stata【山大陈波】PPT课件

.1，Stata的机械实验，2，大样本OLS，大样本OLS通常是强标准差估计(robust)强标准差表示在根据强标准差计算的稳健t统计数据中，t分布在模型中可能存在的偏差或自相关问题上保持不变。因此，在Stata中使用robust选项可以获得两分钟方差的稳健估计量。3，在Nerlove(1963)的著名文章中，为了验证美国电力产业的规模经济是否存在，Nerlove(1963)在1955年验证了145家美国电力企业的总成本(TC)、产量(q)和费率(第一个企业的生产函数为cob-Douglas:假设为，4。这里分别是生产力、劳动、资本和燃料。记录为大小效果(degreeofreturnstoscale)。假设企业追求最小化成本，则成本函数也将是cob-Douglas:是5。其中是函数。取代数后，得到以下模型：为了简化模型的方程式，设定为6，并分别使用一般OLS和稳健的标准差OLS进行估计。结果表明，稳健的标准偏差与常规标准偏差的估计系数相同，但标准偏差和t值在lnq的标准偏差方面存在很大差异，尤其是在lnq的标准偏差方面。7，约束回归，定义约束constraintdefinen约束约束回归语句Cnsreg解释变量，constraints(条件编号)，8，约束回归，示例1: useproduction，clear consdef 1 lnl lnk=1 cnsreglnnk，C(1)示例2: usenerloe，clearconsdefconsdf2 lnq=sreglntclnqlnpklnpf，c (1-2)，9，矩阵运算，1。手动创建矩阵命令：matrixMatrixinput矩阵变量名=(矩阵)相同的行元素，通过拆分创建矩阵：368511721816，10，显示矩阵变量matdir显示矩阵内容Matlist矩阵变量，11，common矩阵运算：c=a C=A BA-BA*BKronecker产品：C=A # B common矩阵函数：trace(m1)m1的trace Diag(v1)，12，2。此外，还可以使用矩阵mkmat变量名称表，矩阵名称(mat)练习sysuseautoregpricempgweightoreign要求：使用矩阵运算手动计算参数，13，gencons=1 mkmatprice，mat (y) mkmatmpgweightforeigns，Mat (x) matb=inv (x * x) *。14，可以通过矩阵运算手动计算回归结果的所有统计信息。大家回去试一试，可以加深你对这个知识的理解。15，逐步回归法，逐步回归法分为逐步淘汰和逐步加入。逐步删除分为“Backwardselection(逐步删除)”和“backkwardhierarchical selection(逐步删除层次)”1。Stepwise，重要性级别(pr):回归方程，例如auto数据stepwise，pr(0.05): regpricempgrep 78 headproomtrunkweightlenththtting逐层删除stepwise，pr(0.05)hier : regcempgrep 78 headlroomtrunkweightingthturn displacementgear _ ratio foreign foreign，然后再次、16、逐步添加和分阶段添加(Forwardselection) 1。逐步添加stepwise，pe(重要性级别):回归方程。范例：auto data stepwise的PE(0.05): regpricempgrep 78 headproomtrunkweightingthturn displacementgear _ ratio foreign 2。逐层添加stepwise，PE(0.05)hier : regcempgrep 78 headproomtrunkweightingthturn displacementgear _ ratio foreign，17，最大似然估计，优点：1。在所有一致渐近正态估计中，MLE是渐进最优的。2.大样本数据，尤其是非线性回归估计，具有优势。缺点：1。需要假定特定的概率密度形式。2.小样例特性为“普通”。18，最大似然估计MLE，MLE的基本步骤1。最大似然函数推导2。编写似然函数的stata程序(可选：似然函数的一阶和二阶导数d1，d2)3。设定解析变数和解析变数：mlmodel指令4。估计最大似然函数：mlmaximize命令，19 .“我们将在“stata编程”部分中讨论更简单的多线回归的示例。假设X_i的平均值为mu，标准差遵循sigma 2的正态分布。