stata初級(jí)入門(mén)5線(xiàn)性回歸模型估計(jì)講課稿.ppt

1、2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,1,Stata初級(jí)入門(mén)5線(xiàn)性回歸模型,江金啟 沈陽(yáng)農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,2,一、計(jì)量回歸前的知識(shí)回顧,數(shù)據(jù)結(jié)構(gòu) 數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)類(lèi)型和估計(jì)模型選擇 線(xiàn)性回歸的OLS的基本假定 基本假定引申的定理,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,3,1數(shù)據(jù)結(jié)構(gòu),截面數(shù)據(jù)（Cross-Section Data）：給定時(shí)點(diǎn)對(duì)個(gè)人、家庭等樣本單位所采集的數(shù)據(jù)。 時(shí)序數(shù)據(jù)（Time-Series Data）：某一或某幾個(gè)變量在不同時(shí)點(diǎn)的觀(guān)測(cè)值。 混合截面數(shù)據(jù)（Pooled Cross Section Data）：不同時(shí)點(diǎn)的多個(gè)同單位截

2、面樣本混合得到。 面板數(shù)據(jù)（亦稱(chēng)綜列數(shù)據(jù),Panel Data/ Longitudinal Data）：同一截面樣本在不同時(shí)點(diǎn)的觀(guān)測(cè)值。通常是對(duì)同一截面樣本的持續(xù)跟蹤調(diào)查得到。,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,4,2數(shù)據(jù)結(jié)構(gòu)、類(lèi)型及模型選擇,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,5,3線(xiàn)性回歸要滿(mǎn)足的基本假定,參數(shù)線(xiàn)性：Y=0+ 1x+ 隨機(jī)抽樣性:意味著cov(ui,uk)=0 零條件均值（亦稱(chēng)嚴(yán)格外生性）：E(u|x1,x2,x3,)=0，意味著E(u)=0, cov(x,u)=0。計(jì)量回歸的最關(guān)鍵假定。 如果E(u|xi)=0,而E(u|xk)0,則xi為外生解釋變量，xk為內(nèi)

3、生解釋變量。 違背零條件均值假定的情況：（1）模型形式誤設(shè)，（2）遺漏重要解釋變量；（3）解釋變量的測(cè)量誤差；（4）聯(lián)立因果；（5）樣本選擇偏誤。,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,6,不存在完全或多重共線(xiàn)性：在總體中，自變量間不存在嚴(yán)格的線(xiàn)性關(guān)系。 該假定不意味著自變量間無(wú)相關(guān)關(guān)系，而是要求它們間無(wú)高度相關(guān)或完全相關(guān)。 引起完全共線(xiàn)性的情況：（1）一個(gè)自變量是另一個(gè)自變量的常數(shù)倍；（2）一個(gè)自變量恰好可以表達(dá)為其它兩個(gè)或多個(gè)自變量的一個(gè)線(xiàn)性函數(shù)。如果此情況發(fā)生，自變量間就有多重共線(xiàn)性關(guān)系。 *自變量的樣本有變異：在樣本中，自變量不為相同的常數(shù)。 同方差性（亦稱(chēng)有效性）：var(u|x1

4、,x2,x3,.)=2。 假定1-5統(tǒng)稱(chēng)為截面回歸的高斯馬爾科夫假定。,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,7,4基本假定所引申出的四個(gè)定理,無(wú)偏性 OLS斜率估計(jì)量的抽樣方差,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,8,無(wú)偏估計(jì),高斯-馬爾科夫定理,二、Stata計(jì)量模型估計(jì)概述,模型估計(jì) 模型預(yù)測(cè) 參數(shù)檢驗(yàn) 對(duì)虛擬變量的處理 變量的邊際影響或彈性 對(duì)模型估計(jì)結(jié)果的相關(guān)操作 模型估計(jì)結(jié)果的提取,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,9,1模型估計(jì)的語(yǔ)法,基本語(yǔ)法格式 單方程模型估計(jì)的命令格式 系統(tǒng)方程模型估計(jì)的命令格式 估計(jì)選項(xiàng) 常數(shù)項(xiàng)、offset、exposure、參數(shù)約束、置信度

