2023年stata學(xué)習(xí)筆記大全

1.一般檢查

假設(shè)系數(shù)為0,t比較大則拒絕假設(shè)，認(rèn)為系數(shù)不為0.

假設(shè)系數(shù)為O,P比較小則拒絕假設(shè),認(rèn)為系數(shù)不為0.

假設(shè)方程不顯著，F(xiàn)比較大則拒絕假設(shè)，認(rèn)為方程顯著。

2.小樣本運(yùn)用0LS進(jìn)行估計(jì)的前提條件為：

(1)線性假定。即解釋變量與被解釋變量之間為線性關(guān)系。這一前提可以通過(guò)將非線性

轉(zhuǎn)換為線性方程來(lái)解決。

(2)嚴(yán)格外生性。即隨機(jī)擾動(dòng)項(xiàng)獨(dú)立于所有解釋變量:與解釋變量之間所有時(shí)候都是正

交關(guān)系，隨機(jī)擾動(dòng)項(xiàng)盼望為0。(工具變量法解決)

(3)不存在嚴(yán)格的多重共線性。一般在現(xiàn)實(shí)數(shù)據(jù)中不會(huì)出現(xiàn)，但是設(shè)立過(guò)多的虛擬變量

時(shí)，也許會(huì)出現(xiàn)這種現(xiàn)象。Stata可以自動(dòng)剔除。

(4)擾動(dòng)項(xiàng)為球型擾動(dòng)項(xiàng)，即隨即擾動(dòng)項(xiàng)同方差，無(wú)自相關(guān)性。

3.大樣本估計(jì)時(shí)，一般規(guī)定數(shù)據(jù)在30個(gè)以上就可以稱為大樣本了。大樣本的前提是

⑴線性假定

(2)漸進(jìn)獨(dú)立的平穩(wěn)過(guò)程

(3)前定解釋變量，即解釋變量與同期的擾動(dòng)項(xiàng)正交。

(4)E(XiXit)為非退化矩陣。

(5)gt為鞅差分序列，且其協(xié)方差矩陣為非退化矩陣。

與小樣本相比，其不需要嚴(yán)格的外生性和正太隨機(jī)擾動(dòng)項(xiàng)的規(guī)定。

4.命令

穩(wěn)健標(biāo)準(zhǔn)差回歸：regyxlx2x3,robust回歸系數(shù)與OLS同樣旭標(biāo)準(zhǔn)差存在差

異。假如認(rèn)為存在異方差，則使用穩(wěn)健標(biāo)準(zhǔn)差。使用穩(wěn)健標(biāo)準(zhǔn)差可以對(duì)大樣本進(jìn)行檢查。

只要樣本容量足夠大，在模型出現(xiàn)異方差的情況下，使用穩(wěn)健標(biāo)準(zhǔn)差時(shí)參數(shù)估計(jì)、假設(shè)

檢查等均可正常進(jìn)行，即可以很大限度上消除異方差帶來(lái)的副作用

對(duì)單個(gè)系數(shù)進(jìn)行檢查：test1nq=1

線性檢查：一…

5.假如回歸模型為非線性，不方便使用OLS,則可以采用最大似然估計(jì)法(MLE)，或者非線性

最小二乘法(NLS)

6.違反經(jīng)典假設(shè)，即存在異方差的情況。截面數(shù)據(jù)通常會(huì)出現(xiàn)異方差。

因此檢查異方差可以：

(1)看殘差圖，但只是直觀，也許并不準(zhǔn)確。

rvfplot(residua|—versus-fittedplot)與擬合值的散點(diǎn)圖

rvpp1otvarname(residual-versus-predictorplot)與解釋變量的散點(diǎn)圖

擾動(dòng)項(xiàng)的方差隨觀測(cè)值而變動(dòng)，表達(dá)也許存在異方差。

(2)懷特檢查：

estatimtest,white(post-estimationinformationmatrixtest)

P比較小，則拒絕同方差假設(shè)，表達(dá)存在異方差,不能用OLS。反之則證明為同方

差。

(3)BP檢查

estathe11est,iid(默認(rèn)設(shè)立為使用擬合值y八)

estathettest,rhsiid(使用方程右邊的解釋變量，而不是y")

estathettest[varlist],iid(使用某個(gè)指定的解釋變量)

P小,則拒絕原假設(shè)。

假如存在異方差，則可以：

(1)使用0LS+穩(wěn)健標(biāo)準(zhǔn)差robust

(2)廣義最小二乘法(GLS)

(3)加權(quán)最小二乘法(WLS)

predictel,res(預(yù)測(cè)殘差)

ge2=elA2

輔助回歸：

g1ne2=log(e2)

regIne21nq,noc

Predict1ne2f計(jì)算輔助回歸的擬合值

ge2f=exp(lne2f)去掉對(duì)數(shù)即權(quán)重之倒數(shù)

regIntcInqInpIInpkInpf[aw=l/e2f]

regyxlx2x3[aw=l/var](aw表達(dá)analytica1weight,var表達(dá)隨即擾動(dòng)項(xiàng)的方

差。)

或者：

predictu,residuals

predictyf,xb

genlnu2=ln(uA2)

genyf2=yfA2

quietIyreg1nu2yfyf2

predictnlu2f=exp(xb())

gensd=sqrt(u2f)

vw1sIntcInqInplInpfInpk,sd(sd)

(4)可行廣義最小二乘法(FGLS)

FGLS所做的過(guò)程和GLS同樣，只是GLS假設(shè)擾動(dòng)項(xiàng)的方差已知,若要用GLS,必須

計(jì)算得到擾動(dòng)項(xiàng)方差，而FGLS則是在未知方差的情況下求方差并最終通過(guò)將異方差轉(zhuǎn)換

為同方差后再運(yùn)用OLS的結(jié)果。因此,GLS和FGLS在過(guò)程上是一致的。

6.自相關(guān)

時(shí)間序列中容易出現(xiàn)自相關(guān)，而截面數(shù)據(jù)也也許存在空間自相關(guān)。人為解決數(shù)據(jù)如移動(dòng)平

