Mundlak適合度検定
新しい推定後コマンドestat mundlakは、ランダム効果(RE)推定と固定効果(FE)推定の間の選択を支援するための完全にロバストなMundlak適合度検定を実装します。Mundlak検定は、ハウスマン検定などの他の検定とは異なり、ロバスト推定、ブートストラップ、およびジャックナイフ標準誤差の推定後にも実施することができます。estat mundlakは、re, cre, feオプションを使用したxtregコマンドの実行後に使用することができます。
効率的なREモデルとFEモデルのどちらを採用するかを判断するために、ハウスマン検定を用いることがよくあります。しかし、クラスタロバスト標準誤差、ブートストラップ標準誤差、ジャックナイフ標準誤差を用いた推定後には、この検定は実行できません。その場合は、完全ロバストなMundlak検定を用いることができます。ハウスマン検定とは異なり、Mundlak検定を実行するためにREモデルとFEモデルの両方を適合させる必要はありません。
ここで用いる例では、私たちは、アメリカンケネルクラブに登録されている犬種の登録数が、映画で犬が主役になることでどのように影響を受けるかに興味があります。私たちは、その犬種が映画の主役になると登録数が増加すると推測しています。また、その犬が2034年までの10年間にウェストミンスターケネルクラブのベストインショー賞を受賞した場合も登録数が増加すると考えており、時間の影響をコントロールする必要があると考えています。
我々は、回帰変数と観測されていないパネルレベル効果との相関を許容するFEモデルの代わりに、より効率的なREモデルが我々のデータに適用可能かどうかを判断します。推定時には、不均一分散性と品種内相関を制御するために、クラスタロバスト標準誤差を使用すべきだと考えます。そのため、従来のハウスマン検定は使用できませんが、新しいestat mundlakコマンドを使用してMundlak検定を実行できます。
操作例
まずサンプルとなるファイルをダウンロードし、パネルデータであることを宣言します。REモデルを推定します。vce(cluster )でクラスタロバストな推定を行います。
webuse akc, clear
xtset breed year
xtreg registered i.movie i.year, vce(cluster breed)
Mundlak検定を実行するには、次のように入力します。
estat mundlak
回帰変数と品種固有の効果との間に相関がないという帰無仮説（REモデルで仮定されている）は棄却されます。これは、FEモデル（xtreg, fe）またはCREモデル（xtreg, cre）を当てはめる方がより妥当であることを示唆しています。
上記の例では、クラスターロバスト分散共分散行列推定量を使用しましたが、ブートストラップ法やジャックナイフ法を用いることもできます。また、まずFEモデルまたはCREモデルを当てはめてから、estat mundlakを用いることも可能です。
参考
さらに詳しい内容につきましては、下記のマニュアルをご覧ください。