20，打开程序：doeditmyprog.ado运行mle : 1:sys use auto，Clearmlmodellfmyprog(price=weightingthforeign)，21，示例2: useproduction，ClearmLModellfmyprog(lny=lnk lnl)(sigma 3360)ml max示例3:用于附加约束的mleconsdef 1 lnk，22，参数约束检查的三种主要方法：Wald检查(LR)拉格朗日乘数检查(lm)注：1。参数约束检查不仅可以用于MLE，还可以用于其他土方计算方法。2.由于LM检查在以后的测量模型中广泛使用，并且检查过程与模型设置密切相关，因此stata是一种不提供使用LM简单检查的命令而只能通过手动计算执行的方法，因此此处将重点放在前两个检查上。23，示例：使用MLE方法估计以下两个等式：1.price=b0b1 * weightb2 * length 2。price=b0b 1 * weight B2 * length B3 * mpg使用wald检查和LR检查验证。b3=0，24，sysuseauto，Clearmlmodellfmyprog(price=weight length)(sigma 3360)mlmaxeststorer 0 mlmodellfmyprog，25，Wald检查：testmpg(Probchi2=0.2878)LR检查：lrtestr0r1(Probchi2=0.2896)接受原始假设，因此b3=0建立自身连接。检查方程式2为price=b0b 1 * weight B2 * length B3 * mpg B4 * foreign:B3=B4=0，26，协方差检查和FGLS是违反旧扰动项假设的方案。存在方差时：(1)OLS估计保持为无偏、一致和渐近正态。(2)估计方差Var(b|X)的表达式因var ( | x) 8800i而不再是 2 (x x) 1。(3)高斯-马尔可夫定理不再成立。也就是说，OLS不再是最佳线性偏转估计(BLUE)。27，异方差检查，1 .残差图2。白色检查3。Breusch-Pagan(BP)扫描4。G-Q检查(goldffield-quandt，1965) 5。Szroeters排名检查(1978)后，默认情况下禁用两项。28，普通截面数据容易生成方差，时间序列数据容易生成自相关，29，1。残差图形：RES dual-versus-fittined plot(rvppletotvarname)RES dual-versus-predictor plot(rvf clot)绘图命令用于回归White check:回归结束时的estatimtest，White，使用、30、3命令。BP检查：回归完成后，使用estathettest、normal(使用拟合值y)est athy、RHS(使用方程式右侧的解析变数代替y)est athy ttestvar list(指定某些解析变数的使用)指令进行初始解析Koenker(1981)为estathettest、iidesathettest、rhsiideschettest varlist、iid、31，1.sysuseauto，clearregpriceweightingthmpg使用检查差异的命令将此假设更改为id。2.Regweightlengthmpg检查是否存在异方差。3.Use production，clearreglnylnkl表示偏差，确认、32、和4。Usenerlove，clearreglntclnqlnpflnpk检查是否存在异方差，33，异方差的处理，1。使用二分差的坚固标准偏差：最简单，目前使用比较广泛的方法。只要样本容量大，即使在异方差的情况下，如果使用了稳健的标准差，所有参数估计、假设检验都可以照常进行。2.FGLS .广义最小二乘法和加权最小二乘法的缺点之一是扰动项的协方差矩阵是已知的。这往往是不切实际的假设。因此，现代计量经济学大多采用可行的广义最小二乘法(FGLS)。34，FGLS的阶段，(1)将原始方程式估计为OLS，得出残差条目的估计I，(2)计算ln(i2)(3) ln(2)，对所有独立分析变量进行回归，然后得出拟合值I (4)，得出I=exp，35，FGLS阶段，predictu，resgen lnu 2=ln(u 2)quietly reglnu 2 x1 x 2.predictg，XB genh=exp(g)gen invvar=1/hregx 1x 2.aweight=invvar，36，示例1，使用WLS重新估计nerlove.dta的无约束回归方程。假设(没有分段项目)。如果确定是否存在方差，请使用FGLS方法回归。检查结果具有方差，因此必须使用FGLS将其移除。37，reglntclnqlnpllnpklnpfpredicte，residgene 2=e 2 gen lne 2=log(E2)regl