Stata Panel Data 入門：xtset、固定效果與隨機效果｜縣市勞參率作業

同一個縣市連續觀察好幾年，就是 Panel Data。這份作業要比較勞動參與率、性別比與高學歷人口比的關係；重點是區分「縣市之間的差異」和「同一縣市隨時間的變化」，再選擇合適的模型。

資料先整理成一列一個縣市年度

原題的民國 104–109 年相當於西元 2015–2020 年。先統一年度、行政區及統計口徑，確認每個縣市每年只有一列。缺失值不等於 0，合併資料造成的重複列也不能直接丟進迴歸。

以下以 id 表示縣市代碼、year 表示年度，lfpr、sex_ratio、highedu_rate 分別代表勞參率、性別比與高學歷人口比。這是示範命名；先依自己的資料字典調整，本文沒有代入課程資料估計結果。

describe id year lfpr sex_ratio highedu_rate
isid id year
xtset id year
xtdescribe
xtsum lfpr sex_ratio highedu_rate

isid 用來檢查識別欄位是否唯一。若失敗，先查重複或缺漏的代碼；不要以刪到不報錯為目標。xtsum 則能幫忙分辨變數主要是在縣市之間不同，還是在縣市內隨時間變動。

固定效果與隨機效果在比較什麼

固定效果（FE）主要利用同一縣市隨時間的變動，控制該縣市不隨時間變化的未觀察特性。完全不隨時間改變的變數，無法在這種估計下另外辨識係數；它被省略不一定是程式錯誤。

隨機效果（RE）結合縣市內與縣市間的資訊，但需要額外假設：未觀察的縣市效果和模型中的解釋變數不相關。不是資料有抽樣、或縣市看起來很隨機，就可以選 RE。

先重現課程模型，再加入年度效果

* 課程的基本模型
xtreg lfpr sex_ratio highedu_rate, fe
xtreg lfpr sex_ratio highedu_rate, re

* 延伸規格：納入各年共同變化，按縣市群聚標準誤
xtreg lfpr sex_ratio highedu_rate i.year, fe vce(cluster id)
xtreg lfpr sex_ratio highedu_rate i.year, re vce(cluster id)

i.year 容許每一年有共同變動，和縣市固定效果是不同的控制。群聚標準誤則容許同一縣市不同年度的誤差相關，但縣市群聚數有限，推論仍須留意小樣本問題；這段延伸規格不是所有資料的通用答案。

結果要怎麼解讀

先核對觀察值數、縣市數、每縣市的年數與缺失情形，再讀係數、信賴區間及單位。如果人口比記成 0–100，增加 1 單位代表 1 個百分點；若記成 0–1，增加 0.01 才代表 1 個百分點。性別比也可能是每百名女性對應的男性數，不能一律當百分比。

FE 的係數是控制模型中其他項目後，縣市內變動與勞參率的關聯。它不能單憑統計顯著就被寫成因果效果，也不能拿來回答個人的教育程度如何改變就業選擇。

三個檢定不要混在一起

• 傳統 FE 輸出中的 F test that all u_i=0，在其誤差假設下比較個體效果是否可共同設為零；它不是 FE 與 RE 的選擇檢定。
• 傳統 Hausman 比較 FE 與 RE 的係數差異，須有相同樣本與可比較的規格。不拒絕虛無假設不代表已證明 RE 假設成立。
• 用了群聚或其他穩健標準誤後，不要直接套用傳統 Hausman 的結論。Stata 19 提供可搭配穩健推論的 Mundlak 檢定；舊版要另選相容方法。

交作業時應交代資料合併方式、變數單位、模型假設、標準誤處理與結果限制，而不是只選 p 值較小的模型。

參考：Stata xtreg 手冊、FE／RE 模型說明、Stata 19 的 CRE 與 Mundlak 檢定。可先閱讀Do 檔入門，把資料整理及估計寫成能重跑的流程。

原課程內容與影片

題目：

請利用政府公開資料，探討民國104年至109年間，各縣市之勞動參與率是否會受到性別比與高學歷（大專以上學歷）人口比之影響，若有影響，請問其影響為何？請使用固定效果模型與隨機效果模型分別分析之。另外，在使用固定效果模型時，請判斷是否存在Unobserved Heterogeneity的情形？

回到 Stata 教學目錄