面板单位根 LLC/IPS/Fisher是什么？
面板单位根检验回答的是面板数据中的时间序列维度是否整体或分组存在非平稳。它把多个个体的时间信息合起来检验，比单个序列有时更有功效。
先用一句话理解
把面板单位根想成同时观察很多城市的 GDP 是否都在漂移。单看一个城市可能信息不足，把多个城市放在一起能更系统地判断是否平稳。
什么时候用
| 判断项 | 教科书式判断 |
|---|---|
| 适合用在 | N 个个体、T 个时期的面板变量需要判断平稳性。 |
| 先不要用在 | 时间维度很短，或者数据只是横截面。 |
| 最关键的前提 | LLC、IPS、Fisher 等检验对同质性和截面相关假设不同。 |
| 读表顺序 | 先看检验类型和原假设，再看是否允许个体异质。 |
| 论文表述边界 | 面板单位根结论依赖 T、截面相关和检验选择。 |
把它和相近方法分清楚
| 容易混淆的对象 | 怎么区分 | 初学者记法 |
|---|---|---|
| 时间序列单位根 | 单个序列的平稳性。 | 逐个变量检验。 |
| LLC | 假设共同单位根过程。 | 更同质。 |
| IPS/Fisher | 允许个体单位根过程异质。 | 更灵活。 |
核心直觉和模型公式
面板 ADF 思路
面板单位根常从个体 ADF 方程出发：
\[\Delta y_{it}=\rho_i y_{i,t-1}+\sum_j\gamma_{ij}\Delta y_{i,t-j}+\alpha_i+\varepsilon_{it}\]
不同检验对 rho_i 是否相同、是否允许异质有不同假设。
公式里的符号怎么读
| 符号 | 含义 | 在本页怎么理解 |
|---|---|---|
| i | 个体 | 国家、地区、企业等面板单位。 |
| t | 时间 | 年份、季度或月份。 |
| ρ_i | 单位根系数 | 个体 i 的平稳性参数。 |
| LLC | Levin-Lin-Chu | 通常假设共同单位根参数。 |
| IPS/Fisher | 异质面板检验 | 允许个体差异更大。 |
专业使用口径
专业面板单位根报告要说明检验为何适合当前 N/T 结构。
| 口径 | 专业写法 |
|---|---|
| N/T 结构 | 时间维度太短时检验信息有限。 |
| 截面相关 | 共同冲击会影响一代检验。 |
| 异质性 | 说明是否允许不同个体有不同 rho。 |
| 后续处理 | 平稳性决定面板协整、差分或动态模型。 |
一步一步做：从问题到结果的五步
| 步骤 | 这一页具体做什么 | 做到什么程度才算读懂 |
|---|---|---|
| 1. 检查面板维度 | 看 N 和 T 是否支撑检验。 | T 太短结论弱。 |
| 2. 画典型个体序列 | 理解趋势和断点。 | 不要只看总表。 |
| 3. 选择检验 | LLC、IPS、Fisher 或二代检验。 | 根据异质性和截面相关选择。 |
| 4. 读取原假设 | 不同检验的 H0 要写清楚。 | p 值方向不能读反。 |
| 5. 决定建模 | 水平、差分、面板协整或动态面板。 | 检验要服务后续模型。 |
结果怎么读：先读口径，再读数字
本页案例读表时，先记住这个口径：年度聚合观测 = 6；面板案例按 year 聚合。
| 读表顺序 | 本页怎么读 | 不要这样读 |
|---|---|---|
| 先看检验名称 | LLC 和 IPS 假设不同。 | 不能混读。 |
| 再看 H0 | 原假设是否为单位根。 | 多数检验是，但要确认。 |
| 然后看截面相关 | 共同冲击是否严重。 | 严重时一代检验偏误。 |
| 最后看一致性 | 多种检验结论是否一致。 | 冲突要谨慎。 |
初学者最容易错在哪里
| 误读 | 为什么错 |
|---|---|
| T 很短硬做单位根 | 风险高。检验功效有限。 |
| 忽略截面相关 | 错。地区或国家常有共同冲击。 |
| 把 LLC/IPS 结论混写 | 错。假设不同。 |
| 检验后不调整模型 | 不够。结论要影响后续建模。 |
先看这个案例的结论
- 年度聚合观测 = 6；面板案例按 year 聚合。
- ln Patent 年趋势 = 0.0993；年度均值趋势斜率。
- DFI 年趋势 = 22.3130；数字金融指数年度变化。