5、、標(biāo)準(zhǔn)差的計(jì)算方法、組內(nèi)相關(guān)結(jié)構(gòu)、一階自相關(guān)系數(shù)的計(jì)算,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,10,1.1基本語(yǔ)法格式,單方程模型 command varlist if in weight ,options 范例：regress depvar indepvars if in weight , options線(xiàn)性回歸模型 系統(tǒng)方程模型 command (varlist) (varlist) if in weight ,options 范例： sureg (depvar1 varlist1) (depvar2 varlist2) . (depvarN varlistN) if in weight

6、似不相關(guān)回歸模型 varlist為模型的因、自變量，中間空格分開(kāi)，其中第1個(gè)變量，軟件自動(dòng)識(shí)別為因變量，其余為自變量。,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,11,1.2估計(jì)選項(xiàng)設(shè)定（options）,1.2.1常數(shù)項(xiàng) noconstant: 模型沒(méi)有常數(shù)項(xiàng) hascons：用戶(hù)自己設(shè)定的常數(shù)項(xiàng) 1.2.2offset offset(varname)表示約束模型中變量varname的系數(shù)為1。該選項(xiàng)多出現(xiàn)于離散選擇模型、計(jì)數(shù)模型中。 1.2.3exposure exposure(varname)表示約束模型中變量ln(varname)的系數(shù)為1。該選項(xiàng)多出現(xiàn)于計(jì)數(shù)模型中。,2020/10/1

7、,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,12,1.2.4參數(shù)約束 constraints(numlist):通過(guò)constraint命令設(shè)定線(xiàn)性約束 constraints(matname):通過(guò)矩陣設(shè)定線(xiàn)性約束 constraints(clist):在個(gè)別命令中使用，如mlogit命令 該選項(xiàng)多出現(xiàn)于離散選擇模型、分類(lèi)變量模型、計(jì)數(shù)模型中。 1.2.5置信度 level(#)設(shè)定置信區(qū)間，默認(rèn)值為95 1.2.6組內(nèi)相關(guān)結(jié)構(gòu) corr(correlation)設(shè)定組內(nèi)相關(guān)結(jié)構(gòu)，該選項(xiàng)一般多在“面板數(shù)據(jù)”的廣義方程估計(jì)中出現(xiàn),2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,13,1.2.7標(biāo)準(zhǔn)差的計(jì)算方法 vce(vc

8、etype)是stata中設(shè)定參數(shù)估計(jì)量協(xié)方差矩陣計(jì)算方法的最主要選項(xiàng)。 vcetype的常見(jiàn)形式： oim:基于最大似然估計(jì)中的觀(guān)測(cè)信息矩陣進(jìn)行計(jì)算 opg:基于最大似然估計(jì)中梯度向量進(jìn)行估計(jì) robust:異方差穩(wěn)健估計(jì)，又稱(chēng)Huber/White/ Sandwich估計(jì)量 cluster clustvar:組內(nèi)相關(guān)穩(wěn)健估計(jì) bootstrap:自舉法 jackknife:刀切法 ols:用OLS殘差計(jì)算協(xié)方差矩陣 hac kernel:異方差自相關(guān)一致標(biāo)準(zhǔn)差 rgf:將穩(wěn)健方差估計(jì)量乘以(N-1)/(N-P),2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,14,1.2.8一階自相關(guān)系數(shù)的計(jì)算

9、該選項(xiàng)不常使用，默認(rèn)是dw法。 rhotype(method):用于設(shè)定時(shí)序/面板數(shù)據(jù)模型中AR(1)系數(shù)的方法。 method包括： dw: rho_dw=1 - dw/2, 其中 dw 是Durbin-Watson值 regress:從殘差回歸方程et=rho_regress*et-1+vt freg:從殘差回歸方程中et=rho_freg*et+1+vt tscorr: rho=eet-1/ee, 其中e和et-1 是殘差和滯后一期殘差。 theil: rho=rho_tscorr * (N-k)/N nagar:rho_nagar = (rho_dw * N2+k2)/(N2-k2)

10、onestep: rho_onestep = (n/m_c)*rho_tscorr, 其中n是樣本單位總數(shù)，m_c是consecutive pairs of residuals的數(shù)目,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,15,2模型預(yù)測(cè),2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,16,3參數(shù)檢驗(yàn),2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,17,4對(duì)虛擬變量的處理,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,18,5變量的邊際效應(yīng)或彈性,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,19,6對(duì)模型估計(jì)的相關(guān)操作,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,20,7模型估計(jì)結(jié)果的提取,2020/10/1,計(jì)量經(jīng)

