第二讲stata画图和线平性回归基础.pptVIP

Stata 画图和回归基础 Stata作图 stata 提供各种曲线类型，包括点（scatter）、线（line）、面（area），直方图（histogram）、 条形图（bar）、饼图（pie）、函数曲线（function）以及矩阵图（matrix）等。 同时，对时间序列数据有以ts 开头的一系列特殊命令，如tsline。还有一类是对双变量的回归拟合图（lfit、qfit 、lowess）等。 作图时命令方式比较复杂，建议多用菜单方式。 一起来做下列图形： 简单图形 打开wage1.dta 1。 男性和女性工资均值的条形图 2。 白人和其他人的工资的饼状图 3。 wage的直方图，并检验是否服从正态分布。 4。 wage的核密度分布图。 组合图形 画出price与weight的散点图，并画出其拟合线。 图形界面设计： 图形标题，X轴标志，Y轴标志，样式选择，图例，分组标志。 两个练习： 1。完成下列汽车拟合图。 2。查阅数据，并按照要求完成图形。 2、中国的GDP（以购买力平价计）何时能超过美国？从Penn World Table（最权威的跨国宏观数据集）下载两国1978-2010年“Population”与“Real GDP per capita” 数据，导入Stata中，将两国log(GDP)的时间趋势画在一张图上，并做简单外推预测（假设未来的增长率与1978-2010年间相同）。下载地址为： /php_site/pwt_index.php。下载时选csv格式，按网站说明存储数据。 小样本OLS 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： regress命令详解： regress depvar [indepvars] [if] [in] [weight] [, options] sysuse auto,clear regress price mpg weight foreign 1。要求方程省略常数项 2。稳健性估计（一般用于大样本OLS） 3。重新设置置信区间（默认95%） 4。标准化系数（回归系数对被解释变量的重要性） 5。回归中使用部分数据（if in） 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 3。 残差分布图 rvfplot yline(0) 回归结果的存放：e() e(N) number of observations e(mss) model sum of squares e(df_m) model degrees of freedom e(rss) residual sum of squares e(df_r) residual degrees of freedom e(r2) R-squared e(r2_a) adjusted R-squared e(F) F statistic e(rmse) root mean squared error 可以使用命令 eret list 查看。 回归结果解读 MSS：回归平方和 df1 自由度 MMS=MSS/df1 RSS：残差平方和 df2 RMS=RSS/df2 TSS：总平方和 df3 TMS=TSS/df3 F值：系数的联合检验 R2=MSS/TSS 调整的R2 Root MSE=sqrt(RMS) Coef：回归系数 Std.Err：系数的标准误差 t统计量 t的临界值 p值 95%置信区间 模型常用的其他形式： 对数 半对数 平方项 n次方 指数 交乘项 虽然对函数形式和自变量的选取有选择和检验的方法，但最好还是从“经济意义”角度确定。 例如：考察消费受收入影响的方程，即使参数项不显著，也不能把它删除掉。 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