Bagaimana saya bisa menguji syarat residu autoregresif dalam model Poisson panel efek tetap?

9

Saya memiliki data panel untuk jumlah perusahaan baru di berbagai daerah selama enam tahun. Saya memperkirakan regresi poisson statis dengan efek tetap multiplikatif ; Saya juga mencoba memperkirakan model dinamis dengan memperkenalkan variabel dependen lag, tetapi tidak dapat membuat model yang terakhir itu berfungsi. Sekarang, saya ingin menguji residu dari model statis untuk autokorelasi, sehingga saya memiliki gagasan tentang pentingnya dinamika. Namun, saya tidak dapat menemukan tes diagnostik untuk ini di buku teks (saya telah melihat Wooldridge, Cameron & Trivedi, Winkelmann, Greene), dan juga belum melihat tes seperti itu di sebuah makalah penelitian. Karena efek individual dalam model tidak teridentifikasi, saya tidak tahu bagaimana menghitung residu yang bermakna di tempat pertama.

Adakah yang 1) tahu bagaimana cara menghitung residu yang berarti; dan 2) mengetahui tes diagnostik untuk model poisson efek tetap panel ini?

FYI: Saya menggunakan Stata (versi 12.1) -xtpoisson, fe vce (robust) - perintah untuk model statis. Perintah postestimation Stata dapat menghitung nilai yang diprediksi dll, tetapi hanya dengan asumsi bahwa efek individu semuanya nol.

Penampang Poisson melintang memodelkan jumlah yang diharapkan dari sebagai , dengan koefisien dan variabel. Cara umum untuk menambahkan masing-masing efek tetap dengan data panel adalah membiarkan efek memasuki model secara multiplikasi: .yE[yi|xi]=exp(Xiβ)βXiαiE[yit|Xit,αi]=αiexp(Xitβ)

Matthijs
sumber
Ini memang masalah yang agak belum dijelajahi - bahkan untuk data non-panel (yang sebagian besar hasilnya negatif, seperti tes portmanteau untuk autokorelasi perlu setidaknya beberapa penyesuaian untuk beroperasi dalam kerangka Poisson). Saya akan mengumpulkan beberapa lektur, tetapi jarang dan dalam banyak kasus terbatas pada manuskrip, laporan teknis, dll.
Alecos Papadopoulos
Mungkin Cross divalidasi dapat membantu Anda lebih baik? stats.stackexchange.com (untuk orang-orang yang mengunjungi kembali utas ini - saya kira sekarang Anda sudah menemukan jawabannya)
JoaoBotelho