大不平衡面板数据的异方差性和自相关检验

Question

我想在一个大的不平衡面板数据集中测试异方差和自相关。

我这样做是使用以下代码：

* Heteroskedasticity test

// iterated GLS with only heteroskedasticity produces 
// maximum-likelihood parameter estimates

xtgls adjusted_volume ibn.rounded_time i.id i.TRD_EVENT_DT, igls panels(heteroskedastic)
estimates store hetero 

* Autocorrelation

findit xtserial
net sj 3-2 st0039
net install st0039

xtserial adjusted_volume ibn.rounded_time i.id i.TRD_EVENT_DT

虽然我使用了高加工中心的计算能力，但由于采用迭代法，这个过程需要超过15个小时。

使用Stata执行这些测试的最有效程序是什么？

Answer 1

这个问题有点离题，涉及面很广，但我怀疑新用户仍对此相当感兴趣。因此，在这里，我将尝试把我们的谈话集中在评论中作为回答。

我强烈建议今后不要使用高度主观的词语，例如“最好”，这对不同的人来说可能意味着不同的事情。或者像“效率”这样的词，它在不同的上下文中可能有不同的含义。当我们不知道您想做什么的时候，也很难提供关于命令使用的具体建议。

在我看来，“最佳”选择，是在现有数据的情况下，尽可能准确地完成任务的选择。速度是当今的一个重要考虑因素，但准确性仍然是最基本的考虑因素。当您继续使用Stata时，您将看到它有大量的命令，通常具有重叠的功能。根据用例的不同，有时选择一种实现而不是另一种实现是“更好”的，因为它在实现预期的最终结果方面可能更实际或更快。

例如，您在以前的职位中的注释，其中noconstant选项在rreg中不可用。在特定的上下文中，您可以使用regress和vce(robust)选项获得相当好的替代方案。事实上，这个替代方案通常可以满足多个用例的需要。

在这个特殊的例子中，如果不使用xtgls选项，igls将大大加快速度。对于更大、更“困难”的数据集，情况尤其如此。在需要MLE的情况下，iterate选项将允许您指定固定次数的迭代，这可以加快速度，但如果您不知道自己正在做什么，因此不建议这样做，则会导致灾难。此选项通常用于其他目的。但是，xtgls是您唯一可以使用的命令吗？在这里读，为什么实际上可能不一定是这样的。

关于速度，Stata在一般情况下是缓慢的，至少在使用ado语言时是如此。这是因为它是一种解释语言。唯一现实的选择速度增长在这里是通过parallelisation，如果你有斯塔塔MP。即使在这种情况下，是否取得任何成果也将取决于许多因素，包括您使用的命令。

最后，xtserial是一个由社区提供的命令，您在问题中没有明确说明这一点。从一开始就提供这些信息是习惯和有用的，所以其他人知道你并不是指官方的、内置的命令。