運(yùn)用Stata做計(jì)量經(jīng)濟(jì)學(xué)

1、運(yùn)用stata做計(jì)量經(jīng)濟(jì)學(xué)運(yùn)用stata建模的7步驟:1、準(zhǔn)備工作；目錄、口志、讀入數(shù)據(jù)、熟悉數(shù)據(jù)、時(shí)間變量、more、:2、探索數(shù)據(jù)：數(shù)據(jù)變換、描述統(tǒng)計(jì)量、相關(guān)系數(shù)、趨勢(shì)圖、散點(diǎn)圖、；3、建立模型:regress.經(jīng)濟(jì)理論檢驗(yàn)、實(shí)際經(jīng)濟(jì)問題要求、統(tǒng)計(jì)學(xué)檢驗(yàn)、計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn): r2, t, t,殘差；4、診斷模型：異方差、序列相關(guān)、多重共線性、隨機(jī)解釋變量問題、；5、修正模型：wls、gls、工具變量法(ivregress), ；6、應(yīng)用模型：置信區(qū)間、預(yù)測(cè)、結(jié)構(gòu)分析、邊際分析、彈性分析、常用模型冋歸系數(shù)的意 義、；7、整理：關(guān)閉日志、生成do文件備用k準(zhǔn)備工作讓stata處丁初始狀態(tài)，清除所

2、有使用過的痕跡clear指明版本號(hào) version! i設(shè)定并進(jìn)入工作文件夾：cd d:(設(shè)定路徑，將數(shù)據(jù)、程序和輸出結(jié)果文件均存入該文件夾)關(guān)閉以前的口志capture log close建立 口 志:log using , replace設(shè)定內(nèi)存：set mem 20m關(guān)閉 more： set more off讀入數(shù)據(jù)：use .dta, clear認(rèn)識(shí)變量：describe建立時(shí)間變量:tsset2. 用描述統(tǒng)計(jì)方法探索數(shù)據(jù)特征必要的數(shù)據(jù)轉(zhuǎn)換：gen、replace、；描述統(tǒng)計(jì)量:siimmarize, dctai 1 相關(guān)系數(shù)矩陣：corr/pwcoit 散點(diǎn)圖和擬合直線圖：scatt

3、er yx ii lfityx 矩陣散點(diǎn)圖：graph matrix y xl x2 x3,half 線性趨勢(shì)圖：lineyx3. 建立模型ols 建立模型：regress y x 1 x2 x3；山方差分析衣并用f和r?檢驗(yàn)?zāi)Ｐ驼w顯著性：依據(jù)p值對(duì)各系數(shù)進(jìn)行t檢驗(yàn)，一次只能剔出一個(gè)最不顯著的變量，直到不包含不顯著的變 量；估計(jì)參數(shù)，判別變量的相對(duì)重耍性；構(gòu)造和估計(jì)約束模型，用以檢驗(yàn)經(jīng)濟(jì)理論4. 診斷模型(1) 檢驗(yàn)異方差殘差擬合值散點(diǎn)圖：rvfplot殘差平方與某個(gè)口變量的散點(diǎn)圖predict e, residualsgene2=e"2scatter e2 xlbreusch-p

4、agan拉格朗口乘數(shù)異方差檢驗(yàn)estat hettest通過信息矩陣檢驗(yàn)執(zhí)行的white異方羞檢驗(yàn)estat imtest, white解析檢驗(yàn)的零假設(shè)ho：同方差(2) 檢驗(yàn)序列相關(guān)散點(diǎn)圖法predict rgen lagr=lrscatter r lagr,xline(o) yline(o)趨勢(shì)圖法line r year, yline(o)breusch-godfrey lm test for autocorrelationestat bgodfreyjags( 1 2 3)durbin's alternative test for autocorrelationestat dub

5、inalt,lags(l 2 3)durbin-watson dw-statisticestat dwatson(3) 多重共線性檢驗(yàn)多重共線性是否存在：2和f很高，但t檢驗(yàn)不顯著判定系數(shù)檢驗(yàn)法：某一口變量對(duì)其余口變量回歸的r>0.8,判定該口變量引起多車共線性 方差膨脹因子大于5estat vif5. 修正模型(1) 異方差的修止wlspredict i; residualsregress y xl x2 x3 w=l/abs(r)j(2) 修正同時(shí)存在異方差和序列相關(guān)z prais選項(xiàng)是core變換，循環(huán)迭代prais m gdp, core第一次迭代后停止，兩步法prais m g

6、dp, twostep矯正同時(shí)存在異方差和序列相關(guān)之newey-west假定模型存在異方差和滯后3階的序列相關(guān)，用ols估計(jì)newey-west標(biāo)準(zhǔn)誤newey m gdp, lag(3)(3) 多重共線性的修正排除引起共線性的變量差分法(短期模型)嶺回歸法(有偏估計(jì))逐步冋歸法a. 向前法(只進(jìn)不出)sw reg .,pe(0.#)b. 向后法(只出不進(jìn))sw reg .,pr(0.#)c. (有進(jìn)有出)向前法 sw reg .,pe(0.#) pr(0.#) forward pe(0.#) < pr(0.#)向前法是空模型的開始d. (有進(jìn)有出)向后法 sw reg .,pc(0.#

7、) pr(0.#) pe(0.#) < pr(0.#)向后法是滿模型的開始(4) 修正隨機(jī)解釋變量tsset yearivreg consp (gdpp=l.gdpp) 川滯后一期的gdpp作gdpp的工具變量 常數(shù)項(xiàng)虛擬變量自己作自己的工具變量。ivreg yl xl x2 (y2 y3 = zl z2 z3) x3用zl z2 z3作y2和y3的工具變量xl x2 x3和常數(shù)項(xiàng)虛擬變量自己作自己的工具變量6> 運(yùn)用模型(regress postestimation)點(diǎn)估計(jì):predict yhat殘差： predict r, residuals 均值預(yù)測(cè)的標(biāo)準(zhǔn)誤：predict

8、 zxbzw, stdp 個(gè)別值預(yù)測(cè)的標(biāo)準(zhǔn)誤：predict rxbzw, stdff 的臨界值 invftail(dfl,df2,0.05)f的臨界概率(邊際概率)ftail(dfl,df2,ftest) t 的臨界值 invttail(df,0.025)t的臨界概率（邊際概率）ttail（df,ttest）常用模熨回歸系數(shù)的意義線性模型：邊際效應(yīng)a a aa dy兀=0（）+0曲a =ax線性對(duì)數(shù)模型：白變量的相對(duì)變化引起因變量的絕對(duì)變化a a aa dy兀=0o+0jn不0嚴(yán)石對(duì)數(shù)線性模型：口變量的絕對(duì)變化引起因變量的相對(duì)變化dyin% =0（）+0兀 隊(duì)二普dx雙對(duì)數(shù)模型：彈性系數(shù)dy1叮產(chǎn)仇+0川兀 0=秸x差分模型：短期邊際效應(yīng)f隊(duì)z厶二空自變量x比上期增加一個(gè)單位，平均來說因變量y比上期增加了厶個(gè)單位。無常數(shù)項(xiàng)。7.整理在results窗口審視整個(gè)估計(jì)過程，尤其注意出錯(cuò)的地方 關(guān)閉日志文件：log close生成d