計量經(jīng)濟(jì)學(xué)Stata軟件應(yīng)用2---【Stata軟件之回歸分析】PPT學(xué)習(xí)課件.ppt

1、計量經(jīng)濟(jì)軟件應(yīng)用,Stata軟件實驗之一元、 多元回歸分析,1,內(nèi)容概要,一、實驗?zāi)康?二、簡單回歸分析的Stata基本命令 三、簡單回歸分析的Stata軟件操作實例 四、多元回歸分析的Stata基本命令 五、多元回歸分析的Stata軟件操作實例,2,一、實驗?zāi)康模?掌握運(yùn)用Stata軟件進(jìn)行簡單回歸分析以及 多元回歸分析的操作方法和步驟，并能看懂 Stata軟件運(yùn)行結(jié)果。,3,二、簡單回歸分析的Stata基本命令,簡單線性回歸模型 ( simple linear regression model ) 指 只有一個解釋變量的回歸模型。如： 其中，y 為被解釋變量，x 為解釋變量，u 為隨機(jī)誤差

2、項， 表示除 x 之外影響 y 的因素； 稱為斜率參數(shù)或斜率系 數(shù)， 稱為截距參數(shù)或截距系數(shù)，也稱為截距項或常數(shù)項。 簡單線性回歸模型的一種特殊情況： 即假定截距系數(shù) 時，該模型被稱為過原點回歸；過 原點回歸在實際中有一定的應(yīng)用，但除非有非常明確的理 論分析表明 ，否則不宜輕易使用過原點回歸模型。,4,二、簡單回歸分析的Stata基本命令,regress y x 以 y 為被解釋變量，x 為解釋變量進(jìn)行普通最小二乘 (OLS)回歸。regress命令可簡寫為橫線上方的三個字 母reg。 regress y x, noconstant y 對 x 的回歸，不包含截距項 (constant)，即過

3、原點回歸。 predict z 根據(jù)最近的回歸生成一個新變量 z，其值等于每一個觀測 的擬合值（即 ）。 predict u, residual 根據(jù)最近的回歸生成一個新變量 u，其值等于每一個觀測 的殘差（即 ）。,5,三、簡單回歸分析的Stata軟件操作實例,實驗 1 簡單回歸分析：教育對工資的影響 勞動經(jīng)濟(jì)學(xué)中經(jīng)常討論的一個問題是勞動者工資的決定。不 難想象，決定工資的因素有很多，例如能力、性別、工作經(jīng)驗、 教育水平、行業(yè)、職業(yè)等。在這里僅考慮其中一種因素：教育 水平，建立如下計量模型： 其中，wage 為被解釋變量，表示小時工資，單位為元；edu 為解釋變量，表示受教育年限，即個人接受

4、教育的年數(shù)，單 位為年；u為隨機(jī)誤差項。假定模型(3.1)滿足簡單回歸模型的 全部5條基本假定，這樣 的OLS估計量 將是最佳線性 無偏估計量。請根據(jù)表S-2中給出的數(shù)據(jù)采用Stata軟件完成上 述模型的估計等工作。,6,三、簡單回歸分析的Stata軟件操作實例,1、打開數(shù)據(jù)文件。直接雙擊“工資方程1.dta”文件；或者點 擊Stata窗口工具欄最左側(cè)的Open鍵，然后選擇“工資方程 1.dta”即可；或者先復(fù)制Excel表S-2中的數(shù)據(jù)，再點擊Stata 窗口工具欄右起第4個Data Editor鍵，將數(shù)據(jù)粘貼到打開的 數(shù)據(jù)編輯窗口中，然后關(guān)閉該數(shù)據(jù)編輯窗口，點擊工具欄左 起第二個Save鍵