- 这些数字来自页面里的结果表；写论文时先解释数值含义，再讨论理论含义。
变量要求和案例口径
| 字段 | 口径 |
|---|---|
| 数据 | CSMAR 风格 A 股企业创新面板 |
| 原始样本 | 196 家上市公司，2015-2020 年，约 1200 个公司-年观测；各方法有效样本以本页输出表 N 为准 |
| 因变量 | patent_count；回归页通常使用 ln(1 + patent_count) |
| 核心解释变量 | dfi_index，数字普惠金融指数；部分案例输出展示的是标准化后的 dfi_index |
| 控制变量 | roa、lev、size、growth、cashflow、tobinq、top1、dual、board、indep、soe、age |
| 输出文件 | panel_unit_root_results.csv |
| 角色要求 | 因变量、个体 ID、时间变量 |
| 依赖包 | 无额外 Stata 社区包要求 |
实际代码
下面是本页案例里的最小 Stata 代码。它的作用是帮助你看清变量怎么进入模型、结果文件怎么生成，而不是要求你在网页里手动运行。
import delimited "$DATA_PATH", clear varnames(1) encoding(UTF-8)
gen ln_patent1 = ln(1 + patent_count)
egen firm_id = group(stkcd)
xtset firm_id year
global y ln_patent1
global count_y patent_count
global x dfi_index
global controls roa lev size growth cashflow tobinq top1 dual board indep soe age
gen post = year >= 2018
bysort firm_id: egen pre_dfi = mean(cond(year < 2018, dfi_index, .))
quietly summarize pre_dfi, detail
gen treat = pre_dfi >= r(p50)
gen did = treat * post
gen high_patent = patent_count > 2
gen running_dfi = dfi_index - 260
gen rdd_treat = running_dfi >= 0
xtunitroot fisher $y, dfuller lags(1)
export delimited using "$JOB_DIR/panel_unit_root_results.csv", replace实际输出表
这张表是本方法页配套案例的输出结果，用来把前面的公式、变量口径和代码对应到实际数字。
| 指标 | 数值 | 解释 |
|---|---|---|
| 样本 | 1200 obs / 196 firms / 2015-2020 | 来自共用案例 CSV |
| 因变量 | ln(1 + patent_count) | 企业创新产出 |
| 核心解释变量 | dfi_index | 数字普惠金融指数 |
| 输出文件 | panel_unit_root_results.csv | empirical-wizard 对应方法产物 |
| 年度聚合观测 | 6 | 面板案例按 year 聚合 |
| ln Patent 年趋势 | 0.0993 | 年度均值趋势斜率 |
| DFI 年趋势 | 22.3130 | 数字金融指数年度变化 |
案例图
这是一张由同一份案例数据生成的页面内诊断图。
论文里怎么写
本文将企业面板按年份聚合后使用面板单位根 LLC/IPS/Fisher进行时间序列诊断。结果见 panel_unit_root_results.csv。由于本教学案例年度观测较少，该页重点展示代码和解释框架，正式论文需要更长时间序列。
检查清单
- 先确认每个截面都有足够时间长度，太短的 T 不适合复杂面板单位根。
- LLC、IPS、Fisher 对共同根和异质根假设不同，要分开读。
- 单位根结论会影响后续差分、协整或动态面板设定。