범죄율 패널 데이터 분석 (고급 STATA)

개요

경찰 배치, 유죄율, 실업률, 경제수준이 범죄율에 미치는 영향을 패널 데이터로 분석한다. Stata의 고정효과, 도구변수, 동적 패널 GMM 추정법을 사용한다.

분석 절차

1단계: 고정효과 모형

관측되지 않은 지역 특성을 통제하기 위해 고정효과 모형을 추정한다.

2단계: 도구변수 접근

경찰 배치는 범죄율에 영향을 받는 내생 변수일 수 있다. 이전 연도 경찰 예산과 선거 연도를 도구 변수로 사용한다.

3단계: 동적 패널 GMM

Arellano-Bond GMM 추정으로 범죄율의 자기회归 성격을 모델링한다.

4단계: 과대식별 검정

Sargan 검정으로 도구변수의 타당성을 확인한다. p-value가 0.05 이상이면 도구변수가 타당하다.

코드 예제

* 패널 설정
xtset region_id year

* 고정효과 모형
xtreg crime_rate police_density conviction_rate unemployment gdp_per_capita, fe robust

* 도구변수 접근 (내생성 통제)
ivregress 2sls crime_rate unemployment gdp_per_capita ///
  (police_density = prior_police_budget election_year), first

* GMM 추정 (동적 패널)
xtabond crime_rate police_density conviction_rate unemployment, ///
  lags(1) twostep robust

* 과대식별 제한 검정
estat sargan

참고문헌

Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press.

심화 내용

고급 분석에서는 다음을 추가로 고려해야 합니다:

• 부트스트래핑(Bootstrapping)을 통한 강건성 검증
• 교차 검증(Cross-validation)으로 모형 일반화 성능 평가
• 민감도 분석(Sensitivity Analysis)으로 가정 위반 시 영향 평가