Stata asreg与Python linearmodels.FamaMacbeth回归结果差异求助

核心差异原因 #

• Newey-West参数设置不匹配：
  Stata的asreg fmb newey(3)使用指定的3阶滞后，且默认不做预白化；而linearmodels的FamaMacBeth默认自动选择滞后阶数，且可能默认开启预白化，直接导致标准误计算差异。
• 缺失值处理逻辑不同：
  Stata的asreg在每组时间维度回归时，仅删除该组内的缺失值（组内listwise删除）；linearmodels默认全局删除所有含缺失值的观测，导致分组回归的样本池不一致。
• 时间分组维度偏差：
  Stata通过xtset指定了明确的面板时间维度（如年度），若Python导入数据后时间变量类型错误（如字符串而非整数/日期），或分组时用了错误的时间粒度，会让每组回归的样本与Stata不符。
• 截距项设置差异：
  若Stata回归包含截距但Python代码意外省略（如公式加了-1），会直接导致系数结果出现显著偏差。

匹配Stata结果的Python代码调整步骤 #

1. 对齐时间分组维度 #

确保Python中的时间变量与Stataxtset的时间维度完全一致，比如Stata用year作为时间变量，Python中需将其转为整数类型：

import pandas as pd
from linearmodels import FamaMacBeth

# 导入数据并标准化时间变量
data = pd.read_stata('loan_data.dta')
data['year'] = data['year'].astype(int)  # 与Stata的时间变量类型保持一致

2. 显式配置Newey-West参数 #

关闭预白化，指定3阶滞后，完全匹配Stata的newey(3)行为：

# 定义回归公式（确保与Stata完全一致，默认包含截距）
formula = 'loan_return ~ risk_factor1 + risk_factor2 + risk_factor3'

# 初始化模型，设置组内缺失值删除规则
model = FamaMacBeth.from_formula(formula, data=data, dropna='time')

# 拟合模型，指定Newey-West核函数、3阶滞后、关闭预白化
results = model.fit(
    cov_type='kernel',
    kernel='newey-west',
    lags=3,
    prewhiten=False
)

print(results)

3. 验证第一步分组回归系数 #

手动按时间分组做OLS回归，对比Stata的组内回归系数，确认样本和变量无差异：

# 手动分组回归，提取每组系数
group_coefs = data.groupby('year').apply(
    lambda x: pd.DataFrame(pd.OLS.from_formula(formula, x).fit().params).T
)

# 打印前几组系数，与Stata的`bysort year: reg ...`结果对比
print(group_coefs.head())

4. 校验变量一致性 #

确认Python中所有变量的均值、标准差与Stata中summarize的结果一致，排除数据导入时的类型转换或缩放错误。

关键验证逻辑 #

• 若第一步分组回归的系数与Stata一致，说明问题出在第二步的Newey-West标准误计算，重点检查lags和prewhiten参数。
• 若第一步系数就不一致，优先排查时间分组、缺失值处理和变量定义。

内容的提问来源于stack exchange，提问作者Kailash Seshadri