chapstata基本回歸分析課件

1、第六章 基本回歸分析chapstata基本回歸分析主要內(nèi)容1.小樣本的OLS估計與分析2.大樣本的OLS估計與分析3.約束回歸4.非線性最小二乘分析chapstata基本回歸分析實驗6-1：小樣本普通最小二乘分析一、實驗基本原理chapstata基本回歸分析二、實驗內(nèi)容和實驗數(shù)據(jù)根據(jù)統(tǒng)計資料得到了美國汽車產(chǎn)業(yè)的橫截面數(shù)據(jù)(1978年) ，變量主要包括：price=汽車的價格，mpg=每加侖油所行駛的英里數(shù)，weight=汽車的重量，foreign表示是否是進口車，如果foreign=0代表是國產(chǎn)車，如果foreign=1代表是進口車。完整的數(shù)據(jù)在本書附帶光盤的data文件夾的“usaauto.

2、dta”工作文件中。利用usaauto數(shù)據(jù)，對汽車價格的影響因素進行計量分析，分析mpg、weight和foreign對價格的邊際影響，包括進行OLS的估計、檢驗、預(yù)測和繪制圖形等相關(guān)內(nèi)容。chapstata基本回歸分析三、實驗操作指導(dǎo)1 打開數(shù)據(jù)文件、觀測數(shù)據(jù)特征（1）若要進行各種對原始數(shù)據(jù)的操作，首先必須正確地打開數(shù)據(jù)文件，在Stata中打開數(shù)據(jù)文件的方法有多種，其中較為常用的方法是通過命令直接打開或是使用菜單操作打開。我們在此使用命令方式，在命令窗口中輸入如下命令：sysuse usaauto, clear（2）在進行回歸分析之前，可以先關(guān)注一下原始數(shù)據(jù)及其統(tǒng)計特征。在命令窗口中輸入如下

3、命令：edit如果想得到數(shù)據(jù)的統(tǒng)計特征，則需要在命令窗口中輸入如下命令：describechapstata基本回歸分析2 利用最小二乘法進行模型的估計對模型進行回歸的仍然是采用命令方式進行操作，命令的基本格式如下：regress depvar indepvar if in weight ,options其中regress代表“回歸”的基本命令語句，depvar代表被解釋變量（或稱因變量）的名稱，indepvar代表解釋變量（或稱自變量）的名稱，if代表條件語句，in代表范圍語句，weight代表權(quán)重語句，options代表其他選項。chapstata基本回歸分析表6.1的內(nèi)容顯示了option

4、s所代表的其他選項的具體內(nèi)容，主要包括選項的命令語句及其所代表的含義。chapstata基本回歸分析要想得到OLS的回歸結(jié)果，只需本實驗的模型在命令窗口中輸入如下命令：regress price mpg weight foreign這個命令就表示以price作為因變量，mpg、weight、foreign作為自變量建立線性回歸模型，運用OLS方法進行回歸分析。3 模型的檢驗基本回歸分析之后，還要對模型的整體和系數(shù)進行檢驗，以求證其是否符合經(jīng)濟理論或現(xiàn)實情況的要求。用戶可以發(fā)現(xiàn)剛才的回歸結(jié)果中已經(jīng)給出了最基本的F檢驗和t檢驗的結(jié)果，下面將介紹其他檢驗的相關(guān)命令，這些檢驗均為Wald檢驗。chap

5、stata基本回歸分析（1）線性檢驗命令的基本格式如下：test (spec) (spec) , test_options在這個命令中，test是線性檢驗的命令語句，而(spec)則表示線性檢驗的形式，主要包括以下五種：第一種檢驗所設(shè)定的系數(shù)都為0，命令形式如下：test coeflist第二種檢驗所設(shè)定的系數(shù)表達式都為0，命令形式如下：test exp=exp=第三種檢驗方程eqno中的變量varlist的系數(shù)都為0，命令形式如下：test eqno : varlist第四種檢驗不同方程中變量varlist的系數(shù)相同，命令形式如下：test eqno=eqno= : varlist第五種檢驗

6、方程eqno中的變量varlist系數(shù)相同，命令形式如下：testparm varlist , equal equation(eqno)chapstata基本回歸分析（2）如果檢驗為非線性檢驗，則需要將命令的基本格式調(diào)整如下即可：testnl exp=exp=exp. , options這個命令中，testnl是非線性檢驗的命令語句，而exp=exp=exp.表示系數(shù)之間的非線性關(guān)系式。在本實驗中，如檢驗“weight”“foreign”的系數(shù)是否同時顯著不為零，則需要輸入如下命令：test weight foreign（也可以輸入 test (weight=0) (foreign=0)這個命

