您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
中国农村税费改革的政策效果_基于双重差分模型的估计.pdf10页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
文档加载中...广告还剩秒
需要金币：150 &&
你可能关注的文档：
··········
··········
周黎安 、陈 　烨 : 中国农村税费改革的政策效果 :基于双重差分模型的估计 中国农村税费改革的政策效果 : 基于双重差分模型的估计 周黎安 　陈　烨 北京大学光华管理学院　100871 内容提要 :本文运用我国7 省 591 个县和县级市 1999 年至 2002 年的相关社会经济数 据对农村税费改革的政策效果进行系统而严格的实证研究 。我们利用税费改革分地区逐 步推进的特征 ,借鉴 “双重差分模型”的计量方法估计农村税费改革对农民收入增长所产 生的政策影响 。研究结果发现 ,农村税费改革的确对农民收入的增长率有相当大的正面 影响 ,税费改革对样本期间农民纯收入增长的贡献高达 40 % 以上 ,而且该影响有一定的 持续性 。这些基本结论能够通过一系列的稳健性检验 。本文还对影响税费改革效果的因 素进行了一些探讨 。 关键词 :农村税费改革 　农民负担 　双重差分估计 一 、引　言 20 世纪 90 年代以来 ,在中国经济持续高速增长的背景下 ,农民人均收入增长迟滞 ,甚至呈现
下降趋势 ,农民负担问题 日益尖锐 。为了提高农民收入 , 中央政府从 2000 年初开始推行农村税费
改革 ,意图从分配上理顺国家 、集体 、农民三者关系 ,切实减轻农民负担 。2000 年至 2003 年期间 ,改
革从试点省安徽逐步推向全国。 农村税费改革被誉为我国农村继联产承包责任制之后最重要的一项改革举措 。然而 ,关于这
场改革所能取得的实际效果 ,社会各界的看法都比较谨慎 。中国“三农”问题的困境由来已久 ,如果
基层政府配合不力 ,或者相应的配套改革不能跟上 ,如构建政府间合理的转移支付体制 ,改革当前 的乡镇政府治理机制等等 ,农民负担可能反弹 项继权 ,2004 ;徐勇、吴理财 ,2004 。从历史经验看
来 ,几次重大
正在加载中，请稍后...苹果/安卓/wp
积分 1731, 距离下一级还需 494 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 2 天连续签到: 1 天[LV.1]初来乍到
本帖最后由 wanghaidong918 于
04:23 编辑
本人属于政治与公共管理学科的。在面板数据上十分粗浅。
在做一个全国各省11年stata面板数据时，采用固定效应模型，不控制时间效应时，得出的模型比较理想，但是控制时间效应即加入时间虚拟变量后，模型结果原来有两个正向显著变为负向显著，一个正向显著变为不显著，与我期望的不太符。最终写论文时只报告了不加入时间效应的模型结果。投稿后匿名评审马上就指出，要求控制时间效应以检查模型结果稳健与否。
请问是否必须控制时间效应？如果必要，原先正向显著的变量变为负向显著该如何解释？如果不必要，如何回应匿名评审意见？
载入中......
