Stata學習筆記和國貿(mào)理論總結(jié)

------------------------------------------------------------------------Stata學習筆記和國貿(mào)理論總結(jié)Stata學習筆記一、認識數(shù)據(jù)（一）向stata中導入txt、csv格式的數(shù)據(jù)1．這兩種數(shù)據(jù)可以用文本文檔打開，新建記事本，然后將相應(yīng)文檔拖入記事本即可打開數(shù)據(jù)，復制2．按下stata中的edit按鈕，右鍵選擇pastespecial3．*.xls/*.xlsx數(shù)據(jù)僅能用Excel打開，不可用記事本打開，打開后會出現(xiàn)亂碼，也不要保存，否則就恢復不了。逗號分隔的數(shù)據(jù)常為csv數(shù)據(jù)。（二）網(wǎng)頁數(shù)據(jù)網(wǎng)頁上的表格只要能選中的，都能復制到excel中；網(wǎng)頁數(shù)據(jù)的下載可以通過百度“國家數(shù)據(jù)”進行搜索、下載二、Do-file和log文件打開stata后，第一步就要do-file，記錄步驟和歷史記錄，方便日后查看。Stata處理中保留的三種文件：原始數(shù)據(jù)(*.dta)，記錄處理步驟(*.do)，以及處理的歷史記錄(*.smcl)。三、導入StataStata不識別帶有中文的變量，如果導入的數(shù)據(jù)第一行有中文就沒法導入。但是對于列來說不會出現(xiàn)這個問題，不分析即可（Stata不分析字符串，紅色文本顯示；被分析的數(shù)據(jù)，黑色顯示）；第一行是英文變量名，選擇“Treatfirstrowasvariablenames”在導入新數(shù)據(jù)的時候，需要清空原有數(shù)據(jù)，clear命令。導入空格分隔數(shù)據(jù)：復制——Stata中選擇edit按鈕或輸入相應(yīng)命令——右鍵選擇pastespecial——并選擇，確定；導入Excel中數(shù)據(jù)，復制粘貼即可；逗號分隔數(shù)據(jù)，選擇pastespecial后點擊comma，然后確定。Stata數(shù)據(jù)格式為*.dta，導入后統(tǒng)一使用此格式。四、基本操作（幾個命令）（一）useauto，clear。在清空原有數(shù)據(jù)的同時，導入新的auto數(shù)據(jù)。（二）browse。瀏覽數(shù)據(jù)。（三）describe和list。查看數(shù)據(jù)，describe和list使用list命令能使我們根據(jù)自己的需要選擇數(shù)據(jù)（例如其與in/if語句的結(jié)合使用）。（四）Scatter。作圖命令，scatter散點圖（scatterpricempg）（五）Summarize。描述統(tǒng)計，常寫作sum/su，求變量的個數(shù)、平均值、標準差、最小值和最大值。（六）generate。生成數(shù)據(jù)，簡寫為gen。（七）replace。修改數(shù)據(jù)，命令replace該命令不推薦使用，一般不會改變原始數(shù)據(jù)的。剔除缺失值、異常值,或者批量修改數(shù)據(jù)均可以通過replace命令加上條件語句實現(xiàn).（八）Tabstat。描述性統(tǒng)計，tabstat變量列表，statistics(統(tǒng)計量列表)（九）Rename。對變量更名，rename舊變量名新變量名。一次只能對一個變量名重命名。（十）Order。對變量排序，order變量列表[，選項]（十一）Sort/gsort。對觀測值排序，sort變量列表；gsort[+/-]變量，注意，方括號可有可無。Sort是升序排序，當?shù)谝粋€變量出現(xiàn)相同時，才會對第二個變量排序，否則是不會管后面的變量的排序的；gsort（generalsort）即可升也可降，視+和-而定。為了保證數(shù)據(jù)的原始性，為了最后恢復數(shù)據(jù)排序，一般在排序前，生成新的變量num，最后對num排序就可以恢復。（十二）Keep/drop。保留/刪除變量或數(shù)據(jù)，keep/drop變量列表；keep/drop條件。