均等做法也也許導(dǎo)致自相關(guān)。

檢查自相關(guān)可以：

⑴作圖，但并不嚴(yán)格。

定義滯后算子L.（只有時(shí)間序列數(shù)據(jù)和面板數(shù)據(jù)才干定義時(shí)間變量。）

tssetyaear

一階差分：D.x=xt-xt-1D2.X=xt—xt-2

LD.表達(dá)一階差分的滯后值

畫圖：scatterelL.e1

acel（看自相關(guān)圖）

pace1（看偏相關(guān)圖）

（2）BG檢查

estatbgodfrey（默認(rèn)p=l）

estatbgodfrey,lags（p）

estatbgodfrey,nomissO（使用不添加。的BG檢查）

使用命令ac查看自相關(guān)圖，或者設(shè)立較大的p值進(jìn)行顯著性檢查，t期不顯著了，則選

擇P=T-1

記錄檢查P值小，則拒絕假設(shè)。

（3）box-pierceQ檢查/Ljung?BoxQ

regyx1x2x3

predicteI,resid

wntestqel（使用stata提供的默認(rèn)滯后期）

wntestqel,lags（p）（使用自己設(shè)定的滯后期）

（4）DW檢查：現(xiàn)在已經(jīng)不常用，由于其只能檢查一階自相關(guān)。

estatdwatson

自相關(guān)的解決方法:

⑴使用OLS+異方差自相關(guān)穩(wěn)健的標(biāo)準(zhǔn)差（HeteroskedasticityandAutocorrelation

ConsistentStandardError,HAC）

neweyyxlx2x3,1ag（p）（HAC標(biāo)準(zhǔn)差，必須制定滯后階數(shù)p）

滯后期數(shù)選擇n7/4

（2）使用OLS+聚類穩(wěn)健的標(biāo)準(zhǔn)差（clusterrobuststandarderror）面板數(shù)據(jù)中經(jīng)常使用

聚類穩(wěn)健的標(biāo)準(zhǔn)差。

regyxlx2x3,cluster（state）（聚類穩(wěn)健標(biāo)準(zhǔn)差，假設(shè)"state”為聚類變量）

（3）使用可行廣義最小二乘法（FGLS）

praisyxlx2x3（使用默認(rèn)的PW估計(jì)法）

praisyxlx2x3,core（使用CO估計(jì)法）

（4）修改模型設(shè)定，也許自相關(guān)是由于漏掉了自相關(guān)的解釋變量。

7多重共線性

在回歸后，使用命令VIF

estatvif經(jīng)驗(yàn)表達(dá)，vif<10,則不存在多重共線性。

假如存在多重共線性，但是只關(guān)心整個(gè)方程預(yù)測(cè)被解釋變量的能力，或者只關(guān)心變量的

顯著性，則不必理睬多重共線性，由于多重共線性只是對(duì)單個(gè)解釋變量的解釋能力估計(jì)出

現(xiàn)了偏差。存在多重共線性，則逐個(gè)剔除。

8.漏掉變量（解決擾動(dòng)項(xiàng)嚴(yán)格外生性的問(wèn)題）

漏掉變量與解釋變量不相關(guān)時(shí)，擾動(dòng)項(xiàng)與解釋變量不相關(guān)QLS估計(jì)仍然一致，但擾動(dòng)項(xiàng)方

差過(guò)大，影響估計(jì)的精確度

假如漏掉變量與解釋變量相關(guān)，擾動(dòng)項(xiàng)與解釋變量則會(huì)相關(guān)，導(dǎo)致OLS估計(jì)不再一致。

出現(xiàn)“漏掉變量偏差”。

所以可以不研究某些解釋變量而只對(duì)感愛好的解釋變量進(jìn)行研究，但是重要的是漏掉解釋

變量不能與解釋變量相關(guān)。解決漏掉解釋變量的方法有:

(1)加入盡也許多的控制變量(controlvarible),從理論上說(shuō)明漏掉變量與擾動(dòng)項(xiàng)不

相關(guān)，或很弱的相關(guān)

(2)使用代理變量(proxyvariable),這在控制變量不可得的時(shí)候采用，如用IQ代替

能力

(3)工具變量法

(4)使用面板數(shù)據(jù)(短面板、長(zhǎng)面板、動(dòng)態(tài)面板)

(5)隨即實(shí)驗(yàn)和自然實(shí)驗(yàn)

9.選擇解釋變量的個(gè)數(shù)的時(shí)候,要選擇適當(dāng)?shù)姆绞健?/p>

⑴按照變量個(gè)數(shù)使得矯正可決系數(shù)最大的準(zhǔn)則選擇個(gè)數(shù)(假如加入變量，反倒A-R變小，

則去掉加入的變量。)

(2)赤池信息準(zhǔn)則(AICakaikeInformat!onCriteria)

(3)貝葉斯信息準(zhǔn)則(BayesianInformationCriteria)

(4)漢南-昆信息準(zhǔn)則(Hanan-QuinnInformationCriteria)但這一準(zhǔn)則不常用

命令：estatic

取AICBIC最大時(shí)候的變量個(gè)數(shù)

1。.解決極端數(shù)據(jù)：

regyxlx2x3

predictlev,leverage(列出所有解釋變量的影響力值)

gsort-1ev(將所有的觀測(cè)值按照l(shuí)ev的降序排列)

sum1ev(看LVE的最大值和平均值)

listlev必(列出影響力最大的三個(gè)值)

可以將極端數(shù)據(jù)加入和省略進(jìn)行對(duì)比。

10虛擬變量

M個(gè)定性的量，最多可以有(M-1)個(gè)虛擬變量

設(shè)立虛擬變量：generated二(year>=1978)

如希望將每個(gè)省設(shè)立為虛擬變量,則需要：tabulateprovince,generate(pr)