5、保存數(shù)據(jù)，保存時需要給數(shù)據(jù)文件命名。 2、給出數(shù)據(jù)的簡要描述。使用describe命令，簡寫為： des 得到以下運(yùn)行結(jié)果；,7,三、簡單回歸分析的Stata軟件操作實例,結(jié)果顯示“工資方程1.dta”數(shù)據(jù)文件包含1225個樣本和11個變 量；11個變量的定義及說明見第3列。,8,三、簡單回歸分析的Stata軟件操作實例,3、變量的描述性統(tǒng)計分析。對于定量變量，使用summarize 命令：su age edu exp expsq wage lnwage，得到以下運(yùn)行結(jié) 果，保存該運(yùn)行結(jié)果； 第1列：變量名； 第2列：觀測數(shù)； 第3列：均值； 第4列：標(biāo)準(zhǔn)差； 第5列：最小值； 第6列：最大值

6、。,9,三、簡單回歸分析的Stata軟件操作實例,4、wage對edu的OLS回歸。使用regress命令： reg wage edu，得到以下運(yùn)行結(jié)果，保存該運(yùn)行結(jié)果； (1) 表下方區(qū)域為基本的回歸結(jié)果。第1列依次為被解釋變量wage，解釋 變量edu，截距項constant；第2列回歸系數(shù)的OLS估計值；第3列回歸系 數(shù)的標(biāo)準(zhǔn)誤；第4列回歸系數(shù)的 t 統(tǒng)計量值； 寫出樣本回歸方程為： 即如果受教育年限增加1年，平均來說小時工資會增加0.39元。,10,三、簡單回歸分析的Stata軟件操作實例,(2) 表左上方區(qū)域為方差分析表。第2列從上到下依次為回歸平方和(SSE)、 殘差平方和(SSR

7、)和總離差平方和(SST)；第3列為自由度，分別為k=1， n-k-1=1225-1-1=1223，n-1=1225-1=1224；第4列為均方和(MSS)，由各項 平方和除以相應(yīng)的自由度得到。 (3) 表右上方區(qū)域給出了樣本數(shù)(Number of obs)、判定系數(shù)(R-squared)、 調(diào)整的判定系數(shù)(Adj R-squared)、F統(tǒng)計量的值、回歸方程標(biāo)準(zhǔn)誤或均方 根誤(Root MSE， 或 S.E.) 以及其他一些統(tǒng)計量的信息。 上述回歸分析的菜單操作實現(xiàn)：StatisticsLinear models and related Linear regression彈出對話框，在Dep

8、endent Variable選項框中選擇或鍵 入wage，在Independent Variables選項框中選擇或鍵入edu點擊OK即可,11,三、簡單回歸分析的Stata軟件操作實例,5、生成新變量 z 為上一個回歸的擬合值，生成新變量 u 為 上一個回歸的殘差；然后根據(jù) u 對數(shù)據(jù)進(jìn)行從小到大的排 序，并列出 u 最小的5個觀測。 命令如下： predict z (生成擬合值) predict u, residual ( 生成殘差 ) sort u (根據(jù) u 對數(shù)據(jù)從小到大排序) list wage z u in 1/5 (列出 u 最小的5個觀測值以及對應(yīng)的實 際樣本觀測值和擬合值

9、) 即對于觀測 1，小時工資的實際觀測值(wage)為2.46，擬合值(z)為 9.10，殘差(u)為-6.64。,12,三、簡單回歸分析的Stata軟件操作實例,6、畫出以wage為縱軸，以edu為橫軸的散點圖，并加入樣本 回歸線。命令如下： graph twoway lfit wage edu | scatter wage edu 得到以下運(yùn)行結(jié)果，保存該運(yùn)行結(jié)果；,13,三、簡單回歸分析的Stata軟件操作實例,7、wage對edu的OLS回歸，只使用年齡小于或等于30歲的樣 本。命令如下： reg wage edu if age=30 得到以下運(yùn)行結(jié)果，保存該運(yùn)行結(jié)果； 寫出樣本回歸方

