StataNow19.5新功能--高维固定效应模型

使用选项 absorb（） 和命令 areg 、 xtreg、fe 和 ivregress 2sls ，在线性、固定效应线性和工具变量线性模型中吸收多个高维分类变量。

与在模型中直接包含这些变量类别的指标的传统方法相比，这提供了显著的速度提升。在不同的估计方法中进行选择。

让我们看看它是如何工作的

具有高维分类变量的线性模型

我们经常在模型中包括分类变量作为对照。这些控制变量对于模型设定是必需的，但它们不是我们分析的重点。

例如，我们可能希望研究进口关税（ 进口 ）对年 贸易 量的影响，并将 年份 、 国家 和 行业 作为控制措施。

我们可以用三个控制变量的指示变量拟合线性回归：

 regress trade imports i.year i.country i.industry

如果我们有 40 年的数据、160 个国家/地区和 1,000 个行业代码，我们将估计 1,200 个参数。这很耗时，而且只有一个参数， 即进口 系数，与我们的研究问题有关。

现在，我们可以通过键入

areg trade imports, absorb(year country industry)

变量 year 、 country 和 industry 被吸收。

AREG 已经有能力吸收一个变量，但现在我们可以吸收任意数量的分类变量。

如果我们想用行业固定效应来拟合模型，我们可以键入

xtset industry year

xtreg trade imports, fe absorb(year country)

假设我们认为 进口 是内生的，并且我们想使用生产率度量来检测它们。同样，我们不关心 年份 、 国家 或 行业的 系数。我们可以拟合模型：

. ivregress 2sls trade (imports = productivity), absorb(year country industry)

总结：

areg命令现在可以进行高维固定效应模型分析了！

我们节省了多少时间？

下面是一个玩具示例，其中包含 100 万个观测值、一个感兴趣的变量 （ x ）、两个分类变量（ a1 和 a2 ）和 10000 个类别，以及 id 变量（具有 100000 个类别）。

以前，我们只能吸收一个变量，并且会键入

webuse hdfe
quietly areg y x i.a1 i.a2, absorb(id)

在 absorb（） 选项中指定类别数最多的变量 id 。

在 Stata/MP 中大约需要 5 分钟，在 Stata/SE 中大约需要 6 分钟。

现在，我们可以通过输入来吸收所有三个分类变量

quietly areg y x, absorb(id a1 a2)

在 Stata/MP 中大约需要 1 秒，在 Stata/SE 中大约需要 1.3 秒。（时间可能因计算机而异，但时间增益相似。

时间增益非常显着！

在固定效应线性模型中更快

areg变量的模型的最快命令。但是，如果要拟合固定效应模型， xtreg、fe 可能更合适。

以前，要使用 xtreg、fe 控制分类变量，您必须在模型中将它们指定为指示变量。现在你可以在新的 absorb（） 选项中指定它们，就像你对 areg 所做的那样;这将使 XTREG、FE 运行得更快。

继续前面的示例，假设您要拟合具有 id 固定效应的线性模型。您可以键入

xtset id
xtreg y x, fe absorb(a1 a2) vce(cluster id)

得到如下结果