第二讲 stata画图和线性回归基础.pptVIP

Stata 画图和回归基础;Stata作图;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：;;改上面五个标注，用twoway graph里面的legend（override default keys）: 1 国产车 2 进口车 3 国产车拟合 4 进口车拟合 5 整体拟合 ;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;; OLS假设条件： 1. E[u|X] = 0 2. 条件同方差、没有序列自相关 3. X与u不相关 4. Y和X之间存在线性关系。 5. 解释变量 X 是非随机变量，被解释变量Y 是随机变量。 6. X 是满秩的， rank(X) = k;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;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;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;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??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 存在滞后一期的变量