注意：請不要隨意刪除變量或數(shù)據(jù)，因為可以使用if條件句?。▽π懈淖儯┟恳淮沃荒苁褂胟eep和drop中的一個命令。（十三）Count。按條件對觀測值計數(shù)，count[條件]，方括號可有可無，直接輸入條件。（十四）Recode。批量修改觀測值，recode變量列表（規(guī)則），括號必須有。規(guī)則如下：#=#，比如3=1，值為3的全改為1；#/#=#，比如min/3000=0，3000以下全為0。如果加generate，則會生成新的變量。規(guī)則為：recode變量列表(規(guī)則)（規(guī)則）,gen(新變量)。（十五）Encode/decode。字符串與數(shù)值轉(zhuǎn)換，encode變量，generate（新變量）。將stata不能識別的紅色字符串改為數(shù)值，而且必須生成新變量，即generate（新變量）不能省。Decode是將label的數(shù)值轉(zhuǎn)換為字符串變量，也必須生成新變量，即generate（新變量）不能省。（十六）Display。顯示字符串/變量值，display字符串或變量或表達式。By/bysort分組地重復執(zhí)行某一命令：by變量列表；bysort變量列表。By后面一般是一個類別的變量。一般在命令前加by變量列表：就可以，冒號后的命令碧血是完整的。此命令實際是先按變量列表分組，然后再執(zhí)行后面的命令。Egen生成新變量：egen新變量=函數(shù)表達式。Generate新變量=sum（變量）是逐個加總，egen新變量=sum（變量）是求和。（十七）Forvalues/Forrach。循環(huán)命令，F(xiàn)orvalues有規(guī)律的循環(huán)，F(xiàn)orrach任意循環(huán)。（十八）Reshape。面板數(shù)據(jù)的變換，reshapelong變量列表,i(樣本變量名)j(時間變量名)；reshapewide變量列表,i(樣本變量名)j(時間變量名)（十九）merge。橫向拼接，merge拼接形式變量列表using被拼接數(shù)據(jù)集。merge命令是用于橫向拼接,即為了增加變量。拼接形式有1:1、1:m、m:1和m:m四種?！?”方是需要復制多份,并與“m”方拼接的;而“m”方的記錄數(shù)是不會增加的。變量列表是在拼接時,用于識別拼接記錄的;一般是兩數(shù)據(jù)集的共同變量.可以是一個,也可以是多個.比如要把學生的考試成績(變量為姓名、考試科目、成績)和學生學號(變量為姓名、學號),那么姓名就是這里用于識別的變量。被拼接數(shù)據(jù)集只支持*.dta格式數(shù)據(jù)。若被拼接數(shù)據(jù)集的名稱中包含空格,請將其置于英文狀態(tài)下的引號內(nèi)。若被拼接數(shù)據(jù)集不在Stata當前路徑下,請在數(shù)據(jù)集名稱前加上路徑,支持放在英文狀態(tài)下的引號內(nèi)。（二十）append。縱向拼接，appendusing一個或多個數(shù)據(jù)集。append命令是用于縱向拼接,即為了增加樣本或觀測值。此命令支持多個*.dta文件拼接,多個數(shù)據(jù)集需用空格隔開。（二十一）Duplicates。刪除重復數(shù)據(jù)，duplicatesreport變量列表，報告是否有重復。duplicateslist變量列表，列出重復的；duplicatestag變量列表,generate(新變量)，報告重復的，并生成新變量；duplicatesdrop變量列表，刪除重復的；duplicatesdrop變量列表,force，強制刪除重復的五、模型選擇建模應(yīng)首先考慮數(shù)據(jù)類型（截面數(shù)據(jù)、時間序列數(shù)據(jù)和面板數(shù)據(jù)以及各種數(shù)據(jù)類型的特點）。在Stata中，時間序列數(shù)據(jù)必須含有一個時間指標用于刻畫有序的時期。用到的命令有：date日期轉(zhuǎn)換函數(shù)，將日期字符串(紅色)轉(zhuǎn)換成數(shù)值(黑色)命令中的日期字符串和格式字符串默認是要放在英文狀態(tài)下的引號中，但若日期字符串是一個變量，而且他本身就是字符串格式的變量，那么在寫命令時直接用變量名替代日期字符串即可。