11、濟(jì)學(xué)軟件應(yīng)用,21,三、一元線(xiàn)性回歸,命令：regress varlist if in weights ,options 菜單： Statistics Linear models and related Linear regression 常數(shù)項(xiàng)的設(shè)定,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,22,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,23,if in的設(shè)定,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,24,weights的設(shè)定,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,25,標(biāo)準(zhǔn)差計(jì)算方法的設(shè)定,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,26,結(jié)果報(bào)告的設(shè)定,置信度 標(biāo)準(zhǔn)化回歸系數(shù) 報(bào)告系數(shù) 報(bào)告

12、e系數(shù) 不報(bào)告多重共線(xiàn)性變量,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,27,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,28,四、實(shí)例,例：收入對(duì)消費(fèi)的影響 擬回答的問(wèn)題：（1）當(dāng)期收入對(duì)居民的消費(fèi)支出究竟有怎樣的影響？（2）邊際消費(fèi)傾向是多少？（3）農(nóng)村和城鎮(zhèn)的邊際消費(fèi)傾向差異？ 理論：凱恩斯的絕對(duì)收入假說(shuō) 變量：當(dāng)期收入和消費(fèi)支出 模型：Y=+，Y是消費(fèi)支出，x是當(dāng)期收入，u是隨機(jī)擾動(dòng)項(xiàng),打開(kāi)數(shù)據(jù)文件：use C:UsersjjqDesktop計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用講稿ch5OLS.dta, clear,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,29,1消費(fèi)支出和收入散點(diǎn)圖：農(nóng)村,2020/10/1

13、,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,30,命令：twoway (scatter rconsum rneti, sort) (lfit rconsum rneti), ytitle(農(nóng)村人均消費(fèi)支出) xtitle(農(nóng)村居民人均純收入) title(收入與消費(fèi)支出關(guān)系：農(nóng)村) note(數(shù)據(jù)來(lái)源：中國(guó)統(tǒng)計(jì)年鑒2011年),2回歸結(jié)果：農(nóng)村,命令：regress rconsum rneti,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,31,2回歸結(jié)果：城鎮(zhèn),命令：regress uconsum pdi,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,32,3Breusch-Pagan,Cook-Weisberg異方差檢驗(yàn),

14、命令：estat hettest varlist ,rhs normal|iid|fstat mtest (spec) 在一元線(xiàn)性回歸中，設(shè)定varlist或rhs，或都不設(shè)定的結(jié)果是一樣的。 normal表示誤差項(xiàng)獨(dú)立正態(tài)分布，iid表示誤差項(xiàng)獨(dú)立同分布，計(jì)算卡方統(tǒng)計(jì)量，fstat表示誤差項(xiàng)為獨(dú)立同分布，計(jì)算F統(tǒng)計(jì)量，mtest表示同時(shí)進(jìn)行上述各種檢驗(yàn)。,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,33,菜單： Statistics Postestimation Reports and statistics,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,34,異方差檢驗(yàn)：農(nóng)村,范例：estat het

15、test,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,35,4Szroeter異方差秩檢驗(yàn),命令：estat szroeter varlist ,rhs mtest(spec) 注意：varlist或rhs中必須有一個(gè)要定義,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,36,異方差秩檢驗(yàn)：農(nóng)村,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,37,命令： predict res, rstandard estat szroeter res,5Ramsey回歸設(shè)定誤差檢驗(yàn),命令：estat ovtest ,rhs,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,38,回歸設(shè)定誤差檢驗(yàn)：農(nóng)村,范例：estat ovtest

16、,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,39,6信息矩陣檢驗(yàn),命令：estat imtest , preserve white 范例：estat imtest,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,40,7信息準(zhǔn)則結(jié)果,命令：estat ic,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,41,8結(jié)果檢驗(yàn)圖,解釋變量對(duì)成分殘差圖 經(jīng)常用于考察模型形式是否設(shè)定正確 命令1：cprplot indepvar 命令2：acprplot indepvar 增加量變量圖 經(jīng)常用于考察數(shù)據(jù)是否存在異常值 命令1：avplot indepvar 命令2：avplots indepvar,2020/10/1,計(jì)量經(jīng)濟(jì)學(xué)軟件應(yīng)用,42,杠桿率對(duì)殘差平方的散點(diǎn)圖 命令：lvr2plot 擬合值對(duì)殘差圖的散點(diǎn)圖 用于考察殘