👇 连享会 · 推文导航 | www.lianxh.cn
🍎 Stata：Stata基础 | Stata绘图 | Stata程序 | Stata新命令 📘 论文：数据处理 | 结果输出 | 论文写作 | 数据分享 💹 计量：回归分析 | 交乘项-调节 | IV-GMM | 时间序列 | 面板数据 | 空间计量 | Probit-Logit | 分位数回归 ⛳ 专题：SFA-DEA | 生存分析 | 爬虫 | 机器学习 | 文本分析 🔃 因果：DID | RDD | 因果推断 | 合成控制法 | PSM-Matching 🔨 工具：工具软件 | Markdown | Python-R-Stata 🎧 课程：最新专题 | 计量专题 | 关于连享会
🍓 课程推荐：2024 空间计量专题
主讲老师：范巧 (兰州大学)
课程时间：2024 年 10 月 2-4 日 (三天)
课程咨询：王老师 18903405450（微信）
课程特色 · 2024空间计量：
👉 一、从“零基础”到“高水平”的课程设计
兼顾基础知识、主流模型与前沿模型 既考虑软件安装、程序编写以及空间权重矩阵设计等 基础知识 讲授，更强调时空面板地理加权回归模型、贝叶斯空间计量模型、矩阵指数模型、空间计量交互模型与空间面板似不相关回归模型等 前沿模型 的传授。
👉 二、“保姆级”的空间计量代码
编写与校准所有模型的MATLAB代码，简化实操环节 模型的估计与检验等 仅按照提供的Excel数据版式 搜集与整理原始数据，即可一次性出结果并作图。
👉 三、“最多上新” 的内容体系
新增 矩阵指数模型、短面板空间似不相关模型、空间计量交互模型、贝叶斯空间计量模型等 新增 前沿应用案例，包括空间计量与索洛余值法、随机前沿分析与数据包络分析等的互嵌研究，阐释基于空间计量的产业空间结构优化评价方法。 新增 Dagum空间基尼系数、核密度估计、空间马尔科夫链与空间收敛性等内容，阐释现实研究中对空间收敛性的应用“谬误”。
作者：王俊 (中山大学)
邮箱：wangj676@mail2.sysu.edu.cn
目录
1. 滚动窗口回归
2. rollreg 命令
3. rolling 命令
4. rolling2 命令
5. asreg 命令
6. 参考文献
7. 相关推文
温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码，直达原文：
1. 滚动窗口回归
此前，连享会分享了推文「滚动吧统计量！Stata数据处理」(微信版)，重点介绍了如果获取滚动窗口统计量，如均值、标准差等。
在实证中分析中，我们也经常要以某个长度的窗口进行滚动回归。例如，在计算企业风险承担水平时，我们就需要计算连续三年的经行业调整的 ROA 标准差。
本文的主要目的是介绍滚动窗口回归命令 rollreg、rolling、rolling2、asreg 的用法，以帮助大家在实证分析中更好应用该方法。
2. rollreg 命令
语法
rollreg [depvar varlist] [if exp] [in range], move(#) | add(#) |
dropfirst(#) stub(abbrev) [ robust bw(#) kernel(choice) noconstant
graph(summary|full) ]
depvar为被解释变量；varlist为解释变量；move为移动窗口大小；add设定初始窗口大小；stub设定新变量名称。
当然，在回归之前，必须要使用 tsset 或 xtset 声明时间序列或面板数据。
案例
webuse invest2, clear
xtset company time
//外网无法下载时，可以访问连享会数据仓库下载
//数据地址：https://gitee.com/arlionn/data/blob/master/data01/invest2.dta
*设定移动窗口为5
rollreg market invest time, move(5) stub(mktM)
3. rolling 命令
语法
rolling [exp_list] [if] [in], window(#) [options] : command
window(#)设定滚动的窗口大小，相当于每次滚动过程中需要的连续数据个数；recursive设定起始点不变，每次滚动窗口加 1；rrecursive设定结束点不变，每次滚动窗口加 1；clear用滚动的结果来替换原内存，即使原来内存里的数据没有被保存；stepsize(#)设定每次滚动窗口增加的时期个数；start(time_constant)滚动的起始时间点；end(time_constant)滚动的结束时间点。
在滚动回归之前，必须要 tsset 或 xtset 声明时间变量。当使用 rolling 命令时，window(#) 选项是必须的，其含义是每次回归的窗口大小。
案例
clear
webuse lutkepohl2, clear
tsset qtr
rolling _b _se, window(30): regress dln_inv dln_inc dln_consump
list start end in 1/10
//外网无法下载时，可以访问连享会数据仓库下载
//数据地址：https://gitee.com/arlionn/data/blob/master/data01/lutkepohl2.dta
+-----------------+
| start end |
|-----------------|