鼓励积极发帖讨论
总评分:&经验 + 60&
学术水平 + 1&
热心指数 + 1&
这个取决于你的问题.一般来说是应该加入时间虚拟变量.实际上当你加入时间虚拟变量的时候,也是做另外一个维度上的固定效应模型.所以你可以用Hausman test做一个检验。但从你描述的结果来看，控制与否时间对你的结果影响很大，所以我估计检验的结果还是支持加入时间虚拟变量的。
根据规定进行奖励
总评分:&论坛币 + 30&
学术水平 + 1&
热心指数 + 1&
必须控制时间效应。你面板模型残差里面本身就已经包涵时间效应带来的影响。
你比如说，在一个特定时间里面，你的应变量会系统性的改变，这种改变会发生在几乎所有的个体身上，如果这种情况发生， 你的Beta就偏差了。
此外我建议你还要控制地点效应。具体怎么分地点，你可以根据数据的实际情况分。
你的解决方法是:
用RE回归，然后加入时间的变量作为X，一共加入10年的。 你所要看的，就是你加入的这10年的变量的beta是不是显著。如果不显著说明没有时间效应，你的模型木有问题！
heikoyh 发表于
必须控制时间效应。你面板模型残差里面本身就已经包涵时间效应带来的影响。
你比如说，在一个特定时间里 ...谢谢，我使用固定效应模型，以1997年为参考年，加入时间虚拟变量后，大部分时间变量都正向显著，应当表明随着时间变动，因变量确实有变动，因此可能不能忽略时间效应，所以模型一开始就需要加入时间效应？是这样的吗？
老树皮 发表于
这个取决于你的问题.一般来说是应该加入时间虚拟变量.实际上当你加入时间虚拟变量的时候,也是做另外一个维度 ...谢谢，我使用固定效应模型，以1997年为参考年，加入时间虚拟变量后，大部分时间变量都正向显著，应当表明随着时间变动，因变量确实有变动，因此可能不能忽略时间效应，所以模型一开始就需要加入时间效应？是这样的吗？
也就是说审稿人的意见完全无法反驳，必须加入时间变量？
fjsmzyy 发表于
谢谢，我使用固定效应模型，以1997年为参考年，加入时间虚拟变量后，大部分时间变量都正向显著，应当表明 ...是的。这样的话，时间就是解释应变量的因素之一。
原本正向的，突然变付了，说明你这一年里面肯定有问题。具体你要去看你的原始数据来分析。你做的是什么内动的东西？ 也许有些法律的变动会在当年过后的第二年表现出来。
FE不一定就比RE好。你BP test做过么？内生性检验做了么？　Ｈａｕｓｍａｎ也做了比较一下。
我认为可以将你的因变量滞后项作为自变量带入看看，看看是不是存在严重的滞后问题，如果有，再加入时间控制变量。
我认为有这样一个很简单的判断方法，仅需估计一个“时间固定效应模型”，如果stata输出结果最后一行中的那个F值很小，就说明不存在“时间固定效应”，就无需考虑时间效应，直接用“个体固定效应模型”估计就行了。
楼上的 你说的那个F是检验个体效应 不是时间效应的 这个问题通常做法是如果时间比较长 这个时候就应该控制住时间因素 然后对这些时间虚拟变量进行联合显著性检验 如果联合不显著 那就可以不考虑时间效应 但是这里面有一个问题 如果只是一两个时间虚拟变量显著 剩下不显著 很有可能导致联合也是显著的
楼上大虾，请注意我说的是“估计一个‘时间固定效应模型’”，而不是“截面固定效应模型”，在“时间固定效应模型”中，那个F统计量检验的是“截距在每个时期是否相同”，而不是检验“截距在每个个体是否相同”。也就是说，“时间固定效应模型”中的那个F统计量，就是对时间虚拟变量进行联合显著性检验的。
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
加入我们,立即就学扫码下载「就学」app& Join us!& JoinLearn&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师苹果/安卓/wp
积分 81, 距离下一级还需 4 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
悲催签到天数: 78 天连续签到: 1 天[LV.6]常住居民II
最近在做毕业论文，分析数据时遇到一些问题。像GDP这样的控制变量一直不显著，怀疑是不是模型设定有问题。所以在看计量经济学方面的书和资料。发现固定效应模型存在个体、时间和双向固定效应的区别，但是不知道stata的具体命令操作中三者有什么区别？求指点~
另外，动态面板数据模型在stata中的命令是什么呢？
载入中......
