Stata与模型的设定.pptxVIP

第七章Stata与模型的设定主要内容：1、遗漏变量的检验2、解释变量个数的选择3、多重共线性与逐步回归法4、极端数据的诊断与处理5、虚拟变量的处理6、经济结构变动的Chow检验实验7-1遗漏变量的检验一、实验基本原理二、实验数据和实验内容根据统计资料得到了美国工资的横截面数据，变量主要包括：wage=工资，educ=受教育年限，exper=工作经验年限，tenure=任职年限，lwage=工资的对数值。完整的数据在本书附带光盘的data文件夹的“wage1.dta”工作文件中。利用wage1的数据，分别利用Link方法和Ramsey方法检验模型是否遗漏了重要的解释变量。三、实验操作指导1.使用Link方法检验遗漏变量Link方法进行检验的基本命令语句为：linktest [if] [in] [, cmd_options]在这个命令语句中，linktest是进行Link检验的基本命令，if是表示条件的命令语句，in是范围语句，cmd_options表示Link检验的选项应该与所使用的估计方法的选项一致，例如检验之前使用的回归regress命令，则此处的选项应与regress的选项一致。例如，利用wage1的数据，检验模型是否遗漏了重要的解释变量，应该输入以下命令：use c:\data\wage1.dta,clearreg lwage educ exper tenurelinktest第一个命令表示打开数据文件wage1，第二个命令语句是对模型进行回归估计，第三个命令就是进行遗漏变量的Link检验，检验结果如图7.1所示。从第二个表格中，可以看到hatsq项的p值为0.018，拒绝了hatsq系数为零的假设，即说明被解释变量lwage的拟合值的平方项具有解释能力，所以可以得出结论原模型可能遗漏了重要的解释变量。为了进一步验证添加重要变量是否会改变Link检验的结果，我们生成受教育年限educ和工作经验年限exper的平方项，重新进行回归并进行检验，这时输入的命令如下：gen educ2=educ^2 gen exper2=exper^2reg lwage educ exper tenure educ2 exper2linktest 第一个命令语句的作用是生成变量educ2，使其值为变量educ的平方；第二个命令语句的作用是生成变量exper2，使其值为变量exper的平方；第三个命令语句的作用是对进行回归估计;第四个命令就是进行遗漏变量的Link检验，检验结果如图7.2所示。2.使用Ramsey方法检验遗漏变量Ramsey方法进行检验的基本命令语句为：estat ovtest [, rhs]在这个命令语句中，estat ovtest是进行Ramsey检验的命令语句，如果设定rhs，则在检验过程中使用解释变量，如果不设定rhs，则在检验中使用被解释变量的拟合值。例如，利用wage1的数据，使用Ramsey方法检验模型是否遗漏了重要的解释变量，应该输入以下命令：use c:\data\wage1.dta,clearreg lwage educ exper tenureestat ovtest在这组命令语句中，第一个命令的功能是打开数据文件，第二个命令是对模型进行回归估计，第三个命令就是进行遗漏变量的Ramsey检验，检验结果如图7.3所示。在图7.3中，第一个图表仍然是回归结果，第二部分则是Ramsey检验的结果，不难发现Ramsey检验的原假设是模型不存在遗漏变量，检验的p值为0.0048，拒绝原假设，即认为原模型存在遗漏变量。为了进一步验证添加重要变量是否会改变Ramsey检验的结果，我们采取Link检验中的方法，生成受教育年限educ和工作经验年限exper的平方项，重新进行回归并进行检验，这时输入的命令如下：gen educ2=educ^2 gen exper2=exper^2reg lwage educ exper tenure educ2 exper2estat ovtest这里不再赘述这些命令语句的含义，调整之后的检验结果如图7.4所示，可以发现此时检验的p值为0.5404，无法拒绝原假设，即认为模型不再存在遗漏变量。实验7-2解释变量个数的选择一、实验基本原理好的经济理论的标准通常是希望通过更为简洁的模型来更加精确地描述复杂的经济现象，但是这两个目标通常是矛盾的，因为通过增加解释变量的个数可以提高模型的精确程度，但是同时也牺牲了模型的简洁性。因此，在现实的经济研究过程中，通常使用信息准则来确定解释变量的个数，较为常用的信息准则有两个：（1）赤池信息准则，又称为AIC准则，其基本思想是通过选择解释变量的个数，使得如下目标函数最小。 在这个公式中，e代表残差序列，n代表样本数量，K代表解释变量的个数。通过这个目标函数可以