stata建模中的各种小问题我的笔记

1、保存估计结果的命令：est store 名称 使用保存结果的命令：，estimates （名称） 如果你把那个显示翊过矽命令的窗口:窗口操作：WindowsReview如果你把那个显示逐的窗口：窗口操作：WindowsVariables时间序列填充和扩展时间区间：命令:tsappend ,add（n）增加n个观测值窗口操作：在上而找data edit即像一个表格一样的图标点开即可编辑数拯时间序列存在间断点问题，需要补齐处理：命令：tsfill信息准则赤池信息准则（AIC）判断刈断模型的最大滞后阶数STATA命令：1. 先回归2. estat icI如何看AIC统计量:Breusch-Pagan

2、,Cook-Weisberg 异方差检验STATA命令：1. 先回归2. estat hettest varlist或者在 StatisticsPostestimation（倒数第二个）Reports andStatistics（倒数第二个）在里而选择（hettest）如何看统计量：White异方差检验：STATA命令：3. 先回归4（3. estat imtest,white varlist或者在 StatisticsPostestimation（倒数第二个）Reportsand Statisticsf倒数第二个）在里而选择（imtest）如何看统计量:Ramsey回归设定误差检验：STAT

3、A命令：1. 先回归2. estat ovtest 或者在 StatisticsPostestimation（倒 数第二 个）Reports andStatistics（倒数第二个）在里而选择（ovtest）如何看统计量:多垂共线性方差膨胀因子检验：1. 先回归2. estat vif,uncentered或者在 StatisticsPostestimation（倒数第二个）Reports andStatistics（倒数第二个）在里而选择（vif）如何看统计量：一般的当最大的方差膨胀因子超过10 （相对保守的临界值左位30）后者平均方差膨胀因子 超过1表示模型存在多重共线性的问题oUncen

4、tered用于当模型没有常数项时的未中心化的 方差膨胀因子。多重共线性的其他侦査方法：R2值髙而显著的t比率小：多重共线性的经典”征兆克里安经验法则：仅当来自一个辅助回归的R2大于得自Y对全部回归元中的总尺2时， 多重共线性才算是一个麻烦的问题。做拟合图（前提是先回归）STATA命令：1. 解释变量对成分残差图一一用于考察模型形式是否设泄准确。cprplot被解释变屋acprplot被解释变量2. 增加变量图一一用于考察数据是否存在异常值avplotd被解释变量3. 拟合值对残差图的散点图一一用于考察残差是否满足经典的假设条件stdp表示样本内预测的标 准差stdr表示样本外预测的标 准君rv

5、fplot4. 解释变量对残差的散点图STATA对于数据的储存与重现rvpplot被解释变量est命令的用法：（1）储存回归结果：reg y xl x2 x3 （不限于 reg,也可储存 ivreg、mvreg reg3） est store A（2）重现回归结果: est replay A(3) 对回归结果进行进一步分析est for A:sum (对A回归结果中的各个变量运行sum命令)在非时间序列的数据的情况下,异方差的修正一一用GLS具体的方法如下：regress y x做回归residual 取残差yf, xb (xb表示拟合值)将拟合值取出放到yf里lnu2=ln(uA2)将残差做

6、平方且取对数的处理yf2=yfA2(将yf这个拟合值同上面的残差做相同的处理)然后，利用vwls进行加权估计vwls y x, sd(sd)GLS也可以通过regress命令中的weight选项来实现。存在自相关的修正用广义差分 自相关的修正一一用广义差分 具体的方法如下：1. 一阶自相关的修正prais y x, rhotype(regress)prais y x, core rhotype(regress)2. 髙阶自相关的修正一一以二阶自回归为例el(matjj)矩阵的第i 行第j列regress Inu2yfyf2对处理过的残差对拟合值以及处理过的拟合值做回归 u2仁exp(xb()再

7、将回归后的拟合值取岀并作对数处理放到u2f里 sd=sqrt(u2f)将u2f做平方处理predictnl表示模型估计后的非线性 预测，比如指数预测xb表示线性预测 exp表示指数预测 pr表示概率预测 se表示线性预测(prediction)的标 准差stdf表示线性预测(forecast)的标准 差取对数用In(var)函数取平方用sqrt(var)函数(Dquietly regress x对被解释变量取差分并且做回归 predict u,resid取岀残差 quietly reg u 1(2).u, noconstant令u对其二阶滞后期做自回归(无截距)matrix mat=e(b)生

8、成矩阵mat将回归的结果放到矩阵里(如果是更高阶可能有多个自相 关系数) gen m=(mat,l,l)*l(2)对y的一阶差分与y的一阶差分的滞后期与权重的乘积做差分，这个 权重就是mat矩阵里的第一行第一列的系数，刚好使我们刚刚回归出来的自相关系数(如 果是高阶可能不只做一个差分,会更为复杂) gen n=(mat,14)*l(2)对x进行和y 样的处理方法 reg m n然后令m对n做回归关于参数约束的模型估计问题(P178张晓嗒)STATA命令： cnsreg 被解释变量 解释变量条件 if in weight , constraints(constraints) options 其中constraints(constraints)表示线性约束例如：约朿规模报酬不变的估讣模型命令如下：1. constraint define 1 lnk+lnl=l将等于1的线性约朿(不可以为不等号)条件左义为12 cnsreg Iny Ink Ini , constraints(l)约束为lnk=lnl=O的估计模型：命令如下：1. constraint define 2 Ink Ini等于0的条件可以不写岀来2 cnsreg Iny Ink Inb constraints(2)约束