xtreg,fe,单向fixed effect,xtreg i.year,fe,双向固定效应，xtabond,xtabond2,xtdpd,xtdpdsys都可以做动态面板
观点有启发
热心帮助其他会员
总评分:&经验 + 22&
论坛币 + 22&
学术水平 + 5&
热心指数 + 5&
信用等级 + 3&
magicgina 发表于
xtreg,fe,单向fixed effect,xtreg i.year,fe,双向固定效应，xtabond,xtabond2,xtdpd,xtdpdsys都可以做动态面 ...谢谢，学习一下~~
谢谢，解决了疑惑，不错。
正在自学动态面板模型~受教啦！谢谢楼上各位！
很受教，THX
magicgina 发表于
xtreg,fe,单向fixed effect,xtreg i.year,fe,双向固定效应，xtabond,xtabond2,xtdpd,xtdpdsys都可以做动态面 ...xtreg, fe 是单向中的个体固定效应模型，那请问单向的时间固定效应模型回归的命令应该式什么呢？
淡「凡惜 发表于
xtreg, fe 是单向中的个体固定效应模型，那请问单向的时间固定效应模型回归的命令应该式什么呢？xtreg var1 var2… i.year
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
加入我们,立即就学扫码下载「就学」app& Join us!& JoinLearn&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师苹果/安卓/wp
学科带头人
学科带头人
积分 4926, 距离下一级还需 899 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限, 设置回复可见
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶下一级可获得
道具: 变色卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
苦逼签到天数: 269 天连续签到: 1 天[LV.8]以坛为家I
使用双重差分模型（倍差法，DID模型），数据必须是面板模型吗；用stata做，就得整成面板数据的格式，然后用普通线性回归就行了吗？求助~
关键是看你研究的问题，如果你利用双胞胎数据考察教育回报率问题，那么截面数据的两次差分就ok了，因为第一次差分就差掉固定效应，第二次差就是效果。而一般来说，政策评估需要面板数据，不一定是这个结构，但是数据必须是同一个样本不同时间点的抽样，而且政策发生后的样本必须满足有些是政策组，有些不是政策组。之前的数据一般来说都应该不受政策影响的。当然你也可以手动差分，直接将数据变为cross-section data
载入中......
发表于10楼
关键是看你研究的问题，如果你利用双胞胎数据考察教育回报率问题，那么截面数据的两次差分就ok了，因为第一次差分就差掉固定效应，第二次差就是效果。而一般来说，政策评估需要面板数据，不一定是这个结构，但是数据必须是同一个样本不同时间点的抽样，而且政策发生后的样本必须满足有些是政策组，有些不是政策组。之前的数据一般来说都应该不受政策影响的。当然你也可以手动差分，直接将数据变为cross-section data
看伍德里奇的计量经济学导论上面有介绍
pool的数据或者面板数据都是可以做的
本帖被以下文库推荐
& |主题: 689, 订阅: 159
关键是看你研究的问题，如果你利用双胞胎数据考察教育回报率问题，那么截面数据的两次差分就ok了，因为第一次差分就差掉固定效应，第二次差就是效果。而一般来说，政策评估需要面板数据，不一定是这个结构，但是数据必须是同一个样本不同时间点的抽样，而且政策发生后的样本必须满足有些是政策组，有些不是政策组。之前的数据一般来说都应该不受政策影响的。当然你也可以手动差分，直接将数据变为cross-section data
总评分:&学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
看伍德里奇的计量经济学导论上面有介绍
pool的数据或者面板数据都是可以做的
总评分:&学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
Stata版版规
蓝色 发表于
看伍德里奇的计量经济学导论上面有介绍
pool的数据或者面板数据都是可以做的那不就是要整成面板数据嘛.......
pool数据，不是面板数据
Stata版版规
面板数据和pool数据&&记得变量的设置是不同的
Stata版版规
蓝色 发表于
pool数据，不是面板数据我是小白一枚，请问pool数据和面板数据有何区别？望多多指教
蓝色 发表于
看伍德里奇的计量经济学导论上面有介绍
pool的数据或者面板数据都是可以做的不知道是否指的是pooled cross sectional data?
看wooldridge的书上面板数据
应该是13章都讲了数据结构
总评分:&学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
Stata版版规
浏览过的版块
初级热心勋章
初级热心勋章
初级信用勋章
初级信用勋章
初级学术勋章
初级学术勋章
中级学术勋章
中级学术勋章
中级热心勋章
中级热心勋章
中级信用勋章
中级信用勋章
高级热心勋章
高级热心勋章
高级信用勋章
高级信用勋章
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
加入我们,立即就学扫码下载「就学」app& Join us!& JoinLearn&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师