反向提取:如要從數(shù)值型的日期中提取年、月、日，使用year(),month(),day()函數(shù)。format，數(shù)據(jù)顯示格式命令1．若是時間數(shù)據(jù)（黑色的數(shù)值），則會以時間格式（%fmt）的具體形式來顯示；若是數(shù)值數(shù)據(jù)，可以用%fmt來設(shè)置其顯示格式；3．若是字符串數(shù)據(jù)，可以用%fmt來限定其長度。tsset:，通過指定時間指標在Stata中，必須先指定時間指標，才能進行接下來一系列的時間序列分析(面板數(shù)據(jù)也是同樣道理)，否則Stata會將其當做截面數(shù)據(jù)。在Stata中，用距離1960年1月1日有多少天（即一個整數(shù)）來表示日期，故其實是數(shù)值。（一）定義時間序列命令格式：gen新時間變量=date(日期字符串,格式字符串)；format變量列表%fmt；tsset時間指標。前兩個命令是將字符串的時間格式改成Stata能識別的時間格式，第三個命令是去識別這個時間序列。（二）定義面板數(shù)據(jù)命令格式：xtset個體指標時間指標。需要兩個指標，需要注意順序。如果被解釋變量y取離散值，那么就不能使用普通的線性模型進行建模。根據(jù)模型的特性和缺陷，可以建立如下模型：1．穩(wěn)健性回歸模型:rreg2．工具變量模型:ivregress3．選擇模型:logit/probit4．分位數(shù)回歸模型:qreg5．時間序列模型:arch/arima/var6．面板數(shù)據(jù)模型:xtreg/xtivreg/xtlogit/xtprobit上述模型可以綜合使用，比如面板-logit模型，面板-2SLS模型等。六、操作及導出輸出結(jié)果（一）求變量間協(xié)方差/相關(guān)矩陣correlate變量列表[,選項]。若要求協(xié)方差矩陣，則選項中需要加covariance選項。協(xié)方差/相關(guān)矩陣是對稱矩陣，所以為了簡化此命令生成的矩陣下三角部分。此命令計算的是Pearson相關(guān)系數(shù)/協(xié)方差矩陣。（二）求變量間的相關(guān)矩陣pwcorr變量列表[,選項]。與correlate命令類似，即求多個變量之間的相關(guān)矩陣，這里具體指的是成對相關(guān)系數(shù)(PairwiseCorrelation)；與correlate不同的是，它能盡可能使用兩兩變量中所有沒有缺失的數(shù)據(jù)。此命令計算的是Pearson相關(guān)系數(shù)矩陣。（三）繪制矩陣散點圖graphmatrix變量列表（四）繪制直方圖histogram變量[,選項]。直方圖不連續(xù)，若想連續(xù)請參看核密度圖常用選項：bin(#)，以組數(shù)#來繪制直方圖；width(#)，以組距#來繪制直方圖；frequency，縱坐標顯示頻數(shù)（默認情況下顯示頻率）（五）繪制核密度圖kdensity變量[,選項]（六）繪制散點圖scatter兩變量，twoway(scatter兩變量)(lfit兩變量)。scatter命令用于繪制兩變量的散點圖，用于觀察變量間的相關(guān)關(guān)系；lfit命令可以大致繪制擬合散點的直線；通過scatter和lfit兩個繪圖命令，可在一幅圖中實現(xiàn)這兩個功能。只能繪制二維散點圖，且只能知道兩變量的大致相關(guān)關(guān)系(正/負相關(guān))，不能知道擬合直線的具體數(shù)值。七、回歸及結(jié)果導出（一）命令匯總1．普通線性模型:regress2．穩(wěn)健性回歸:rreg3．工具變量模型:ivregress4．離散選擇模型:logit/probit5．分位數(shù)回歸模型:qreg6．時間序列模型:arch/arima/var7．面板數(shù)據(jù)模型:xtreg/xtivreg/xtlogit/xtprobit8．結(jié)果導出:esttab/outreg2（二）regress，回歸分析regress被解釋變量解釋變量列表[條件][權(quán)重][,選項]。regress是最小線性二乘回歸(OLS,OrdinaryLeastSquares)的命令，可簡寫為reg；regress命令后直接跟變量，其中解釋變量若有多個則用空格分隔開；變量允許使用交叉項，命令c.x1#c.x2表示將x1·x2作為解釋變量加入到模型中；條件是篩選用于回歸的樣本；權(quán)重這個選項是用于建立加權(quán)回歸模型(WLS)；選項是很強大的，如：1．