stata稳健性检验不成功（Stata中系统GMM模型的稳健性检验和Stata命令等）

stata稳健性检验不成功（Stata中系统GMM模型的稳健性检验和Stata命令等）问：在数据筛选的时候很多论文会剔除样本期间新上市和退市的公司，这样做是为了保持面板数据的平衡么？还有不这样做的话结果影响很大么？webuse "grunfeld.dta" clear egen id=group(year) *egen id=group(industry year) gen tempvar=. gen invest_sd=. qui forvalues i=1/200 { replace tempvar=invest replace tempvar=. in `i' sum tempvar if id==id[`i'] replace invest_sd=r(sd) in `i' } drop tempvar id 第一步，生成分组变量id。 第二步，生成临时变量tempvar和标准差变量investsd。 第三步，执行循环。首先，替换掉第i行数据；其次，用sum

本期解答人：王群勇 赵梦阳 吴松彬

问：Stata中系统GMM模型的稳健性检验和Stata命令 答： 模型的稳健性检验可以分为两种，一种是计量方法的稳健性检验，一种是计量数据的稳健性检验。 前者通常适用于所使用的计量方法比较新颖的研究，通常做法就是换计量方法，换一种相对可靠的计量方法。如果是面板数据的话，可用GMM进行稳健性检验（因为GMM不需要满足经典计量假设）。 后者通常适用于一般性地研究，通常的做法就是换数据。主要有以下几种方法换数据：1.蒙特卡洛或者拔靴（Bootstrapping），生成新数据或重复取样；2.把原来的样本分组，比如按地区东南西北中分组、按发达国家发展中国家分组、按大中小分组，分别回归；3.重新取样。 稳健性检验最起码需要保证的是：稳健性检验回归系数的正负号要和原研究回归系数的正负号相同。

问：工企库中邮编的位置是红色字体，经过sort ，drop 等命令后，去掉了一些异常值，但destring时仍显示“zipcode contains nonnumeric characters; no replace”，因为有200万 条数据 答：

net install ASCIIplot from(http://fmwww.bc.edu/RePEc/bocode/a) replace asciiplot gen tempvar = postcode forvalues i = 0/47 { local char=uchar(`i') replace tempvar = subinstr(tempvar `"`char'"' "" .) } forvalues i = 58/255 { local char=uchar(`i') replace tempvar = subinstr(tempvar "`char'" "" .) }

这个问题我需要两个命令即可完成，即 subinstr和 asciiplot。

subinstr用于删除0-9以外的字符。

asciiplot是ASCII编码表，其中48-57为0-9的编码。这里需要特别注意的是，Stata15中需要使用 uchar()才能显示128-255的字符。同时，引号 "的编码为34，所以在 subinstr命令中使用 `"""'才可以剔除引号。

问：上市公司的数据，以每年每行业进行分组，求各组在剔除掉本企业的其他企业的标准差 答：

webuse "grunfeld.dta" clear egen id=group(year) *egen id=group(industry year) gen tempvar=. gen invest_sd=. qui forvalues i=1/200 { replace tempvar=invest replace tempvar=. in `i' sum tempvar if id==id[`i'] replace invest_sd=r(sd) in `i' } drop tempvar id

第一步，生成分组变量id。 第二步，生成临时变量tempvar和标准差变量investsd。 第三步，执行循环。首先，替换掉第i行数据；其次，用sum进行本企业所在分组的统计；最后，用r(sd)替换investsd变量第i行的数据。 第四步，删除多余变量。

问：在数据筛选的时候很多论文会剔除样本期间新上市和退市的公司，这样做是为了保持面板数据的平衡么？还有不这样做的话结果影响很大么？

答：退市是财务不行，影响实证结果；新上市是可能存在财务美化，使得部分指标过高

如果您在计量学习和实证研究中遇到问题，请及时发到邮箱szlw58@126.com，专业委员会有16名编辑都会看，您的问题会得到及时关注！请您将问题描述清楚，任何有助于把问题描述清楚的细节都能使我们更方便地回答您的问题。

如果您想成为问题解答者，在帮助他人过程中巩固自己的知识，请发邮件至szlw58@126.com（优先）或给本公众号留言或加微信793481976给群主留言，我们诚挚欢迎热心的学生和学者。具体招募信息请参见：（https://mp.weixin.qq.com/s/4xgpdDxzrEMNZ4m_lO52Ag）

如果您觉得有帮助，欢迎打赏。

鲜活的事例更有助于提高您的研究水平，呆板的教科书让人生厌。如果您喜欢，请提出您的问题，也请转发推广！

（版权声明：本文作者拥有完整版权，所有原创文章最早发表于“论文导向计量实证群”，欢迎转发分享，全文转载请注明出处，引用及合作请留言，任何侵权行为将面临追责）