stata上机实验第八讲 似不相关回归(SUR).ppt

Stata上机实验 似不相关回归(SUR) 特点：即各方程的变量之间没有内在联系，但各方程的扰动项之间存在相关性。 例1： 使用高中生成绩数据集“hsb2.dta”，估计一个SUR模型。第一个方程的被解释变量为read（阅读成绩），解释变量为write（写作成绩），math（数学成绩），science（科学成绩）。第二个方程的被解释变量为socst（社会实践成绩），解释变量为write（写作成绩），math（数学成绩）。 要求： （1）使用迭代法估计SUR模型，并检验两个方程的扰动项是否存在“同期相关”。 （2）检验两个方程中变量math的系数是否相等。 注意：检验是否存在“同期相关”使用BP检验， BP检验的原假设为 “无同期相关”。 use hsb2,clear sureg (read write math science) (socst write math),corr isure test [read]math=[socst]math 例2：用三家公司的公司投资额对公司市值、资本存量进行回归。（grunfeld2.dta） sureg (invest1 = mvalue1 kstock1) (invest2 = mvalue2 kstock2) (invest3 = mvalue3 kstock3) 联立方程组 三阶段最小二乘法 打开数据文件klein.dta 建立如下方程： reg3 (consump wagepriv wagegovt) (wagepriv consump govt capital1) 非线性回归 非线性最小二乘法的思路是，通过泰勒级数将均值函数展开为线性模型。即，只包括一阶展开式，高阶展开式都归入误差项。然后再进行OLS回归，将得到的估计量作为新的展开点，再对线性部分进行估计。如此往复，直至收敛。 这种迭代估计方法必须设定初始值和停止法则。初始值的选择对于迅速找到最优解非常重要。 例1：利用NLS方法估计非线性消费函数（数据文件：usmacro） nl (realcons = {a} + {b}*realgdp^{gamma=1}) 如果不给定gamma的初始条件将无法达到收敛。 例2：估计如下生产函数模型。（数据文件：production），不变替代弹性（CES）生产函数： nl ( lnout={b0}-{m=1}/{rho=1}*ln( {delta=0.5}*capital^(-{rho}) +(1-{delta})*labor^(-{rho}) ) ) 分位数回归 传统回归模型着重考察解释变量x对被解释变量y的条件期望的影响，实际上是“均值回归” 。但这种方法容易产生如下问题：1。无法了解y的整体分布；2。结果受极端值影响严重。 如果能够估计出条件分布的若干重要的“条件分位数”（conditional quantiles），比如“中位数”（median）、“分位数”（lower quartile）、“分位数”（upper quartile），就能对条件分布有更全面的认识。 1。中位数回归 qreg price weight length foreign 2。0.25分位数回归 qreg price weight length foreign, quantile(0.25) 3。利用自助法重复100次同时计算0.25，0.5，0.75的分位数回归。 sqreg price weight length foreign, q (0.25 0.5 0.75) reps(100) 4。利用自助法重复100次计算[0.25，0.75]的分位数回归。 iqreg price weight length foreign, reps(100) * * *