vce(類別)在回歸使用穩(wěn)健的方差（常用于避免異方差的出現(xiàn)），如robust,cluster;level(#)用于指定置信度。如level(99);beta針對數(shù)據(jù)變化大，需要將變量先標準化后再回歸；3．noconstant用于建立無常數(shù)項的回歸方程；回歸后得到的估計值/統(tǒng)計值被保留在e()內(nèi)，供用戶提??；若要計算模型擬合值和殘差，運行regress命令后使用predict命令進行5．回歸結(jié)果輸出esttab[回歸名列表]using文件名.擴展名[,選項]?；貧w名列表指的是將多個回歸結(jié)果一同導出(如果不指定，則默認將最近的一次回歸結(jié)果導出)，可以每做完一次回歸將結(jié)果用下列命令保存下來。.eststore回歸名，導出到Word文件中，擴展名rtf。常用選項:r2,ar2分別輸出和的值；用se表明括號中的值為標準誤，否則會默認輸出t檢驗值；replace覆蓋同名文件；nogap忽略表格中的空行。outreg2命令的使用方法類似,在使用之前，需要從網(wǎng)上下載此命令，步驟如下:確保電腦已經(jīng)聯(lián)網(wǎng)；打開Stata，在命令窗口按照如下格式輸入命令：sscinstall命令名（或者命令組）當輸入完畢敲擊回車后，一般等待半分鐘即可下載并安裝完畢。在Stata結(jié)果顯示窗口會顯示installationcomplete.一般地，我們會用到estout,outreg2,logout這幾個用于輸出結(jié)果的擴展包estout是命令組的名稱，而esttab只是這個命令組中用于輸出結(jié)果的命令，即下載時應(yīng)輸入sscinstallestout八、常用概率分布函數(shù)命令格式及含義說明:normal(x):輸入x值返回對應(yīng)值的標準正態(tài)CDF值；normalden(x):輸入x值返回對應(yīng)值的標準正態(tài)PDF值；3．invnormal(p):已知概率p(即PDF曲線下面積)，反推x值。對于CDF，若從+1向?1反向進行累計，則稱為tail，函數(shù)名為ttail/Ftail/chi2tail，對應(yīng)的inv函數(shù)為invttail/invFtail/invchi2tail。（二）使用方法:1．和generate命令合用，生成服從這樣分布的新變量（若在做MonteCarlo模擬時需要生成服從某一分布的隨機數(shù),請使用runiform()/rbeta(a,b)/rchi2(df)/rnormal()/rt(df)等命令,詳細請helprandom_number_functions）；和display命令合用，直接算出值，也叫做查表(統(tǒng)計表)；3．和twowayfunction命令合用，畫出函數(shù)圖。（三）函數(shù)圖（twowayfunction）1．命令格式：twowayfunction[[y]=]f(x)[if][in][,可選參數(shù)]。2．含義說明：用于繪制函數(shù)圖。y是一個標注符號，即繪制圖線后用y這個記號來標注，如有多條直線可以標注成y1,y2,……f(x)是這個命令的主體，可以是一般數(shù)學函數(shù)式，也可以是Stata內(nèi)已有的函數(shù)1；可選參數(shù)中一般會用到range(##)，即坐標橫軸的取值范圍，如range(-55)表示x∈(?5,5)；如果要繪制多個函數(shù)圖，可在語句后繼續(xù)寫function后面的部分，并用||符號連接。3．注意事項自變量必須是x；方括號內(nèi)的部分均可省略，即可省略“y=”這個部分；這里的y和x都僅針對這個命令的，故不會影響Stata內(nèi)存中已存在的數(shù)據(jù)。4.三σ原則:在正態(tài)分布中σ代表標準差,μ代表均值，x=μ即為圖像的對稱軸，有:數(shù)值分布在[μ?σ,μ+σ]中的概率為0.6827；數(shù)值分布在[μ?2σ,μ+2σ]中的概率為0.9544；數(shù)值分布在[μ?3σ,μ+3σ]中的概率為0.9974。