Testing general linear restrictions (检验一般的线性约束)

1、Testing general linear restrictions （检验一般的线性约束）例计量导论P162此时可以有三种方法方法一：将限制条件带入方程，构造受约束模型。在受限制模型中构造新的变量进行回归分析。将带入得 移项得 构造新的变量 newvariable = y关于newvariable 进行回归计算F统计值 与临界值c作比较 ，或者计算相应的P-value并与显著性水平做比较。如果F统计值小于c不能拒绝原假设，如果F统计值大于c拒绝原假设。如果P-value统计值大于不能拒绝原假设，如果P-value统计值小于拒绝原假设。计算F统计量 相应的P-value=0.621 >

2、0.05, 所以不能拒绝原假设。方法二：运用test 函数 需要对总模型回归用相应的P-value与显著性水平做比较。如果P-value大于不能拒绝原假设，如果P-value小于拒绝原假设。P-value > 0.05, 所以不能拒绝原假设。注：常用的test函数形式：1. test （检验的系数）2. test （检验的系数相等）3. test （）() （检验的系数相等且）4. test （）() （检验的系数，）5. testparm varlist , equal （检验在拟合模型和varlist中出现过的变量两两相等，而不仅仅是联合相等且为0，还可以为其他数值）方法三：运用co

3、nstraint 函数.use hprice1注：常用的constraint函数形式：constraint 1 条件1constraint 2 条件2constraint n 条件ncnsreg y , c（1-n） 注：判定是否拒绝原假设有三种方法1. 用统计值与临界值作比较。求临界值：invttail ( df , ) (置信度下的t检验的临界值)invFtail ( q , df , ) (置信度下的F检验的临界值)2. 用P-value与置信度作比较求P-value：ttail ( df , tstat ) ( t统计值的P-value)Ftail: ( q , df , tstat

4、) ( F统计值的P-value)3. 用置信区间在进行处理的时候还会用涉及到全模型和受限制模型。我们需要对其进行储存和调用。estimates store fullnanme（文件名） （将stata的回归结果储存为fullnanme）estimates restore fullnanme （文件名） （调用stata的回归结果文件fullnanme）例计量导论P162 详细stata命令方法一：.use hprice1.reg lprice lassess llotsize lsqrft bdrms.estimates store fullmodel1 /*将stata回归的结果储存为fu

5、llmodel1*/.gen newdep=lprice-lassess /*生成新的变量newdep*/.reg newdep .di (1.880-1.822)/1.822)*(83/4).di Ftail(4,83,.661)/*计算在q=4,df=83, F统计值为0.661对应的P-value*/方法二：.use hprice1.estimates restore fullmodel1 /*调用回归结果fullmodel1*/.test (lassess=1) (llotsize=0) (lsqrft=0) (bdrms=0)/*检验：lassess=1，llotsize=0，lsq

6、rft=0，bdrms=0*/方法三：.use hprice1.constraint 1 lassess=1 /*限制lassess 的系数为1*/.constraint 2 llotsize=0 /*限制llotsize 的系数为0*/.constraint 3 lsqrft=0 /*限制lsqrft 的系数为0*/.constraint 4 bdrms=0 /*限制bdrms 的系数为0*/.cnsreg lprice lassess llotsize lsqrft bdrms, c(1-4)/*在限制条件1-4的约束下lprice关于lassess llotsize lsqrft bdr

7、ms回归 */.di invFtail(4,83,0.05) /*计算在q=4,df=83,P-value为0.05对应的F统计值*/.di Ftail(4,83,0.661) /*计算在q=4,df=83, F统计值为0.661对应的P-value*/例计量导论P190 C 5.1predict ：产生新的变量对其相关数值进行预测，并在储存到表中常用predict函数：predict 变量名 ， residual （预测并储存变量的残差）predict 变量名 （预测并储存变量的拟合值）画图常用函数：histogram 变量名 （画出变量的柱状图）histogram 变量名，normal （

8、画出变量的柱状图以及相应的正态分布图）histogram 变量名，kdensity （画出变量的柱状图以及相应的拟合线）histogram 变量名，quantile （画出检验变量的分布距离均匀分布有多远）例 C 5.1.use wage1, clear.reg wage educ exper tenure.predict wageresidual, res /*储存变量wageresidual的残差*/.hist wageresidual, normal /*画出wageresidual的直方图以及相应的拟合线*/.reg lwage educ exper tenure .predict l

9、wageresidual, res /*储存变量lwageresidual残的残差*/.hist lwageresidual, normal /*画出lwageresidual的直方图以及相应的拟合线*/*queston C5.2*/.use GPA2, clear /*调用数据GPA2*/.reg colgpa hsperc sat /*估计截距项和两个斜率参数，用回归“reg”函数*/.outreg2 using classoutput /*以标准形式输出结果，STATA会自动生成一个制表符分割文件夹（tab-delimited file）*/.seeout using classoutp

10、ut /*打开STATA生成的表格*/*outreg2的作用在于生成标准形式的变量回归表，而且可以将改变其中一个变量或自变量后的回归形式一起列在同一张表中，方便对比，如书中P193中的表格。outreg2是一个软件包，需要在网上下载。具体用法参见help outreg2*/.reg colgpa hsperc sat in 1/2070 /* 用前2070个观察值做回归。“in”的作用在于确定样本范围*/*EXMAPLE 4.9 见书p159 */.use BWGHT,clear /*调用数据BWGHT*/.reg bwght cigs parity faminc /*考察motheduc自变

11、量和fatheduc自变量对因变量bwght是否有影响，用回归“reg函数*/.predict residualtilde, res /*保存少了motheduc和fatheduc变量的受约束模型的残差*/.reg residualtilde cigs parity faminc motheduc fatheduc /*用受约束模型的残差对所有自变量进行回归，得到R-squared*/.di 1191*0.0041 /*LM=n*R-squared=4.8831*/.di chi2tail(2, 4.8831) /*寻找在LM=4.8831，自由度=2的情况下chi分布的P-value，得到值

12、0.0870,即在>=8.7%的情况下可以拒绝原假设。换句话说：motheduc和fatheduc在5%的显著性水平下是联合不显著的。*/*question C6.3*/.use wage2, clear /* 调用数据wage2*/.gen educexper=educ*exper /*给出第一种方法： 手动生成3的变量educexper，原数据中未包括*/.reg lwage educ exper educexper /* 用“reg”回归，计算出1、2、3的估计值*/ .gen newindep=educ*(exper-10) /*1=1+103，改写原式，得lwage=o+1*educ+2*exper+3*educ(exper-10) 需要生成新的变量educ(exper-10),命名为newindep*/.reg lwage educ expe