10、程為： 對于年齡在30歲及以下的勞動者，增加 1 年受教育年限使得工資會 增加0.41元，略高于針對全體樣本的估計值。,14,三、簡單回歸分析的Stata軟件操作實例,8、 wage對edu的OLS回歸，不包含截距項，即過原點回歸。 命令如下： reg wage edu, noconstant 得到以下運(yùn)行結(jié)果，保存該運(yùn)行結(jié)果；,15,三、簡單回歸分析的Stata軟件操作實例,9、取半對數(shù)模型。模型 (3.1) 假定增加 1 年受教育年限帶來 相同數(shù)量的工資增長；但美國經(jīng)濟(jì)學(xué)家明瑟(J. Mincer)等人 的研究表明，更合理的情況是增加 1 年受教育年限導(dǎo)致相同 百分比的工資增長。這就需要使

11、用半對數(shù)模型(對數(shù)-水平模 型)，即： 其中l(wèi)nwage是小時工資的自然對數(shù)；斜率系數(shù)的經(jīng)濟(jì)含義是： 增加 1 年受教育年限導(dǎo)致收入增長 ，該百分比值一 般稱為教育收益率或教育回報率(the rate of return to education) 做lnwage對edu的回歸，命令如下： reg lnwage edu 得到以下運(yùn)行結(jié)果，保存該運(yùn)行結(jié)果(見下頁)；,16,三、簡單回歸分析的Stata軟件操作實例,寫出樣本回歸方程為： 結(jié)果表明教育收益率的估計值為5.03%，即平均而言，增加 1 年受教育年限使得工資增長5.03% 。,17,三、簡單回歸分析的Stata軟件操作實例,10、最后可

12、建立 do 文件把前面所執(zhí)行過的命令保存下來。 在do文件的編輯窗口中（點擊Stata窗口工具欄右起第5個 New Do-file Editor鍵即打開Stata的do文件編輯窗口）鍵入如 下命令和注釋，并保存為“工資方程1.do”文件。該文件的內(nèi) 容為： use “D:講課資料周蓓的上課資料數(shù)據(jù)【重要】【計量經(jīng)濟(jì)學(xué)軟件應(yīng)用 課件】10649289stata10工資方程1.dta“, clear/打開數(shù)據(jù)文件 des/數(shù)據(jù)的簡要描述 su age edu exp expsq wage lnwage/定量變量的描述性統(tǒng)計 reg wage edu/簡單線性模型的OLS估計 graph twowa

13、y lfit wage edu | scatter wage edu/作圖 reg wage edu if age=30/只使用年齡小于或等于30歲的樣本進(jìn)行OLS估計 reg wage edu, noconstant/過原點回歸 reg lnwage edu/對數(shù)-水平模型,18,三、簡單回歸分析的Stata軟件操作實例,實驗 2 簡單回歸分析：學(xué)校投入對學(xué)生成績的影響 表S-3記錄了一些學(xué)校某個年份高一學(xué)生的平均成績及有 關(guān)學(xué)校的其他一些信息。本實驗主要考察學(xué)校的生均支出 (expend) 對學(xué)生數(shù)學(xué)平均成績 (math) 的影響；生均支出代表 了學(xué)校的經(jīng)費(fèi)投入水平，從理論上說，在其他條件

14、不變的情 況下，學(xué)生在生均支出越高的學(xué)校中能夠獲得更好的教學(xué)資 源(包括更優(yōu)秀的師資、更好的硬件設(shè)備等)，從而學(xué)習(xí)成績 也應(yīng)該越高。請根據(jù)表S-3中給出的數(shù)據(jù)采用Stata軟件完成 相關(guān)模型的估計等工作。 1、打開數(shù)據(jù)文件。雙擊“學(xué)校投入與學(xué)生成績.dta”文件，或點 擊Stata窗口工具欄Open鍵選擇“學(xué)校投入與學(xué)生成績.dta”即可； 或復(fù)制Excel表S-3中的數(shù)據(jù)后點擊Stata窗口工具欄Data Editor 鍵，將數(shù)據(jù)粘貼到數(shù)據(jù)編輯窗口中，關(guān)閉該窗口，點擊工具欄 Save鍵保存數(shù)據(jù)，保存時要給數(shù)據(jù)文件命名。,19,三、簡單回歸分析的Stata軟件操作實例,2、假定生均支出 (ex