1. | 1960q1 1967q2 |
2. | 1960q2 1967q3 |
3. | 1960q3 1967q4 |
4. | 1960q4 1968q1 |
5. | 1961q1 1968q2 |
|-----------------|
6. | 1961q2 1968q3 |
7. | 1961q3 1968q4 |
8. | 1961q4 1969q1 |
9. | 1962q1 1969q2 |
10. | 1962q2 1969q3 |
+-----------------+
可以看出来，从 1960q1 到 1967q2 共有 30 个时间单位，之后起始点和结束点都加 1，窗口大小保持不变。
webuse lutkepohl2, clear
tsset qtr
rolling _b _se, window(30) recursive: ///
regress dln_inv dln_inc dln_consump
list start end in 1/10
当设定 recursive 选项时，起始时点被固定，结束时点每次向后滚动一个单位，那么 window 的大小也就会从 30 依次加 1。在该例中，观察值一共有 92 个，而滚动回归的窗口是 30，所以回归的总次数是 92-30+1=63。
+-----------------+
| start end |
|-----------------|
1. | 1960q1 1967q2 |
2. | 1960q1 1967q3 |
3. | 1960q1 1967q4 |
4. | 1960q1 1968q1 |
5. | 1960q1 1968q2 |
|-----------------|
6. | 1960q1 1968q3 |
7. | 1960q1 1968q4 |
8. | 1960q1 1969q1 |
9. | 1960q1 1969q2 |
10. | 1960q1 1969q3 |
+-----------------+
可以看出，从 1960q1 到 1967q2 共有 30 个时间单位，而后每次回归窗口加 1，起始点不变。
webuse lutkepohl2, clear
tsset qtr
rolling _b _se, window(30) rrecursive: ///
regress dln_inv dln_inc dln_consump
list start end in -10/-1
//外网无法下载时，可以访问连享会数据仓库下载
//数据地址：https://gitee.com/arlionn/data/blob/master/data01/lutkepohl2.dta
当设定 rrecursive 选项时，结束时点被固定，起始时点每次滚动向前推 1 单位。
+-----------------+
| start end |
|-----------------|
54. | 1973q2 1982q4 |
55. | 1973q3 1982q4 |
56. | 1973q4 1982q4 |
57. | 1974q1 1982q4 |
58. | 1974q2 1982q4 |
|-----------------|
59. | 1974q3 1982q4 |
60. | 1974q4 1982q4 |
61. | 1975q1 1982q4 |
62. | 1975q2 1982q4 |
63. | 1975q3 1982q4 |
+-----------------+
可以看出，1975q3 到 1982q4 是 30 个时间单位，每次回归窗口加 1，结束时点不变。
Stata 默认会以 _b 开头来命名估计出的系数，并将结果保存下来。另外，可以在 rolling 后加上 _se，那么 stata 会将每个系数的标准差以 _se 为开头存下来。
4. rolling2 命令
另外一个命令是 rolling2。这个命令的做法其实和 rolling 是差不多的，但最大的一个不同点是，rolling 在对面板数据进行滚动回归时，会分组进行滚动回归，而 rolling2 就是混合回归。
例如，利用 help rolling2 的示例数据进行演示。
*rolling 滚动回归
webuse grunfeld , clear
rolling _b _se, window(8): ///
regress invest mvalue kstock
count
//外网无法下载时，可以访问连享会数据仓库下载
//数据地址：https://gitee.com/arlionn/data/blob/master/data01/grunfeld.dta
grunfeld.dta 是一份面板数据，共有 10 家公司，每家公司有 20 年数据，即总共 200 个观察值。当使用上述命令进行滚动回归时，每家公司会被分开分别进行滚动回归，那么总的回归次数就是 (20-8+1)*10=130。
*rolling2 滚动回归
webuse grunfeld, clear
rolling2 _b _se, window(8) onepanel: ///
regress invest mvalue kstock
count
当使用 rolling2 的时候，它会将整个面板数据混合回归，也就是说，从整个面板数据中滚动找出 8 年的数据来回归，那么总的回归次数就是 20-8+1=13 次。
5. asreg 命令