(四)假設(shè)檢驗：根據(jù)一定假設(shè)條件由樣本推斷總體的一種方法步驟：1.根據(jù)問題的需要對所研究的總體作某種假設(shè)，記作H02.選取合適的統(tǒng)計量，這個統(tǒng)計量的選取要使得在假設(shè)H03.由實測的樣本，計算出統(tǒng)計量的值f，并根據(jù)預先給定的顯著性水平α進行檢驗，查對應(yīng)統(tǒng)計分布表的臨界值fα4.比較f與fα的大小，最終作出拒絕或接受假設(shè)H5．注意事項一般為了方便，H0為等式，此時的H0可以作為已知條件代入第3步的計算中；在眾多假設(shè)檢驗中，萬變不離其宗看H0，如果拒絕H0，說明其對立面在給定的顯著性水α下是在成立的；由于查統(tǒng)計表時，臨界值fα的選取還與顯著性水平α有關(guān)，所以在計量經(jīng)濟學中經(jīng)常用反查表的方法，即不找fαp值越小，即接近于0，說明在(1?p)的置信度水平上拒絕H0p值越大，說明在置信度水平(1?p)越小，拒絕H0（p值的大小判斷是比較主觀的.一般來說,p>0.1算大,p<0.05算小，但是這并不絕對。）九、五個經(jīng)典假設(shè)對于模型：y=β0+β1x1+1.線性模型，即系數(shù)之間要是線性的；2.隨機抽樣/無序列相關(guān)，即樣本之間無相關(guān)性；3.無多重共線性，即解釋變量間不構(gòu)成高度線性相關(guān)；4.無內(nèi)生性，即誤差項與解釋變量不相關(guān)，也即cov(μ,X)=05.誤差項均值為零，方差為常數(shù)，即E(μ)=0，,Var(μ)=σ（一）違背五個經(jīng)典假設(shè)：1．線性模型一般不存在這個問題；這里的線性模型指的是待估參數(shù)之間的關(guān)系是線性的，是廣義的線性關(guān)系；線性模型是對現(xiàn)實的抽象，雖然有諸多不足的地方，但是是最通用的方法；除非是我們預先知道/從散點圖中明顯觀察到非線性的關(guān)系，否則請從線性模型開始嘗試。常用命令：genx2=x^2//生成平方項genlnx=ln(x)//生成對數(shù)項genx1x2=x1*x2//生成交叉項一般在回歸之前會對數(shù)據(jù)進行整理，用平方項來描繪二次關(guān)系，用對數(shù)項降低數(shù)據(jù)波動，用交叉項來探尋交叉關(guān)系（一般用于虛擬變量）。注意：生成ln(x)函數(shù)需使用gen命令，而非egen命令。2．序列相關(guān)問題橫截面數(shù)據(jù)很少會遇到序列相關(guān)問題，因為隨機抽樣的假定很容易滿足；時間序列數(shù)據(jù)則非常容易產(chǎn)生序列相關(guān)的問題，因為時間數(shù)據(jù)不能打亂順序，且有連續(xù)性。3．多重共線性問題多重共線性一般發(fā)生在加入過多變量，且這些變量相關(guān)度很高時；多重共線性會導致模型無法估計；多重共線性的問題提示我們：加入模型中的變量要是來源不同的變量；我們在搜尋解釋變量時，也要找多個方面的因素；解決方案：去掉（多個共線性變量中的）某一個；在加入下列變量時請注意：eq\o\ac(○,1)虛擬變量；eq\o\ac(○,2)某一變量及其高次項；eq\o\ac(○,3)同一類但單位不同的變量。常用命令：estatvif說明：在計量上我們用VIF統(tǒng)計量來反映多重共線性的大?。阂话銇碚f，若同時滿足（1）最大的VIF>10，（2）平均的VIF>1，則說明存在多重共線性的問題；此命令會輸出每個變量的VIF、1/VIF，及平均VIF。注意：此命令為reg的后續(xù)命令，即需要先運行一個回歸，然后才能使用此命令。4．內(nèi)生性問題內(nèi)生性問題是指誤差項與解釋變量相關(guān)，即模型中的解釋變量與無法觀測到的因素有相關(guān)內(nèi)生性問題是最重要的問題，因為它會導致估計量是有偏的/不一致的。導致內(nèi)生性的原因：遺漏變量：如果遺漏的變量與其他解釋變量不相關(guān)，一般不會造成問題。否則，就會造成解釋變量與殘差項相關(guān)，從而引起內(nèi)生性問題；解釋變量與被解釋變量相互影響；度量誤差（MeasurementError）：由于關(guān)鍵變量的度量上存在誤差，使其與真實值之間存在偏差，這種偏差可能會成為回歸誤差（RegressionError）的一部分，從而導致內(nèi)生性問題。