15、pend) 與影響學(xué)生數(shù)學(xué)成績的其他因素 不相關(guān)，建立如下四個簡單回歸模型： 水平-水平模型： 水平-對數(shù)模型： 對數(shù)-水平模型： 對數(shù)-對數(shù)模型(常彈性模型)： 水平-水平模型的命令及運(yùn)行結(jié)果如下：reg math expend 估計結(jié)果表明：學(xué)校生均支出增加1千元，使得學(xué)生數(shù)學(xué)平均成績 將提高2.46分；,20,三、簡單回歸分析的Stata軟件操作實例,水平-對數(shù)模型的命令及運(yùn)行結(jié)果如下： reg math lnexpend 估計結(jié)果： 即學(xué)校生均支出增加1%，使得學(xué)生數(shù)學(xué)平均成績將提高 0.11分；,21,三、簡單回歸分析的Stata軟件操作實例,對數(shù)-水平模型的命令及運(yùn)行結(jié)果如下： r

16、eg lnmath expend 估計結(jié)果： 即學(xué)校生均支出增加1千元，使得學(xué)生數(shù)學(xué)平均成績將提高 7%；,22,三、簡單回歸分析的Stata軟件操作實例,對數(shù)-對數(shù)模型的命令及運(yùn)行結(jié)果如下： reg lnmath lnexpend 估計結(jié)果： 即學(xué)校生均支出增加1%，使得學(xué)生數(shù)學(xué)平均成績將提高 0.32%；,23,四、多元回歸分析的Stata基本命令,對于多元線性回歸模型： regress y x1 x2xk 以 y 為被解釋變量， x1, x2,xk 為解釋變量進(jìn)行普通最 小二乘(OLS)回歸。regress命令可簡寫為reg； regress y x1 x2xk, noconstant

17、y對x1, x2,xk的回歸，不包含截距項，即過原點回歸； test x1 x2 x3 根據(jù)最近的回歸進(jìn)行 F 檢驗，原假設(shè)為： test 根據(jù)最近的回歸進(jìn)行F檢驗，原假設(shè)為：,24,五、多元回歸分析的Stata軟件操作實例,實驗 1 多元回歸分析：工資方程 利用數(shù)據(jù)文件“工資方程1.dta”建立工資方程考察影響小時 工資(wage)的因素，重點關(guān)注受教育年限(edu)的系數(shù)，即教 育收益率(即對數(shù)-水平模型的斜率系數(shù))。 1、打開數(shù)據(jù)文件。直接雙擊“工資方程1.dta”文件；或者點 擊Stata窗口工具欄最左側(cè)的Open鍵，然后選擇“工資方程 1.dta”即可； 2、簡單回歸分析。首先建立簡

18、單回歸模型(對數(shù)-水平模型)： 命令及運(yùn)行結(jié)果如下： reg lnwage edu,25,五、多元回歸分析的Stata軟件操作實例,回歸結(jié)果表明：如果不考慮其他因素的影響，教育收益率 的估計值為5.03%，即平均而言，增加 1年受教育年限使 得工資增長5.03% 。,26,五、多元回歸分析的Stata軟件操作實例,3、多元回歸分析。除了受教育年限 (edu) 之外，工作經(jīng)驗 (exp) 也是影響小時工資 (wage) 的重要因素。從理論上分 析，其他條件不變，工作經(jīng)驗越長表明勞動者的工作經(jīng)驗越 豐富，勞動生產(chǎn)率也越高，從而工資水平較高。如果工作經(jīng) 驗(exp)與受教育年限(edu)不相關(guān)或相關(guān)

