python-panel-data

Python 面板数据

用途

此技能可帮助经济学家使用 pandas、statsmodels 和 linearmodels 在 Python 中运行面板数据模型，并正确处理固定效应、聚类和诊断。

适用场景

• 估计固定效应或随机效应模型
• 对面板数据进行双重差分分析
• 在 Python 中创建回归表和图表

说明

请按照以下步骤完成任务：

步骤 1：了解上下文

生成任何代码之前，请询问用户：

• 观测单位和面板标识符是什么？
• 需要哪些结果变量和回归变量？
• 需要哪些固定效应或时间效应？
• 应如何聚类标准误？

步骤 2：生成输出

根据上下文，生成 Python 代码，以便：

1. 使用 pandas 加载和清理数据
2. 为面板结构设置 MultiIndex
3. 使用 linearmodels.PanelOLS 或 RandomEffects 拟合模型
4. 以易读的表格形式输出结果，并可选择输出 LaTeX

步骤 3：验证并解释

生成输出后：

• 解读关键系数
• 说明假设（严格外生性、平行趋势等）
• 建议稳健性检验（替代聚类方式、安慰剂检验）

提示示例

• “运行带有企业和年份效应的双向固定效应模型”
• “使用州和年份固定效应估计双重差分”
• “将面板回归结果导出为 LaTeX”

输出示例

# ============================================
# Panel Data Analysis in Python
# ============================================
import pandas as pd
from linearmodels.panel import PanelOLS

# Load data
df = pd.read_csv("panel_data.csv")

# Set panel index
df = df.set_index(["firm_id", "year"])

# Create treatment indicator
df["treat_post"] = df["treated"] * df["post"]

# Two-way fixed effects model
model = PanelOLS.from_formula(
    "outcome ~ 1 + treat_post + EntityEffects + TimeEffects",
    data=df
)
results = model.fit(cov_type="clustered", cluster_entity=True)

print(results.summary)

要求

软件

• Python 3.10+

软件包

• pandas
• linearmodels
• statsmodels

使用以下命令安装：

pip install pandas linearmodels statsmodels

最佳实践

1. 始终验证面板标识符，并确认面板是平衡还是非平衡
2. 在适当的层级聚类标准误
3. 在估计前检查缺失数据

常见问题

• 未能设置正确的面板索引
• 需要固定效应时却使用混合 OLS
• 未考虑固定效应便解读系数

参考资料

• linearmodels 文档
• statsmodels 文档
• Wooldridge（2010）《横截面数据与面板数据的计量经济学分析》

更新日志

v1.0.0

• 首次发布