(完整word版)stata建模中的各種小問(wèn)題(我的筆記)

1、保存估計(jì)結(jié)果的命令：eststore名稱使用保存結(jié)果的命令： ， estimates（名稱）如果你把那個(gè)顯示你用過(guò)的命令 的窗口：窗口操作： Windows Review如果你把那個(gè)顯示變量的窗口：窗口操作： Windows Variables時(shí)間序列填充和擴(kuò)展時(shí)間區(qū)間:命令： tsappend ,add(n) 增加 n 個(gè)觀測(cè)值窗口操作：在上面找data edit 即像一個(gè)表格一樣的圖標(biāo)點(diǎn)開即可編輯數(shù)據(jù)時(shí)間序列存在間斷點(diǎn)問(wèn)題，需要補(bǔ)齊處理：命令： tsfill信息準(zhǔn)則赤池信息準(zhǔn)則（AIC ） 判斷判斷模型的最大滯后階數(shù)STATA 命令：1先回歸2estat ic如何看 AIC 統(tǒng)計(jì)量：Bre

2、usch-Pagan,Cook-Weisberg 異方差檢驗(yàn)STATA 命令：1先回歸2estat hettest varlist或者在Statistics Postestimation( 倒數(shù)第二個(gè)) Reports andStatistics(倒數(shù)第二個(gè) )在里面選擇（hettest）如何看統(tǒng)計(jì)量：White 異方差檢驗(yàn) :STATA 命令：3先回歸4estat imtest,whitevarlist或者在Statistics Postestimation( 倒數(shù)第二個(gè) ) Reportsand Statistics(倒數(shù)第二個(gè) )在里面選擇（imtest）如何看統(tǒng)計(jì)量：Ramsey 回歸

3、設(shè)定誤差檢驗(yàn)：STATA 命令：1先回歸2estat ovtest 或者在 Statistics Postestimation( 倒數(shù)第二個(gè) ) Reports and Statistics( 倒數(shù)第二個(gè) ) 在里面選擇（ovtest）如何看統(tǒng)計(jì)量：多重共線性方差膨脹因子檢驗(yàn)：1先回歸2estat vif,uncentered 或者在 Statistics Postestimation( 倒數(shù)第二個(gè) ) Reports and Statistics(倒數(shù)第二個(gè) )在里面選擇（ vif ）如何看統(tǒng)計(jì)量：一般的當(dāng)最大的方差膨脹因子超過(guò) 10（相對(duì)保守的臨界值定位 30）后者平均方差膨脹因子超過(guò) 1

4、 表示模型存在多重共線性的問(wèn)題。 Uncentered 用于當(dāng)模型沒(méi)有常數(shù)項(xiàng)時(shí)的未中心化的方差膨脹因子。多重共線性的其他偵查方法：R2 值高而顯著的 t 比率?。憾嘀毓簿€性的“經(jīng)典 ”征兆克里安經(jīng)驗(yàn)法則：僅當(dāng)來(lái)自一個(gè)輔助回歸的R2 大于得自 Y 對(duì)全部回歸元中的總R2 時(shí)，多重共線性才算是一個(gè)麻煩的問(wèn)題。做擬合圖 （前提是先回歸）STATA 命令：1解釋變量對(duì)成分殘差圖用于考察模型形式是否設(shè)定準(zhǔn)確。cprplot 被解釋變量acprplot 被解釋變量2增加變量圖用于考察數(shù)據(jù)是否存在異常值avplotd 被解釋變量3擬合值對(duì)殘差圖的散點(diǎn)圖用于考察殘差是否滿足經(jīng)典的假設(shè)條件rvfplot4 解釋

5、變量對(duì)殘差的散點(diǎn)圖stdp表示樣本內(nèi)預(yù)測(cè)的標(biāo)rvpplot 被解釋變量準(zhǔn)差stdr表示樣本外預(yù)測(cè)的標(biāo)準(zhǔn)差STATA對(duì)于數(shù)據(jù)的儲(chǔ)存與重現(xiàn)est 命令的用法：（ 1）儲(chǔ)存回歸結(jié)果：reg y x1 x2 x3（不限于 reg ，也可儲(chǔ)存 ivreg 、 mvreg、reg3 ）est store A（ 2）重現(xiàn)回歸結(jié)果：est replay A（ 3）對(duì)回歸結(jié)果進(jìn)行進(jìn)一步分析est for A:sum（對(duì) A 回歸結(jié)果中的各個(gè)變量運(yùn)行sum命令）在非時(shí)間序列的數(shù)據(jù)的情況下，異方差的修正用GLS具體的方法如下：1.quietly regress y x做回歸2.predict u ， residua