19、程度很低，那么在工 資方程中是否加入工作經(jīng)驗(exp)對教育收益率的估計幾乎沒 有影響；但如果工作經(jīng)驗(exp)與受教育年限(edu)顯著相關(guān)， 那么在工資方程中不加入工作經(jīng)驗(exp)會使得教育收益率的 估計有偏誤。為此，需要首先考察樣本中工作經(jīng)驗(exp)與受 教育年限(edu)是否顯著相關(guān)，方法是計算二者之間的樣本相 關(guān)系數(shù)并進(jìn)行顯著性檢驗，使用的命令如下： pwcorr edu exp, sig (pwcorr求樣本相關(guān)系數(shù)命令，選項sig表示列出原假設(shè)H0為相關(guān) 系數(shù)等于0的假設(shè)檢驗的精確顯著性水平，即統(tǒng)計量的相伴概率值),27,五、多元回歸分析的Stata軟件操作實例,得到以下運(yùn)行

20、結(jié)果： 可見，edu與exp的樣本相關(guān)系數(shù)為-0.5005，顯著性水平即假 設(shè)檢驗統(tǒng)計量的相伴概率值為0.0000，即拒絕相關(guān)系數(shù)等于 0的原假設(shè)，edu與exp之間存在顯著負(fù)相關(guān)；因此，如果理 論上exp對工資(wage)的影響為正，那么在回歸方程中遺漏了 exp 會使得 edu 的系數(shù)估計產(chǎn)生負(fù)的偏誤，即估計值偏低。 為此，考慮使用多元回歸模型： 使用的命令及運(yùn)行結(jié)果如下：,28,五、多元回歸分析的Stata軟件操作實例,reg lnwage edu exp (1) 表下方區(qū)域為回歸分析的主要結(jié)果。第1列分別為被解釋變量 Lnwage，解釋變量edu，解釋變量exp以及截距項；第2列顯示回

21、 歸系數(shù)的OLS估計值；第3列顯示回歸系數(shù)的標(biāo)準(zhǔn)誤；第4列顯示 回歸系數(shù)的 t 統(tǒng)計量；第5列顯示 t 檢驗的精確的顯著性水平(即 t 統(tǒng)計量的相伴概率P值)；最后兩列顯示置信水平為95%的回歸系 數(shù)的置信區(qū)間。,29,五、多元回歸分析的Stata軟件操作實例,結(jié)果樣本回歸方程為： 回歸系數(shù)下方括號中所示數(shù)字從上到下依次為回歸系數(shù)的標(biāo)準(zhǔn)誤、 t 統(tǒng)計量和P值；edu的系數(shù)和截距項在1%顯著性水平上統(tǒng)計顯 著，exp的系數(shù)在5%顯著性水平上統(tǒng)計顯著，說明教育(edu)和工 作經(jīng)驗(exp)對小時工資(wage)均有顯著的正向影響；這一結(jié)果也 可以從回歸系數(shù)的置信區(qū)間中可以看出，即兩個系數(shù)的95%

22、的置 信區(qū)間均不包含0，至少可以在5%顯著性水平上分別拒絕這兩個 系數(shù)等于 0 的原假設(shè)。 兩個斜率系數(shù)的經(jīng)濟(jì)含義：如果保持工作經(jīng)驗(exp)不變，受教 育年限(edu)增加 1 年，平均來說小時工資會增加5.67%，即教育 收益率為5.67%；另一方面，如果保持受教育年限(edu)不變，,30,五、多元回歸分析的Stata軟件操作實例,工作經(jīng)驗(exp)增加1年，平均來說小時工資會增加0.29%， 即工齡的收益率為0.29%。 前面的分析指出：理論上 exp 對 lnwage 的影響為正，而 樣本中 edu 與 exp 顯著負(fù)相關(guān)，那么與上述多元回歸模型相 比，采用只包含 edu 的簡單回歸

