = fid
>>>     return f
>>> df = [firm(i) for i in range(int(n_firms))]
>>> df = pd.concat(df).rename(columns={0:'ret',1:'exmkt',2:'smb',3:'hml'})
>>> df.head()

         ret       exmkt         smb       hml  period  firmid
0   0.607847    0.264077    0.158241    0.025651    0       0
1   0.140113    0.215597    0.262877    0.953297    1       0
2   0.504742    0.531757    0.812430    0.937104    2       0
3   0.709870    0.299985    0.080907    0.624482    3       0
4   0.682049    0.455993    0.230743    0.368847    4       0

result = fama_macbeth(df,'period','ret',['exmkt','smb','hml'],intercept=True)
fm_summary(result)


              mean      std_error     tstat
intercept   0.483657    0.009682    49.956515
exmkt       0.017926    0.009364     1.914239
smb        -0.001474    0.010007    -0.147283
hml         0.001873    0.010330     0.181276

asreg的结果

/* Save the dataframe as a Stata data file */
df.to_stata("example.dta")

use "example.dta" 
tsset firmid period

asreg ret exmkt smb hml, fmb
Fama-MacBeth (1973) Two-Step procedure           Number of obs     =     10000
                                                 Num. time periods =       100
                                                 F(  3,    96)     =      1.23
                                                 Prob > F          =    0.3016
                                                 avg. R-squared    =    0.0293
                                                 Adj. R-squared    =   -0.0010
------------------------------------------------------------------------------
             |            Fama-MacBeth
         ret | Coefficient  std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
       exmkt |   .0179255   .0093643     1.91   0.059    -.0006625    .0365136
         smb |  -.0014739    .010007    -0.15   0.883    -.0213375    .0183898
         hml |   .0018726   .0103299     0.18   0.857    -.0186322    .0223773
        cons |    .483657   .0096816    49.96   0.000     .4644393    .5028748
------------------------------------------------------------------------------

在asreg和finance_byu库的输出中，回归系数和误差是一致的。

下面是官方页面，在这里可以找到更多的asreg示例和用法。