7、令，效果相同。）chapstata基本回歸分析4 模型的預(yù)測經(jīng)濟計量模型設(shè)定的最終目的是使其能夠?qū)ι鐣?jīng)濟生活有一定的預(yù)測功能，所以一個模型在估計和檢驗之后，就可以用其進行預(yù)測了，下面將著重介紹線性預(yù)測的主要內(nèi)容。線性預(yù)測的基本命令格式如下：predict type newvar if in , options在這里，predict是預(yù)測的基本命令語句，newvar代表將要進行預(yù)測的變量，if代表條件語句，in代表范圍語句，options代表其他選項，在預(yù)測中起重要作用，表6.2顯示了預(yù)測命令中options的命令語句和含義。chapstata基本回歸分析chapstata基本回歸分析利用本實

8、驗的數(shù)據(jù)，預(yù)測因變量和殘差 “price”和“e”值的具體操作步驟如下：若要得到“price”的預(yù)測值，需要輸入如下命令：predict yhat, xb這個命令就表示對因變量price進行線性預(yù)測，生成的變量名稱為yhat。若要得到殘差序列的預(yù)測值，則需要輸入如下命令：predict e, residual這個命令就表示對殘差值進行預(yù)測，生成的變量名稱為e。chapstata基本回歸分析5 基本回歸圖形的繪制在回歸分析中，圖形是十分重要的一種分析工具，其不僅具有直觀的視覺優(yōu)勢，且能包含巨大的信息量。鑒于圖形的畫法本書前面章節(jié)已經(jīng)介紹，這里不再贅述，且多元線性回歸大部分為超平面圖形，所以不宜用

9、散點圖和回歸線表示，所以這里僅僅介紹簡單的殘差圖形的畫法。殘差對預(yù)測值標繪圖提供了較為有用的診斷工具，在回歸分析之后，我們就可以畫出如圖6.6所示的殘差對預(yù)測值的標繪圖了。這種圖形的得到只需要在命令窗口中輸入如下命令語句：rvfplot, yline(0)在這個命令中，rvfplot表示自動生成殘差e和因變量預(yù)測值yhat的散點圖，并標識出縱軸值為零的直線。當然，圖6.6也可以通過更為基本的graph命令得到，命令如下：graph twoway scatter e yhat, yline(0)這個命令的還以就是畫一個兩軸的散點圖，一個軸是殘差預(yù)測值e，一個軸是因變量預(yù)測值yhat，同時還要標出

10、縱軸值為零的直線。chapstata基本回歸分析實驗6-2：大樣本普通最小二乘分析一、實驗基本原理chapstata基本回歸分析二、實驗內(nèi)容和實驗數(shù)據(jù)為了檢驗美國電力行業(yè)是否存在規(guī)模經(jīng)濟，Nerlove（1963）收集了1955年145家美國電力企業(yè)的總成本(tc)、產(chǎn)量(q)、工資率(pl)、燃料價格(pf)及資本租賃價格(pk)的數(shù)據(jù)。變量名前面加ln表示取自然對數(shù)以后的數(shù)值。完整的數(shù)據(jù)在本書附帶光盤的data文件夾的“nerlove.dta”工作文件中。利用nerlove的數(shù)據(jù)，我們分別用大樣本理論和小樣本理論進行回歸分析，以比較二者的不同，從而使用戶更加深刻地理解這兩個理論。chaps

11、tata基本回歸分析三、實驗操作指導(dǎo)1 模型的建立chapstata基本回歸分析2 使用小樣本理論進行回歸首先，我們假設(shè)數(shù)據(jù)符合小樣本理論嚴格的假設(shè)，所以可以直接運用小樣本理論進行回歸。使用use命令打開數(shù)據(jù)后，在命令窗口中輸入回歸命令如下：regress lntc lnq lnpl lnpk lnpf這個命令的含義就是以lntc作為因變量，以lnq、lnpl、lnpk、lnpf作為自變量建立線性回歸模型。之后，我們就可以得到如圖6.7所示的小樣本理論下的回歸結(jié)果了。chapstata基本回歸分析3 使用大樣本理論進行回歸大樣本OLS經(jīng)常采用穩(wěn)健標準差估計(robust)。穩(wěn)健標準差是指其標準

12、差對于模型中可能存在的異方差或自相關(guān)問題不敏感，基于穩(wěn)健標準差計算的穩(wěn)健t統(tǒng)計量仍然漸進分布t分布。因此，在Stata中利用robust選項可以得到異方差穩(wěn)健估計量。在本實驗中，利用穩(wěn)健標準差進行估計的命令如下：regress lntc lnq lnpl lnpk lnpf，robust這個命令表示是以lntc作為因變量，以lnq、lnpl、lnpk、lnpf作為自變量建立線性回歸模型。命令最后的robust命令代表使用大樣本穩(wěn)健標準差進行各種預(yù)測和檢驗。之后，我們就可以得到如圖6.8所示的大樣本理論下的回歸結(jié)果了。chapstata基本回歸分析4 大、小樣本理論結(jié)果對比從這兩個結(jié)果可以看到：

