第三讲 回归结果处理与大样本OLS.ppt

回归结果处理和大样本OLS;回归后预测值的获得;回归的假设检验(wald检验);例二： use wage2, clear reg lnwage educ tenure exper exper2 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;例二：打开production reg lny lnl lnk testnl _b[lnl] * _b[lnk] = 0.25 testnl _b[lnl] * _b[lnk] = 0.5 ;大样本OLS;Nerlove（1963）的一篇著名文章;其中分别为生产率、劳动力、资本与燃料。记为规模效应（degree of returns to scale）。假设企业追求成本最小化，可证明其成本函数也为Cobb-Douglas： ;取对数后得到如下模型： ;测算规模报酬系数 display 1/_b[lnq] ;分别使用普通OLS和稳健的标准差OLS进行估计。 结果可以看到：稳健标准差与普通标准差的估计的系数相同，但标准差和t值存在着较大的差别，尤其是lnq的标准差。 ;约束回归;约束回归;矩阵运算;显示矩阵变量 mat dir 显示矩阵内容 Mat list 矩阵变量 ;常用矩阵运算： C=A+B A-B A*B Kronecker乘积 ：C=A#B 常用矩阵函数： trace(m1) m1的迹 Diag(v1) 向量的对角矩阵 inv(m1) m1的逆矩阵;2。还可以将变量转换为矩阵 mkmat 变量名表，mat(矩阵名) 练习：sysuse auto reg price mpg weight foreign 要求：利用矩阵运算手动计算出参数 ; gen cons = 1 mkmat price, mat(y) mkmat mpg weight foreign cons, mat(X) mat b = inv(X*X)*X*y mat list b （还可以看一下矩阵x与y的值） ;我们可以利用矩阵运算的方法将回归结果展现的所有统计量都手动计算出来。 大家有兴趣回去做一遍，可以加深你对这些知识的理解。 ;逐步回归法;逐步加入又分为逐步加入(Forward selection)和逐步分层加入(Forward hierarchical selection) 1。逐步加入 stepwise, pe(显著性水平): 回归方程 例如：对auto数据 Stepwise,pe(0.05):reg price mpg rep78 headroom trunk weight length turn displacement gear_ratio foreign 2。逐步分层加入 Stepwise,pe(0.05) hier:reg price mpg rep78 headroom trunk weight length turn displacement gear_ratio foreign ;边际效果及其解释;例题;Stata返回结果的读取;Stata结果的呈现; 命令1：est table est table m_1 m_2 m_3 est table m_1 m_2 m_3, stat(r2 r2_a N F) b(%6.3f) star est table m_1 m_2 m_3, stat(r2 r2_a N F) b(%6.3f) star(0.1 0.05 0.01) ;est table m_1 m_2 m_3, stat(r2 r2_a N F) b(%6.3f) se(%6.2f) est table m_1 m_2 m_3, stat(r2 r2_a N F) b(%6.3f) t(%6.2f) ; 命令2：esttab findit esttab esttab m_1 m_2 m_3 esttab m_1 m_2 m_3, scalar(r2 r2_a N F) star(* 0.1 ** 0