滚动窗口回归需要大量的循环，但在运行的时候会遇到很多数据结构问题，诸如非平衡面板数据、重复值、缺失值等。而 asreg 对不同的数据结构并不会采用一种固定的方式估计，恰恰相反，它能识别出不同类别的数据集结构，并采用合适的方法。
除此之外，asreg 命令是利用 Mata 语言来完成的。因此，asreg 在数据集特别大的时候，优势非常明显，能够节约大量的时间。同时，asreg 可以将估计结果输出到现有内存中，这就减少了再去将估计结果与原数据集合并的麻烦。
语法
asreg depvar indepvars [if] [in] ///
[, window([rangevar] #) ///
recursive minimum(#) ///
by(varlist) statistics_options]
window(#)：设定滚动窗口长度；recursive：起始点固定，结束点和滚动窗口增长；by：分组变量；minimum(#)：用来回归的最小的观察值个数。
案例
. webuse grunfeld, clear
. bys company: asreg invest mvalue kstock, ///
wind(year 10) min(5)
分组估计执行完后，会自动产生一组以 _ 开头的新变量：
. des _*
variable name variable label
-------------------------------------------
_Nobs No of observatons
_R2 R-squared
_adjR2 Adjusted R-squared
_b_mvalue Coefficient of mvalue
_b_kstock Coefficient of kstock
_b_cons Constant of the regression
我们也可以查看一下具体估计结果：
. list company year _Nobs _R2 _b_mv in 1/10, clean
company year _Nobs _R2 _b_mva~e
1. 1 1935 . . .
2. 1 1936 . . .
3. 1 1937 . . .
4. 1 1938 . . .
5. 1 1939 5.000 0.995 0.054
6. 1 1940 6.000 0.706 0.062
7. 1 1941 7.000 0.576 0.065
8. 1 1942 8.000 0.500 0.052
9. 1 1943 9.000 0.507 0.052
10. 1 1944 10.000 0.460 0.057
关于 asreg 更详细介绍，请参考 help asreg。
6. 参考文献
温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。
Zivot, E., J. Wang. 2003, Rolling analysis of time series[C], Modeling financial time series with s-plus®, Springer, 299-346. -Link1- -Link2- StataProfessor - Rolling window regressions in Stata -Link- StataProfessor - Rolling regressions, beta, t-statistics, and SE in Stata -Link- StataProfessor - Stata Rolling command vs asreg for rolling regressions: Similarities and differences -Link-
7. 相关推文
温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。
Note：产生如下推文列表的命令为：
lianxh runby 滚动 分组 盈余, m
安装最新版lianxh命令：ssc install lianxh, replace
专题：数据处理 滚动吧统计量！Stata数据处理 Stata数据处理：用-astile-快速创建分组 穿透财务障眼法：盈余管理指标测算及 Stata 实操 专题：Stata绘图 Stata绘图：用-bytwoway-实现快速分组绘图 专题：Stata程序 Stata：runby - 一切皆可分组计算！ 专题：结果输出 sumup：快速呈现分组统计量 专题：回归分析 Stata：各类盈余管理指标估算方法 Stata: 如何检验分组回归后的组间系数差异？ 残差是个宝：盈余管理、过度投资、超额收益怎么算？ Stata: 获取分组回归系数的三种方式
🍓 课程推荐：2024 空间计量专题
主讲老师：范巧 (兰州大学)
课程时间：2024 年 10 月 2-4 日 (三天)
课程咨询：王老师 18903405450（微信）
New！ Stata 搜索神器：
lianxh和songblGIF 动图介绍
搜： 推文、数据分享、期刊论文、重现代码 ……
👉 安装：
. ssc install lianxh
. ssc install songbl
👉 使用：
. lianxh DID 倍分法
. songbl all
🍏 关于我们
连享会 ( www.lianxh.cn，推文列表) 由中山大学连玉君老师团队创办，定期分享实证分析经验。 直通车： 👉【百度一下： 连享会】即可直达连享会主页。亦可进一步添加 「知乎」,「b 站」,「面板数据」,「公开课」 等关键词细化搜索。