回歸簡(jiǎn)化為：regyxlx2x3pr2—pr31

11.工具變量法

這可以解決擾動(dòng)項(xiàng)與自變量的相關(guān)問(wèn)題，設(shè)立的工具變量需要與擾動(dòng)項(xiàng)無(wú)關(guān)而與內(nèi)生解

釋變量相關(guān)。傳統(tǒng)的工具變量法一般通過(guò)兩階段最小二乘法TSLS、2SLS(twostageleas

tsquare)o第一階段，工具變量對(duì)內(nèi)生解釋變量回歸;第二階段，被解釋變量對(duì)工具變量的

擬合值進(jìn)行回歸。多個(gè)工具變量的線性組合仍然可以作為工具變量。

命令：ivregress2slsdepvar[var1ist1](var1ist2=inslist)

Depvar為被解釋變量，varIist1為外生解釋變量,var1ist2為內(nèi)生解釋變

量,instlist為工具變量。如：

ivregress2s1syxl(x2=z1z2)

ivregress2s1syxl(x2x3=z1z2z3z4),rfirst

(r表達(dá)用異方差的標(biāo)準(zhǔn)差,first表達(dá)在結(jié)果中顯示第一階段的回歸。)

在面板數(shù)據(jù)中執(zhí)行2SLS可以用:xtivregdepvar[varlis11](varlist_2=varli

st_iv)(詳見heIpxtivreg)

檢查工具變量與解釋變量的相關(guān)性：即檢查工具變量是否為弱工具變量，

命令:estatfirststageza1Iforcenonrobust(a11表達(dá)顯示每個(gè)內(nèi)生變量的記

錄量，而非僅僅所有內(nèi)生變量綜合的記錄量，forcenonrobust表達(dá)及時(shí)在進(jìn)行工具變量

法時(shí)用了穩(wěn)健標(biāo)準(zhǔn)差，也仍然允許計(jì)算estatfirststage)

解決弱工具變量的方法涉及

A.尋找更強(qiáng)的工具變量

B.弱工具變量較多，則舍棄弱工具變量，

C.用有限信息最大似然估計(jì)法(Limitedinformationmaximumlikelihoo

destimation,LIML）LIML與2sLs漸進(jìn)等價(jià),但在弱工具變量的情況下,LlM

L的小樣本性質(zhì)也許優(yōu)于2SLS.

命令為:ivregressIimldepvar[varlist1]（varlist2=instIist）

過(guò)度辨認(rèn)（即多余的工具變量的個(gè)數(shù)）命令為：estatoverid但并不能告訴哪些工具變

量無(wú)效。

使用工具變量的前提是存在內(nèi)生解釋變量（即解釋變量與擾動(dòng)項(xiàng)相關(guān)），這也需要檢

查。假如所有解釋變量都是外生變量則用OLS比用工具變量法更有效，反之應(yīng)當(dāng)用工具

變量法。豪斯曼檢查就是假設(shè)所有解釋變量都為外生變量。

豪斯曼檢查的stata命令：

regyxlx2

estimatesstoreo1s（存儲(chǔ)OLS的結(jié)果）

ivregress2sIsyx1（x2=zlz2）（假設(shè)懷疑x2為內(nèi)生變量）

estimatesstoreiv（存儲(chǔ)2SLS的結(jié)果）

hausmanivols,constantsigmamore（根據(jù)存儲(chǔ)的結(jié)果進(jìn)行豪斯曼檢查）

但uguo存在異方差，則OLS并不是最有效的，傳統(tǒng)額豪斯曼檢查不合用于異方差的情形,

解決方法是“自助法”；或者使用“杜賓?吳一豪斯曼DWH檢查”也可以合用于存在異方

差的情況。命令：estatendogenous

在球型擾動(dòng)項(xiàng)的假定下，2SLS是最有效的，但是假如擾動(dòng)項(xiàng)存在異方差或者自相關(guān)，則

廣義矩估計(jì)（generalizedmethodofmomerits,GMM）更有效。GMM與2sLs的

關(guān)系就相稱于GLS與OLS之間的關(guān)系。

GMM過(guò)程：

seeinstallivreg2（安裝程序ivreg2）

seeinstal1ranktest（安裝此外一個(gè)在運(yùn)營(yíng)ivreg2時(shí)需要用到的輔助程序

ranktest）

usedata

xtsetpanelvartimevar（設(shè)立面板變量和時(shí)間變量）

ivreg2yxl(x2=z1z2),gmm2s

12.短面板：（固定效應(yīng)和隨機(jī)效應(yīng)模型）

N大T小的一般叫做短面板。面板數(shù)據(jù)的優(yōu)點(diǎn)為：可以解決漏掉變量的問(wèn)題，可以提

供更多動(dòng)態(tài)行為的信息，樣本較多從而估計(jì)更準(zhǔn)確。但面板數(shù)據(jù)一般不滿足獨(dú)立同分布的

假設(shè)。

解決面板數(shù)據(jù)的一個(gè)方法是將面板數(shù)據(jù)當(dāng)作橫截面數(shù)據(jù)解決進(jìn)行OLS回歸，稱為“混

合回歸”，但它忽略了同一個(gè)聚類存在的相關(guān)問(wèn)題。雖然通?？梢约俣姘鍞?shù)據(jù)不同個(gè)體的

擾動(dòng)項(xiàng)的獨(dú)立性，但是對(duì)于同一個(gè)體卻存在固定效應(yīng)和隨機(jī)效應(yīng)。

固定效應(yīng)模型通常可以采用組內(nèi)估計(jì)法（FE）和一階差分法（FD）。當(dāng)T=2時(shí),FD=FE;

當(dāng)T>2,擾動(dòng)項(xiàng)獨(dú)立同分布時(shí),FE優(yōu)于FD。因此,實(shí)踐用FE較多，而對(duì)動(dòng)態(tài)面板，則用FD

較多。

隨機(jī)效應(yīng)的存在使得OLS估計(jì)是一致但無(wú)效的?？墒褂脧V義最小二乘法（FGLS）來(lái)

