stata上机实验第一讲.pptVIP

通过上课的学习我们得到： 习惯上我们用 y_hat = X*b /* 被解释变量的拟合值*/ e = y - y_hat = y - Xb /* 残差 */ 建立回归方程 打开系统文件auto，建立如下方程： sysuse auto,clear regress price mpg weight foreign Regress命令详解： regress depvar [indepvars] [if] [in] [weight] [, options] 1、要求方程省略常数项(自己设置常数项) reg price mpg weight foreign, nocons(hascons) 2、稳健性估计（一般用于大样本OLS） reg price mpg weight foreign, vce(robust) 或者：reg price mpg weight foreign, r 3、设置置信区间（默认95%） reg price mpg weight foreign, level(99) 4、标准化系数 reg price mpg weight foreign, beta 5、部分数据回归 reg price mpg weight length foreign in 1/30 （为什么foreign被drop掉？） reg price mpg weight length if foreign==0 回归结果解读 系数/标准误差= t值 P值 系数=0的概率为 p值 在5%的水准上显著不为0 否则和0的差异不显著 95%下限=估计值-t值*标准误差 95%下限=估计值+t值*标准误差 置信区间： 系数在95%的概率下会落在---之间 跨越0，则与0不显著 模型常用的其他形式： 对数 平方项 n次方 指数 交乘项 虽然对函数形式的选择有检验方法，但最好还是从“经济意义”角度确定。 例题 例一：利用wage2的数据检验明瑟(mincer)工资方程的简单形式： Ln(wage)=b0+b1*educ+b2*exper +b3*exper^2+ u 例二：利用phillips的数据拟合预期增强的菲利普斯曲线为 其中，unemt表示第t期的失业率（%），inft 表示第t期的通货膨胀率（%），infte表示预期通货膨胀率，μ0表示自然失业率（%）。按照适应性预期理论，infte = inft-1。 令Δinft=inft - inft-1，上述模型可以简化为： 例三：我国某地区1955---1984农产品收购量sg、库存量kc存放在文件warehouse.dta中 估计如下方程： Sgt=a+b0kct+b1kct-1+u 回归后预测值的获得 Predict 1、拟合值的获得： predict yhat, xb 或者 predict yhat 2、残差的获得 predict e , residuals 或者 predict e, res 回归的假设检验 Test命令 例一 sysuse auto, clear reg price mpg weight length 1、检验参数的联合显著性 2、分别检验各参数的显著性 3、三个参数对被解释变量的影响相同 例二： use wage2, clear reg lnwage educ tenure exper expersq 1、教育（educ）和工作时间（tenure）对工资的影响相同。 test educ=tenure 2、工龄（exper）对工资没有影响 test exper 或者 test exper =0 3、检验 educ和 tenure的联合显著性 test educ tenure 或者 test (educ=0) (tenure=0) 例三：生产函数production use production,clear reg lny lnl lnk test lnl lnk test (lnl=0.8) (lnk=0.2) test lnk+lnl=1 非线性检验：testnl 例一 . sysuse auto gen weightsq= weight^2 reg price mpg trunk length weight weightsq foreign testnl _b[mpg] = 1/_b[weight] testnl (_b[mpg] = 1/_b[weight]) (_b[trunk] = 1/_b[length]) 例二：打开production reg