23、模型就會使得 edu 的系數(shù)估 計值偏低。分析結(jié)果證明了這一點，簡單回歸模型中 edu 的 系數(shù)估計值為 0.0503 (5.03%)，而多元回歸模型中 edu 的系 數(shù)估計值為0.0567 (5.67%)， 后者大于前者。,31,五、多元回歸分析的Stata軟件操作實例,(2) 表左上方區(qū)域為方差分析表。第2列從上到下依次為回歸平方 和 (SSE)、殘差平方和 (SSR)及總離差平方和 (SST)；第3列為自由 度；第4列為均方和 (MSS)，由各項平方和除以相應(yīng)的自由度得到 (3) 表右上方區(qū)域。樣本數(shù) (Number of obs) 為1225；回歸模型總體 顯著性檢驗 F 檢驗的 F

24、統(tǒng)計量等于45.75，其精確的顯著性水平 (即相伴概率值)為0.0000，可以拒絕所有的斜率系數(shù)都等于0的原 假設(shè)，即模型總體顯著成立；判定系數(shù)(R-squared)為0.0697，調(diào)整 的判定系數(shù)(Adj R-squared)為0.0681，略小于判定系數(shù)；均方根誤 (Root MSE)，也就是回歸模型標(biāo)準(zhǔn)誤S.E.或 為0.51234 。,32,五、多元回歸分析的Stata軟件操作實例,實驗 2 多元回歸分析：學(xué)習(xí)努力程度對大學(xué)英語成績的影響 數(shù)據(jù)文件“大學(xué)英語成績.dta”(或表S-4)為某高校大一學(xué)生英 語期末考試成績及相關(guān)信息，本例關(guān)注學(xué)生的學(xué)習(xí)努力程度 對期末成績的影響，并且用學(xué)生

25、的上課出勤率和完成作業(yè)的 情況衡量學(xué)習(xí)努力程度。建立如下模型并進(jìn)行回歸分析： 其中 final 為英語期末考試成績，attend 為本學(xué)期英語課的出 勤率(百分?jǐn)?shù))，homework 為本學(xué)期英語課課后作業(yè)的完成率 (百分?jǐn)?shù))； 1、打開數(shù)據(jù)文件。直接雙擊“大學(xué)英語成績.dta”文件；或點擊Stata 窗口工具欄最左側(cè)的Open鍵，然后選擇“大學(xué)英語成績.dta”即可； 2、上述模型的回歸分析。命令及運(yùn)行結(jié)果如下： reg final attend homework,33,五、多元回歸分析的Stata軟件操作實例,結(jié)果顯示樣本回歸方程為： attend 和 homework的回歸系數(shù)在10%的

26、顯著性水平上顯著。在保 持作業(yè)完成率(homework)不變的條件下，上課出勤率(attend) 提高 10個百分點將令其期末成績提高0.80分；在保持上課出勤率(attend) 不變的條件下，作業(yè)完成率(homework)提高10個百分點將令其期末 成績提高0.65分；可以認(rèn)為學(xué)習(xí)努力程度的確影響期末成績。判定 系數(shù) 和調(diào)整的判定系數(shù) 僅為0.02，表示attend 和 homework兩 個變量聯(lián)合起來僅能解釋 final 總變異的2%多，表明模型的總體,34,五、多元回歸分析的Stata軟件操作實例,擬合程度不高。 顯然，除了學(xué)習(xí)努力程度(attend和homework)之外，學(xué)生先前的 英語水平也會對期末成績(final)起到?jīng)Q定性作用；而且如果先前的 英語水平與學(xué)習(xí)努力程度(attend和homework)相關(guān)，那么遺漏了先 前的英語水平作為解釋變量就會使得學(xué)習(xí)努力程度 (attend和 homework)的系數(shù)估計值產(chǎn)生偏誤。為此，考慮使用入學(xué)考試成績 (entry)衡量先前的英語水平。 首先估算entry和attend以及entry和homework的樣本相關(guān)系數(shù)； 命令為：pwcorr entry attend homework, sig,35,五、多元回歸分析的S