進(jìn)行估計(jì)。也可以使用組間估計(jì)量（BE）

用豪斯曼檢查選擇是選用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型，假如記錄量大于零界值，則

拒絕假設(shè)。假如假設(shè)成立,RE最有效，但是不合用于異方差的情形。解決方法是自助法和

輔助回歸。

非平衡面板經(jīng)常會(huì)損失數(shù)據(jù)，導(dǎo)致破壞樣本的隨機(jī)性。

xtsetpaneIvatimevar（設(shè)定面板數(shù)據(jù)的面板個(gè)體變量和時(shí)間變量）

encodecountry,gen（entry）（為面板個(gè)體編號(hào)使得面板個(gè)體為整數(shù)）

顯示面板數(shù)據(jù)記錄特性：

xtdes（顯示面板數(shù)據(jù)結(jié)構(gòu)，是否為平衡面板）

xtsum（顯示組內(nèi)、組間和整體的記錄指標(biāo)）

xttabvarname（顯示組內(nèi)、組間與政體的分布頻率）

xtlinevarname（對(duì)每個(gè)個(gè)體分別顯示該變量的時(shí)間序列圖，假如希望疊放，則選擇

overlay）

regyxlx2x3,vce（clusterid）（混合回歸，VCE是以id為cIuster

的聚類穩(wěn)健標(biāo)準(zhǔn)差，由于同一地區(qū)不同時(shí)間擾動(dòng)項(xiàng)之間一般存在自相關(guān).）VCE是考慮到

了同一聚類之間的同方差現(xiàn)象。

xtregYX1X2X3,fevce（c1usterid）（使用固定效應(yīng)模型回歸）

得到的回歸中rh。表達(dá)來(lái)自個(gè)體效應(yīng)ui的比例。

XtregYX1X2X3,fe中的F檢查通過(guò)，則可以使用混合回歸模型。若拒絕假設(shè)

（P?。?，則FE更優(yōu)，每個(gè)個(gè)體都有自己的固定效應(yīng)。但此時(shí)的由于沒(méi)有使用穩(wěn)健回歸，因此

F檢查并不有效，還需要進(jìn)一步用LSDV法觀測(cè)。

LSDV法的stata命令為：

xi：xtregyxlx2x3i.id,vce（clusterid）（xi為增添互動(dòng)項(xiàng)int

eractionexpansion,i.id表達(dá)根據(jù)擬定個(gè)體變量id生成的虛擬變量，在這里是state）（P

小，則說(shuō)明個(gè)體虛擬變量很顯著，因此，不滿足無(wú)個(gè)體效應(yīng)的假設(shè)，則不能用混合回歸模

型。）

對(duì)于固定效應(yīng)模型，也可以用一階差分法FD的命令：

xtserialyxlx2x31output（我的stata不能辨認(rèn)xtserial咋回事？）一

般認(rèn)為FE比FD有效，故較少使用FDo

也可以在固定效應(yīng)中考慮時(shí)間效應(yīng)，即雙向固定效應(yīng)：

tabyeargen（year）定義年度虛擬變量

xtregYX1X2X3year2-year7,fevce（c1usterid）（明明是statal2.為什么

說(shuō)數(shù)據(jù)太多不能計(jì)算?要把前面的計(jì)算保存等清空，那后面怎么對(duì)比？）

testyearlyear2year3o?year7對(duì)年度虛擬變量的聯(lián)合檢查為

檢查存在時(shí)間效應(yīng)和固定效益后，還也許存在隨機(jī)效應(yīng)，對(duì)隨機(jī)效應(yīng)進(jìn)行檢查：

xtregyx1x2x3,revce（clusterid）（隨機(jī)效應(yīng)FGLS）

xtregyxlx2x3,mle（隨機(jī)效應(yīng)MLE）

檢查個(gè)體隨機(jī)效應(yīng)存在一個(gè)LM檢查，需要在隨機(jī)效應(yīng)估計(jì)之后進(jìn)行：

.re—evce(clusersta.

estimatesstoreRE

xttest0

假如P很小，則拒絕假設(shè)，認(rèn)為在“隨即效應(yīng)”與“混合回歸”之間,應(yīng)當(dāng)選擇“隨即效

應(yīng)”。

假如數(shù)據(jù)質(zhì)量不好，可以考慮使用組間估計(jì)量，但會(huì)損失較多信息量。

regyxlx2x3zbe

estimatesstoreBE

選用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型運(yùn)用豪斯曼檢查

xtregyx1x2x3zfe

estimatesstoreFE

xtregyx1x2x3zre

estimatesstoreRE

hausmanFERE,constantsigmamore

p小，則強(qiáng)烈拒絕使用隨機(jī)效應(yīng)模型，而應(yīng)采用固定效應(yīng)模型。

但是假如聚類穩(wěn)健標(biāo)準(zhǔn)差和普通標(biāo)準(zhǔn)差相差較大，則傳統(tǒng)的豪斯曼檢查并不合用。這

時(shí)需要進(jìn)行輔助回歸。

為一航=國(guó)-包-祝8+（、/動(dòng)+（跖—海）］

目前在stata中需要手動(dòng)進(jìn)行。環(huán)節(jié)如下：

quietlyxtregfata1beertaxspirconsunrateperinek,re

sealartheta=e（theata）（從回歸中得到THETA）

globa1yandxforhausmanfata1beertaxspirconsunrateperinek

（使用yandxforhausman時(shí)，代表了所有使用的變量）

foreachxofvarlist$yandxforhausman{

bystate：egenmean'x'=mean（zxz）到底用什么表達(dá)？

genmd'x'='x'-mean'x"

genred"x'='x'-theata*mean'x'

)

quietlyxtregredfatalredbeertaxredspirconsredunrateredperinck

mdbeertaxmdspirconsmdunratemdperinck,vce(clusterstate)

testmdbeertaxmdspirconsmdunratemdperinck

檢查發(fā)現(xiàn)P小，則拒絕r=0的假設(shè)，應(yīng)當(dāng)選用固定效應(yīng)模型。

(疑問(wèn)：那中間那個(gè)式子呢？)