13、穩(wěn)健標準差與普通標準差的估計的系數(shù)相同，但標準差和t值存在著較大的差別，尤其是lnq的標準差。 在現(xiàn)實社會的各種數(shù)據(jù)中，很少有數(shù)據(jù)能夠滿足小樣本理論的嚴格假設(shè)，所以當樣本數(shù)據(jù)足夠大時，我們最好采用穩(wěn)健標準差進行估計和檢驗，這樣得到的結(jié)果將會更加準確。chapstata基本回歸分析實驗6-3：約束回歸一、實驗基本原理chapstata基本回歸分析二、實驗內(nèi)容和實驗數(shù)據(jù)本實驗中，我們將利用與實驗6-1相同的數(shù)據(jù)，即本書附帶光盤data文件夾下的“usaauto.dta”文件中的數(shù)據(jù)，來研究回歸系數(shù)存在約束的情況下，價格、汽車重量等因素對每加侖汽油所行駛的路程的影響。我們將介紹如何定義約束、列出已定

14、義的約束、取消已定義的約束、以及在定義好約束后如何進行約束回歸。chapstata基本回歸分析三、實驗操作指導(dǎo)1 約束的定義、列出和取消（1）要進行約束回歸，首先應(yīng)對約束進行定義。其語法格式如下： constraint define n 約束條件 其中，constraint define代表“定義約束”的基本命令語句；define可以省略。n必須是位于 1,1999 的整數(shù)，用于表明這是第幾個約束。chapstata基本回歸分析chapstata基本回歸分析（2）要顯示已定義的約束，可以使用如下的語句：constraint dir numlist|_all 或者constraint list

15、numlist|_all其中，constraint dir或constraint list代表“顯示約束”的基本命令語句，numlist指明要顯示的約束，_all表示顯示所有約束。當我們不指定要顯示的約束為哪幾個時，默認顯示所有的約束條件。例如，我們想看到所有已定義的約束，輸入命令：constraint dir（3）要刪掉某個或幾個已定義的約束，則可使用以下語句：constraint drop numlist|_allchapstata基本回歸分析2 進行約束回歸定義完約束之后，就可以進行約束回歸了。約束回歸的基本語法格式如下：cnsreg depvar indepvars if in wei

16、ght, constraints(constraints) options其中，cnsreg代表“約束回歸”的基本命令語句，constraints可簡寫為c。depvar代表被解釋變量的名稱，indepvar代表解釋變量的名稱，if代表條件語句，in代表范圍語句，weight代表權(quán)重語句，options代表其他選項。options中，我們可以使用異方差穩(wěn)健標準差（r）或匯報其他水平的置信區(qū)間等，詳見表6.3。chapstata基本回歸分析下面，讓我們通過例子來加深對命令的理解。擬合前面的約束回歸： cnsreg mpg price weight displ gear_ratio foreign

17、 length, c(1-5)命令中，cnreg代表進行約束回歸，mpg是被解釋變量的名稱，price weight displ gear_ratio foreign length為各個解釋變量的名稱，選項c(1-5)表示在1到5個約束之下進行回歸。chapstata基本回歸分析實驗6-4: 非線性最小二乘 一、實驗基本原理chapstata基本回歸分析二、實驗內(nèi)容和實驗數(shù)據(jù)使用本書附帶光盤的data文件夾的“profunc.dta”工作文件，我們研究勞動投入和資本投入對產(chǎn)量的影響，即進行一個生產(chǎn)函數(shù)的回歸。變量包括產(chǎn)出的對數(shù)（lnoutput）、勞動（labor ）和資本（capital）。

18、chapstata基本回歸分析三、實驗操作指導(dǎo)1 利用非線性最小二乘法進行模型的估計NLS回歸的命令格式為：nl (depvar = ) if in weight, options其中，depvar代表被解釋變量的名稱，sexp代表可替代表達式（substitutable expression），if代表條件語句，in代表范圍語句，weight代表權(quán)重語句，options代表其他選項。其中，可替代表達式與普通的數(shù)學(xué)表達式基本一致，但要求將參數(shù)用大括號括起來。此外，在可替代表達式中，參數(shù)都可以被賦予初值，格式是：參數(shù)=初始值。當不賦予初值時，系統(tǒng)默認使用0作為初值。此外，需要注意的是，待回歸模型表達式需要用小括號括起來。chapstata基本回歸分析下面，我們來進行該CES生產(chǎn)函數(shù)的估計，并對其他選項進行講解。這樣，我們可以寫出該nls回歸的命令： 該命令中的可替代表達式雖長，但實質(zhì)就是把模型中所有的參數(shù)都加上大括號，并設(shè)定了幾個初始值。chapstata基本回歸分析2 NLS的選項設(shè)定與結(jié)果分析（1）用選項initial()設(shè)定參數(shù)初始值。cha