6、l 取殘差3.predict yf ， xb(xb 表示擬合值 )將擬合值取出放到y(tǒng)f 里4.gen lnu2=ln(u2)將殘差做平方且取對(duì)數(shù)的處理5.gen yf2=yf2( 將 yf 這個(gè)擬合值同上面的殘差做相同的處理)6.quietly regress lnu2 yf yf2對(duì)處理過(guò)的殘差對(duì)擬合值以及 處理過(guò)的擬合值做回歸7.predict nl u2f=exp(xb()再將回歸后的擬合值取出并作對(duì)數(shù)處理放到u2f 里8.gen sd=sqrt(u2f) 將 u2f 做平方處理然后，利用vwls 進(jìn)行加權(quán)估計(jì)vwls y x , sd(sd)GLS 也可以通過(guò)regress 命令中的w

7、eight 選項(xiàng)來(lái)實(shí)現(xiàn)。存在自相關(guān)的修正用廣義差分自相關(guān)的修正用廣義差分predictnl 表示模型估計(jì)后的非線性預(yù)測(cè)，比如指數(shù)預(yù)測(cè)xb 表示線性預(yù)測(cè)exp 表示指數(shù)預(yù)測(cè)pr 表示概率預(yù)測(cè)具體的方法如下：el(mat,i,j) 矩陣的第 ise 表示線性預(yù)測(cè) （ prediction ）的標(biāo)準(zhǔn)1 一階自相關(guān)的修正行第 j 列差stdf 表示線性預(yù)測(cè)（ forecast）的標(biāo)準(zhǔn)prais y x ， rhotype(regress)差prais y x ， corc rhotype(regress)取對(duì)數(shù)用 ln(var) 函數(shù)2 高階自相關(guān)的修正以二階 自回歸為例取平方用sqrt(var) 函

8、數(shù)quietly regress D.y x對(duì)被解釋變量取差分并且做回歸predict u,resid取出殘差quietly reg u l( 2).u， noconstant 令 u 對(duì)其二階 滯后期做自回歸（無(wú)截距） matrix mat=e(b) 生成矩陣 mat 將回歸的結(jié)果放到矩陣?yán)?（如果是更高階可能有多個(gè)自相關(guān)系數(shù)） gen m=d.y-el(mat,1,1)*l( 2)d.y 對(duì) y 的一階差分與 y 的一階差分的滯后期與權(quán)重的乘積做差分，這個(gè)權(quán)重就是mat 矩陣?yán)锏牡谝恍械谝涣械南禂?shù)，剛好使我們剛剛回歸出來(lái)的自相關(guān)系數(shù)（如果是高階可能不只做一個(gè)差分，會(huì)更為復(fù)雜） gen n=

9、d.x-el(mat,1,1)*l( 2)d.x 對(duì) x 進(jìn)行和 y 一樣的處理方法reg m n 然后令 m 對(duì) n 做回歸關(guān)于參數(shù)約束的模型估計(jì)問(wèn)題(P178 張曉峒 )STATA 命令：cnsreg 被解釋變量解釋變量 條件 if in weight， constraints(constraints) options其中 constraints(constraints) 表示線性約束例如：約束規(guī)模報(bào)酬不變的估計(jì)模型命令如下：1.constraint define 1 lnk+lnl=1 將等于 1 的線性約束 (不可以為不等號(hào) )條件定義為 12.cnsreg lny lnk lnl ， constraints(1)約束為 lnk=lnl=0 的估計(jì)模型：命令如下 :1. constraint define 2 lnk lnl 等于 0 的條件可以不寫出來(lái)2. cnsreg lny lnk lnl ， constraints(2)約束條件為ln