面板數(shù)據(jù)在回歸之前要通過(guò)平穩(wěn)性檢查,其解決環(huán)節(jié)簡(jiǎn)化為：面板數(shù)據(jù)單位根檢查一協(xié)

整檢查一回歸。一般為了方便，采用相同單位根檢查L(zhǎng)LC檢查和不同單位根檢查Fisher-

ADF檢查(非面板數(shù)據(jù)一般采用ADF檢查)。兩種檢查均拒絕存在單位根的元假設(shè),則認(rèn)為

序列平穩(wěn)。

13.長(zhǎng)面板和動(dòng)態(tài)面板(不能像短面板那樣假定獨(dú)立同分布,而應(yīng)當(dāng)運(yùn)用廣義最小二乘法FGLS

進(jìn)行估計(jì)，解決組內(nèi)和組間的自相關(guān)。)

解釋變量包含被解釋變量的滯后項(xiàng)，則為動(dòng)態(tài)面板，反之為靜態(tài)面板.

(1)僅解決組內(nèi)自相關(guān)的FGLS

tabstate,gen(state)考慮個(gè)體效應(yīng)，生成州虛擬變量。

gent=year-1962考慮時(shí)間趨勢(shì)，生成時(shí)間趨勢(shì)變量

regYX1X2X3State2-statel0t,vce(clusterstate)用LSDV估計(jì)雙向固定

效應(yīng)模型

estimatesstore0LS

考慮組內(nèi)自相關(guān)的情形:用命令stpcse

stpcseYX1X2X3state2-statelOt,corr(ar1)約束條件為自回歸系數(shù)都相同的

一階。

考慮各組自回歸系數(shù)不同的組內(nèi)自相關(guān)情形

stpcseYX1X2X3state2-state101,corr(psar1)

假如僅考慮不同個(gè)體擾動(dòng)項(xiàng)存在異方差而忽略自相關(guān)，則可以用

stpcseYXIX2X3state2-statel0t,hetonly

將以上各估計(jì)的系數(shù)及標(biāo)準(zhǔn)差列表便于比較：

究竟應(yīng)當(dāng)采用OLS還是采用AR1,則需要檢查自相關(guān)。

（2）同時(shí)解決組內(nèi)自相關(guān)和組間同期相關(guān)的FGLS的命令xtg1s

xtglsYXIX2X3state2-state101,paneIs（iid/het/cor）corr（arl/psarl）

iid表達(dá)不同個(gè)體（組間）的擾動(dòng)項(xiàng)獨(dú)立且具有相同的方差,het表達(dá)不同個(gè)體的擾動(dòng)

項(xiàng)獨(dú)立但具有不同的方差，cor表達(dá)不同個(gè)體的擾動(dòng)項(xiàng)同期相關(guān)且具有不同的方差。Corr

表達(dá)組內(nèi)，解釋同前。假如加上igls則表達(dá)用的迭代FGLS,而非兩步FGLS.

若執(zhí)行xtgls或者xtpcse時(shí)沒(méi)有使用個(gè)體虛擬變量,則為隨機(jī)效應(yīng)模型，若使用了則為

固定效應(yīng)模型。

⑶長(zhǎng)面板數(shù)據(jù)自相關(guān)和異方差檢查

組間異方差檢查，運(yùn)用似然比檢查

XtglsYXlX2X3,iglspane1（het）（允許異方差的迭代式FGLS估計(jì)）

Estimatesstorehetro（將異方差條件下的估計(jì)結(jié)果儲(chǔ)存為hetero）

XtgIsyxlx2x2,igls（同方差條件下的FGLS）

Estimatesstorehomo（將同方差條件下的估計(jì)結(jié)果儲(chǔ)存為homo）

localdf=e（N_g）-1（計(jì)算自由度，即約束條件個(gè)數(shù)，其中e（N_g）為個(gè)體個(gè)數(shù)）

lrtestheterohomo,df（zdfz）（制定自由度，進(jìn)行似然比檢查。）符號(hào)到底是如

何的？

P=0,則強(qiáng)烈拒絕LR檢查的“組間同方差”假設(shè)。

另一種檢查組間異方差的方法為xttest3,只能在xtreg,fe或者xtgls之后使用：

Sscinstallxttest3（安裝命令"xttest3"）

Xttest3（進(jìn)行組間異方差檢查）這個(gè)超級(jí)簡(jiǎn)樸~~

組內(nèi)自相關(guān)檢查通過(guò)下載命令xtseriaI來(lái)實(shí)現(xiàn)這個(gè)檢查

netinstaIIstO039（安裝命令stserial）為什么下不了？

xtserialyxlx2x3,output（進(jìn)行組內(nèi)組相關(guān)檢查，若P小，則強(qiáng)烈決絕不存在一

階組內(nèi)自相關(guān)的假設(shè)。）

組間截面相關(guān)檢查：非官方xttest2?其僅能在xtgls,ivreg2,和xtreg,fe后使用,

且能用于場(chǎng)面版

sscinstallx11est2（安裝xttest2）

xttest2（組間截面相關(guān)檢查）

當(dāng)這一種方法無(wú)法檢查時(shí)，可以采用另一種方法,xtcsd命令，長(zhǎng)短面板都能用，用在fe之

后？

sscinstallxtcsd（安裝命令"xtcsdn）

xtcsd,Pesaranabsshow（pesaran的檢查，服從正態(tài)分布）

xtcsd,friedmanabsshow（friedman的檢查，服從喀方分布）

xtcsd,freesabsshow（frees的檢查）

對(duì)于長(zhǎng)面板除了可以讓不同個(gè)體擁有不同的截距項(xiàng)外還可以使其擁有不同的斜率，這成為

“變系數(shù)模型”，假如其系數(shù)為常數(shù)，則可分別回歸，但假如各個(gè)體擾動(dòng)項(xiàng)相關(guān)，則應(yīng)當(dāng)把所