解決內(nèi)生性問題的方法主要有：工具變量法（IV），即找到一個變量和內(nèi)生化變量相關(guān)，但是和殘差項不相關(guān)。在OLS的框架下同時有多個IV，這些工具變量被稱為TwoStageLeastSquares(2SLS)Estimator。具體的說，這種方法是找到影響內(nèi)生變量的外生變量，連同其他已有的外生變量一起回歸，得到內(nèi)生變量的估計值，以此作為IV，放到原來的回歸方程中進行回歸；自然實驗法，即找到一個事件，該事件只影響一部分樣本，或者只影響解釋變量而不影響被解釋變量；Difference-in-Difference（DID）法。思想是按照一定的標準，找到與樣本match的控制組。在假設(shè)外在沖擊同時影響兩個組別的情況下，做差來剔除掉外界沖擊的影響；動態(tài)Panel。思想是將解釋變量和被解釋變量的滯后項作為IV。常用命令：estatovtest說明：遺漏高次項檢測（OmittedVariableTest）。此命令只能檢測是否遺漏了模型中解釋變量的二次、三次、四次項；此命令檢測的原假設(shè)H0為：模型沒有遺漏高次項。若p值小于某一特定值(比如0.05)需要考慮加入高次項再次回歸，反之則不存在。此命令為reg的后續(xù)命令，即需要先運行一個回歸，然后才能使用此命令。常用命令：ivregress估計方法被解釋變量外生解釋變量列表(內(nèi)生解釋變量列表=工具變量列表)說明：此命令用于進行工具變量回歸；估計方法一般有2sls（兩階段最小二乘法）和gmm（廣義矩估計方法）尋找工具變量更多是創(chuàng)造性的工作，而非Stata可以幫解決（此命令的具體使用方法及案例請參考《高級計量經(jīng)濟學及Stata應(yīng)用》，陳強，第10章）。5．異方差問題異方差是違反了同方差的假設(shè)；存在異方差會使標準誤的估計受影響，繼而會影響所有涉及到標準誤的檢驗，如t檢驗、F檢驗；異方差只影響參數(shù)的標準誤，并不會影響其估計，即滿足前4個條件的OLS估計值依舊是無偏的，只是不能保證是否顯著異于零。常用命令：reg...,robust說明：這個命令是以選項的形式加在reg命令之后，使得回歸的標準誤是穩(wěn)健的；即使存在異方差的問題，這樣估計出的結(jié)果也是可以正常進行各類檢驗的，與同方差情況一樣。此命令無法檢測出異方差，不過一般而言已經(jīng)足夠了。常用命令：estathettest說明：異方差檢測（HeteroskedasticityTest）；此命令檢測的原假設(shè)H0為：模型誤差項是同方差的。若P值小于某一特定值(比如0.05)注意：此命令為reg的后續(xù)命令，即需要先運行一個回歸，然后才能使用此命令。十、幾個重要模型面板數(shù)據(jù)：面板數(shù)據(jù)的優(yōu)勢在于既有界面維度的信息，也有時間維度的信息，可以幫助解決內(nèi)生性的問題。面板數(shù)據(jù)固定效應(yīng)：其利用在時間維度上對異質(zhì)性進行相減來消除內(nèi)生性的問題；面板數(shù)據(jù)隨機效應(yīng)：其認為異質(zhì)性是與其他解釋變量不相關(guān)的（即異質(zhì)性情況不嚴重），然后按照傳統(tǒng)方法進行處理。命令格式：xtset截面維度變量時間維度變量//回歸前設(shè)置xtreg被解釋變量解釋變量,fe[選項]//固定效應(yīng)面板回歸xtreg被解釋變量解釋變量,re[選項]//隨機效應(yīng)面板回歸說明：在進行面板數(shù)據(jù)處理時，必須要先進行第一步，即聲明面板數(shù)據(jù)。聲明的方法與時間序列的tsset命令類似；xtreg命令與截面情況下的reg命令類似。若在逗號后加上fe，即指定進行固定效應(yīng)（FixEffect）面板數(shù)據(jù)回歸；若加上re，則進行隨機效應(yīng)（RandomEffect）面板數(shù)據(jù)回歸。在不知道使用固定效應(yīng)還是隨機效應(yīng)時，可以進行Hausman檢驗。在Stata中需要先分別進行兩個效應(yīng)的回歸，再進行Hausman檢驗：若p值較?。ū热缧∮?.05），應(yīng)該使用固定效應(yīng)；反之，則應(yīng)該使用隨機效應(yīng)。（但是推薦使用FE）非線性模型：nl:單變量非線性回歸命