有個(gè)體回歸方程疊放，然后使用“似不相關(guān)回歸"（SUR）旭由于參數(shù)估計(jì)較多，會(huì)損失自

由度。假如考慮“部分變系數(shù)模型"，則SUR不再合用,而應(yīng)用LSDV法,引入虛擬變量，以

及虛擬變量與可變細(xì)數(shù)解釋變量的互動(dòng)項(xiàng)（參見helpxi）

假如將系數(shù)看作是隨機(jī)的，則FGLS估計(jì)模型,即運(yùn)用OLS殘差估計(jì)協(xié)方差矩陣中的參數(shù)，

然后再使用GLS,命令為：

Xtrcyxlx2x3,betas（betas表達(dá)顯示對(duì)每一組系數(shù)的估計(jì)），其附帶參數(shù)穩(wěn)定

性檢查

雖然面板數(shù)據(jù)能在一定限度上解決漏掉變量問(wèn)題，但假如存在內(nèi)生解釋變量，還是需要

用工具變量法，先解決漏掉問(wèn)題，再使用2SLS

對(duì)于動(dòng)態(tài)面板，就算是組內(nèi)估計(jì)量（FE）也是不一致的。

差分GMM和水平GMM結(jié)合就成了系統(tǒng)GMM估計(jì)。

差分GMM的stata命令為：

xtabonddepvar[indepvars],1ags(p)maxidep(q)pre(var1ist)endogen

ous(varlist)inst(varIist)twostepvce(robust)

如：xtabond1wageoccsouthsmsaind,1ags(2)maxldep(3)pre(wks,

Iag(l,2))endogenous(ms,Iag(0,2))endogenous(union,Iag(0,2))twostepvce(ro

bust)

差分GMM存在的前提是擾動(dòng)項(xiàng)不存在自相關(guān)，對(duì)此要進(jìn)行檢查，需要擾動(dòng)項(xiàng)的差分

不存在二階或更高階自相關(guān)即可。

命令為:estatabond,p小，則存在自相關(guān),P大，則不存在自相關(guān)。

更高階自相關(guān)的檢查為：estatabondartests(3)

由于使用過(guò)多的工具變量，還需要進(jìn)行過(guò)度辨認(rèn)檢查

先回歸，但要去掉最后的vce(robust)

estatsargan

系統(tǒng)GMM的stata命令為：

xtdpdsysdepvar[indepvars],Iags(p)maxIdep(q)pre(var1ist)endo

genous(varlist)inst(varlist)twostepvce(robust)

若要對(duì)比差分GMM和系統(tǒng)GMM的系數(shù)和標(biāo)準(zhǔn)差，則用命令：

estimatestableDGMMSGMM,bse

14.離散被解釋變量(通常不適合用OLS,而應(yīng)當(dāng)用二值模型，probit1ogit和多值選擇模

型)

假如F為標(biāo)準(zhǔn)正態(tài)的累積分布函數(shù)，則P模型為Probit模型，若F為邏輯分布的累積

分布函數(shù)，則P模型為L(zhǎng)ogit模型。計(jì)算Logit模型通常比Probit模型更方便。

二值模型的Stata命令為：

probityx1x2x3

logityx1x2x3

probit和1ogit的分布函數(shù)不同，因此參數(shù)不能直接比較，需要分別計(jì)算兩者的邊際效

應(yīng),再進(jìn)行比較，STATA進(jìn)行解決的命令為：

mfx（計(jì)算在樣本均值處的邊際效應(yīng)）

mfx,at（Xl=0）（計(jì)算在Xl=0時(shí)，X2,X3取值樣本均值處的邊際效應(yīng)）

mfx,eyex（計(jì)算在樣本均值處的彈性）

predictyhat（計(jì)算發(fā)生概率的預(yù)測(cè)值，并記為yhat）,對(duì)于Logit模型，系數(shù)表達(dá)解釋變

量x增長(zhǎng)一個(gè)單位將引起的“對(duì)數(shù)幾率比”的邊際變化。

衡量二值模型的擬合優(yōu)度采用“準(zhǔn)R2”,判斷擬合優(yōu)度還可以通過(guò)計(jì)算預(yù)測(cè)準(zhǔn)確的比

例，相應(yīng)STAT命令為：

estatc1as

logti和probit模型雖然估計(jì)系數(shù)不同，但其估計(jì)系數(shù)沒(méi)有可比性，其mfx計(jì)算出的邊際

效應(yīng)及準(zhǔn)R2與對(duì)的預(yù)測(cè)比幾乎一致。

假如接受似然比檢查（LR），則可用同方差probit模型估計(jì)。在存在異方差的情況下進(jìn)

行probit模型估計(jì)為：

hetprobYX1X2X3,het（varIist）那自相關(guān)呢？

多值選擇模型：

多值選擇模型的stata命令為：

m1ogitYXIX2X3,base（#）（多值logit選擇模型，base的用來(lái)指定參照組）

mlogitYXIX2X3,rrrbase（#）（多值logit選擇模型，回報(bào)re1ativeriskratio）

mprobitYXIX2X3,base（#）（多值probit選擇模型）

排序數(shù)列模型的stata命令：orderedprobit/1ogit

oprobitYX1X2X3

ologitYXIX2X3

oprobit

預(yù)測(cè):predictp2p3p4p5

列出第一個(gè)觀測(cè)值的預(yù)測(cè)結(jié)果：listp2p3p4p5in1/1,

ologit

預(yù)測(cè):predictr2r3r4r5

列出第一個(gè)觀測(cè)值的預(yù)測(cè)結(jié)果:listr2r3r4r5in]/l,

計(jì)數(shù)模型

(1)有些被解釋變量?jī)H能取非負(fù)整數(shù)，如金牌數(shù)量，看病次數(shù)等，一般用泊松回歸。St

ata命令為

poissonyxlx2x2,r(穩(wěn)健標(biāo)準(zhǔn)差)

estatgof(goodnessoffitnes擬合優(yōu)度檢查)

泊松回歸的局限是其盼望和方差一定相等，但有些被解釋變量的方差明顯大于盼望，即

存在“過(guò)度分散”，則可以考慮“負(fù)二項(xiàng)回歸"(negativebinomiaIregression),使

用MLE估計(jì)。Nbregyxlx2x2,r

假如計(jì)數(shù)數(shù)據(jù)中具有大量的零值，則可以使用“零膨脹泊松回歸”。這可以Vuong記

錄量來(lái)檢查，假如Vuong記錄量很大，則選擇零膨脹泊松回歸或者零膨脹負(fù)二項(xiàng)泊松回歸。

零膨脹泊松回歸的stata命令為：

zipyx1x2x3,inflate(varlist)vuong(零膨脹泊松回歸)

zipnbyx1x2x3zinflate(varlist)vuong(零膨脹負(fù)二項(xiàng)回歸)

15.受限制的被解釋變量(斷尾回歸、截取回歸)

斷尾回歸stata命令：

truncregyx1x2x3,I1(#)(左邊斷尾)

truncregYXlX2X3,u1(#)(右邊斷尾)

truncregYXIX2X3,ll(#)ul(#)(雙邊斷尾)

截取回歸stata命令：tobit模型

tobityxlx2x3,11(#)

tobityx1x2x3,u1(#)

tobityx1x2x3,11(#)u1(#)

樣本選擇模型的stata命令：

Heckmanyx1x2x3,select(z1z2)(默認(rèn)使用MLE,選擇方程的被解釋變量為y),

最下的似然比檢查P很小,則認(rèn)為樣本選擇模型合用。

Heckmanyxlx2x3,seIect(zlz2)twostep(兩步法，選擇方程的被解釋變量

為y)

Heckmanyx1x2x3,se1ect(w=zlz2)(默認(rèn)使用MLE,選擇方程的

被解釋變量為w)

16時(shí)間序列

(平穩(wěn)時(shí)間序列、非平穩(wěn)時(shí)間序列。AR自回歸模型、MA為移動(dòng)平均模型結(jié)合起來(lái)為AR

MA模型、自回歸分布滯后模型ADL、向量自回歸模型VAR、向量移動(dòng)平均過(guò)程VMA、

格蘭杰因果檢查:條件是變量協(xié)整)

⑴自相關(guān)和偏自相關(guān)

corrgramsy,1ags(#)第1至#階ACF和PACF

acy,1ags(#)

pacy,Iags(#)

(2JARIMA

arimay,ar(]/#),ma(1/#)或者

arimay,arima(#p,#d,#q)#P表達(dá)#階自回歸，#q表達(dá)#階移動(dòng)平均,#d表達(dá)

#階差分達(dá)成平穩(wěn)過(guò)程。

檢查殘差是否存在自相關(guān)：

predictel,res

corrgrameljags(#)(檢查殘差是否存在第1到第#階自相關(guān))

(3)ADL和ARMAX

ARMAX的stata命令

arimayx1x2x3,ar（#）ma（#）

對(duì)于時(shí)間序列，一方面要設(shè)立時(shí)間項(xiàng)，tsettimevar

對(duì)于非平穩(wěn)時(shí)間序列，一方面要用差分使其平穩(wěn):gdxl=d.x1（當(dāng)然差分后會(huì)缺失一個(gè)變

量）

假如自相關(guān)系數(shù)和偏自相關(guān)系數(shù)都存在斷尾，則考慮ARMA模型：理由

計(jì)算信息準(zhǔn)則estatic（目的是什么？根據(jù)信息準(zhǔn)則判斷哪一個(gè)模型更優(yōu)）還可以

去掉不顯著的階，回歸后再運(yùn)用信息準(zhǔn)則比較。

（4）VAR

varsocxyz,maxlag（#）（計(jì)算信息準(zhǔn)則，最大滯后期默認(rèn)值為4）,根據(jù)信息準(zhǔn)則可以

估計(jì)VAR系統(tǒng)的階數(shù)

varxyz（進(jìn)行VAR估計(jì)，默認(rèn)滯后期為2）

varxyzjags（1/3）（滯后期為一至三期）

varxyz,1ags（3）（滯后期為第三期）

varxyz,dfk（假如樣本容量過(guò)小，可以用dfk進(jìn)行自由度調(diào)整）

varxyz,small（顯示小樣本記錄量）

varxyz,exog（wl,w2）（引入外生變量w1,w2）

varbasicxyz,irf（估計(jì)VAR模型，畫脈沖響應(yīng)圖，未正交化）

varwle（進(jìn)行VAR估計(jì)后，對(duì)每個(gè)方程及所有方程的各階系數(shù)聯(lián)合顯著性進(jìn)行wald

檢查,wle表達(dá)waldlag-exc1usionstatistics）

var1mar（估計(jì)后，對(duì)殘差是否自相關(guān)進(jìn)行LM檢查）

varnorm（檢查殘差是否服從正態(tài)分布）

varstable,graph（進(jìn)行VAR估計(jì)后，檢查VAR系統(tǒng)是否為平穩(wěn)過(guò)程，假如平穩(wěn)則所

有特性值都在單位圓內(nèi)。）

vargranger(估計(jì)后，進(jìn)行格蘭杰因果檢查)

irfcreatefilename,set(filename)step(#)replace(建立脈沖文獻(xiàn)，是

脈沖文獻(xiàn)"filename”成為當(dāng)前的脈沖文獻(xiàn)，step表達(dá)考察兒期的脈沖響應(yīng)函數(shù),默認(rèn)為

8,replace代表替代已有的文獻(xiàn)名）

irfgr叩hirf（畫脈沖響應(yīng)圖，未正交化）

irfgraphoirf（畫正交化的脈沖響應(yīng)圖）

fcastcomputeprefix,step（#）（估計(jì)VAR后，計(jì)算被解釋變量的未來(lái)#期的預(yù)測(cè)值，

并把預(yù)測(cè)值賦予被解釋變量加上前綴“prefix”之后的變量名，如可以加F-）

fcastgraphvarlist,observed（執(zhí)行命令ufcastcomputen后，將變量“va

rlist”所代表的預(yù)測(cè)值畫圖，其中“observed”表達(dá)與實(shí)際觀測(cè)值比較）

17非平穩(wěn)的時(shí)間序列

有擬定性趨勢(shì)存在的時(shí)候，則成為不平穩(wěn)，去掉時(shí)間因素，則成為平穩(wěn)序列的我們叫

它為趨勢(shì)平穩(wěn)序列；存在結(jié)構(gòu)變動(dòng)則為非平穩(wěn)序列;存在隨機(jī)趨勢(shì)則也為非平穩(wěn)序列。稱平

穩(wěn)時(shí)間序列為零階單整，假如時(shí)間序列的一階差分為平穩(wěn)，則稱為一階單整，也稱為單位根過(guò)

程,D階差分為平穩(wěn)，則成為“d階單整”。單位根是用來(lái)檢查是否平穩(wěn)的。假如時(shí)間序列

存在單位根，則為非平穩(wěn)序列。

假如序列非平穩(wěn)，則也許帶來(lái)A.自回歸系數(shù)的估計(jì)值向左偏向于O;B.t檢查失效;C.兩

個(gè)互相獨(dú)立的變量也許出現(xiàn)偽回歸或偽相關(guān)?

進(jìn)行單位根檢查的方法有：

（1）DF檢查，使用一階自回歸來(lái)檢查單位根,規(guī)定擾動(dòng)項(xiàng)為獨(dú)立白噪聲，故擾動(dòng)項(xiàng)無(wú)自相關(guān),

若有自相關(guān)，則可以引入更高階的滯后項(xiàng)來(lái)控制。

（2）ADF檢查，多階。在進(jìn)行ADF檢查時(shí)，擬定滯后階數(shù)P的大小，采用最大滯后階數(shù)P

max=[12.（T/100）”'],（stata命令為:di12*（t/10O）A（l/4）然后使用由大到小的序

貫t規(guī)則，看ADF檢查中最后一階回歸系數(shù)是否顯著，也可以使用信息準(zhǔn)則。

ADF檢查的Stata命令為：

dfullery（DF檢查，不包含滯后差分項(xiàng)），若DF記錄量較小，則拒絕單位根存在

假設(shè)。

dfu1lery,lags(p)(包含p階滯后差分項(xiàng))

dfu1leryfnoconstant（不帶常數(shù)項(xiàng)）

dfuI1ery,trend（帶時(shí)間趨勢(shì)項(xiàng)）

dful1ery,regress（顯示回歸結(jié)果）e

（3）phiIIips—perron單位根檢查（PP檢查）

PP檢查使用一階自回歸，但使用異方差自相關(guān)穩(wěn)健的標(biāo)準(zhǔn)差對(duì)DF記錄量進(jìn)行修正。

pperrony（默認(rèn)設(shè)立帶常數(shù)項(xiàng)，不帶時(shí)間趨勢(shì)項(xiàng)）

pperrony,|noc|onstant（不帶常數(shù)項(xiàng)）

pperrony,trend（帶時(shí)間趨勢(shì)項(xiàng)）

pperronv,regress（顯示回歸結(jié)果）

（4）DF-GLS單位根檢查，是去趨勢(shì)后再使用ADF檢查

dfglsy（默認(rèn)帶時(shí)間趨勢(shì)項(xiàng),自動(dòng)根據(jù)信息準(zhǔn)則選擇最佳滯后期數(shù)）

dfgIsy,notrend（不帶時(shí)間趨勢(shì)項(xiàng)）

（5）KPSS單位根檢查，將假設(shè)改為“時(shí)間序列為平穩(wěn)”。

sscinsta11kpss（下載安裝KPSS程序）

kpssy（默認(rèn)涉及時(shí)間趨勢(shì)）

kpssynotrend（不帶時(shí)間趨勢(shì)項(xiàng)）

假如進(jìn)行單位根檢查認(rèn)為是非平穩(wěn)的，則要判斷為I⑴或者是1（2）。

協(xié)整概念和stata操作：

協(xié)整檢查就是為了考察幾個(gè)變量之間的長(zhǎng)期均衡關(guān)系

檢查協(xié)整秩的檢查，即擬定有多少個(gè)線性無(wú)關(guān)的協(xié)整向量，（檢查中打星號(hào)的是線性

無(wú)關(guān)的協(xié)整向量）。stata命令：

vecranky1y2...yn,Iags（#）（默認(rèn)設(shè)立涉及常數(shù)項(xiàng)，但不涉及時(shí)間趨勢(shì)項(xiàng)）

vecranky1y2...yn,1ags（#）trend（none）（不涉及常數(shù)項(xiàng)，也不涉及時(shí)

間趨勢(shì)項(xiàng)）

vecranky1y2...yn,lags(#)trend(trend)(涉及常數(shù)項(xiàng)，也涉及時(shí)間趨勢(shì)

項(xiàng))

vecrankyly2...yn,max(顯示最大特性值記錄量及其臨界值)

做完協(xié)整秩檢查,并確認(rèn)h>=l后，就可以對(duì)VECM模型(誤差修正模型)進(jìn)行最大似然

估計(jì)。做VECM模型的目的是？

vecyly2...yn,lags(#)(默認(rèn)設(shè)立涉及常數(shù)項(xiàng)，但不涉及時(shí)間趨勢(shì)項(xiàng))

vecyly2...yn,1ags(#)trend(none)(不涉及常數(shù)項(xiàng)，也不涉及時(shí)間趨勢(shì)項(xiàng))

vecyly2...yn,lags(#)trend(trend)(涉及常數(shù)項(xiàng)，也涉及時(shí)間趨勢(shì)項(xiàng))后面

加rank(1)表達(dá)什么？回歸后表格里面的數(shù)據(jù)的含義是什么?最后一列為協(xié)整方程代表的

長(zhǎng)期均衡關(guān)系