(完整word版)stata建模中的各种小问题(我的笔记)

1、保存估计结果的命令：eststore名称使用保存结果的命令： ， estimates（名称）如果你把那个显示你用过的命令 的窗口：窗口操作： Windows Review如果你把那个显示变量的窗口：窗口操作： Windows Variables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：在上面找data edit 即像一个表格一样的图标点开即可编辑数据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 ） 判断判断模型的最大滞后阶数STATA 命令：1先回归2estat ic如何看 AIC 统计量：Bre

2、usch-Pagan,Cook-Weisberg 异方差检验STATA 命令：1先回归2estat hettest varlist或者在Statistics Postestimation( 倒数第二个) Reports andStatistics(倒数第二个 )在里面选择（hettest）如何看统计量：White 异方差检验 :STATA 命令：3先回归4estat imtest,whitevarlist或者在Statistics Postestimation( 倒数第二个 ) Reportsand Statistics(倒数第二个 )在里面选择（imtest）如何看统计量：Ramsey 回归

3、设定误差检验：STATA 命令：1先回归2estat ovtest 或者在 Statistics Postestimation( 倒数第二个 ) Reports and Statistics( 倒数第二个 ) 在里面选择（ovtest）如何看统计量：多重共线性方差膨胀因子检验：1先回归2estat vif,uncentered 或者在 Statistics Postestimation( 倒数第二个 ) Reports and Statistics(倒数第二个 )在里面选择（ vif ）如何看统计量：一般的当最大的方差膨胀因子超过 10（相对保守的临界值定位 30）后者平均方差膨胀因子超过 1

4、 表示模型存在多重共线性的问题。 Uncentered 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查方法：R2 值高而显著的 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R2 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用于考察模型形式是否设定准确。cprplot 被解释变量acprplot 被解释变量2增加变量图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用于考察残差是否满足经典的假设条件rvfplot4 解释

5、变量对残差的散点图stdp表示样本内预测的标rvpplot 被解释变量准差stdr表示样本外预测的标准差STATA对于数据的储存与重现est 命令的用法：（ 1）储存回归结果：reg y x1 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，异方差的修正用GLS具体的方法如下：1.quietly regress y x做回归2.predict u ， residua

6、l 取残差3.predict yf ， xb(xb 表示拟合值 )将拟合值取出放到yf 里4.gen lnu2=ln(u2)将残差做平方且取对数的处理5.gen yf2=yf2( 将 yf 这个拟合值同上面的残差做相同的处理)6.quietly regress lnu2 yf yf2对处理过的残差对拟合值以及 处理过的拟合值做回归7.predict nl u2f=exp(xb()再将回归后的拟合值取出并作对数处理放到u2f 里8.gen sd=sqrt(u2f) 将 u2f 做平方处理然后，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w

7、eight 选项来实现。存在自相关的修正用广义差分自相关的修正用广义差分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 表示概率预测具体的方法如下：el(mat,i,j) 矩阵的第 ise 表示线性预测 （ prediction ）的标准1 一阶自相关的修正行第 j 列差stdf 表示线性预测（ forecast）的标准prais y x ， rhotype(regress)差prais y x ， corc rhotype(regress)取对数用 ln(var) 函数2 高阶自相关的修正以二阶 自回归为例取平方用sqrt(var) 函

8、数quietly regress D.y x对被解释变量取差分并且做回归predict u,resid取出残差quietly reg u l( 2).u， noconstant 令 u 对其二阶 滞后期做自回归（无截距） matrix mat=e(b) 生成矩阵 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=d.y-el(mat,1,1)*l( 2)d.y 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=

9、d.x-el(mat,1,1)*l( 2)d.x 对 x 进行和 y 一样的处理方法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 张晓峒 )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：约束规模报酬不变的估计模型命令如下：1.constraint define 1 lnk+lnl=1 将等于 1 的线性约束 (不可以为不等号 )条件定义为 12.cnsreg lny lnk lnl ， constraints(1)约束为 lnk=lnl=0 的估计模型：命令如下 :1. constraint define 2 lnk lnl 等于 0 的条件可以不写出来2. cnsreg lny lnk lnl ， constraints(2)约束条件为ln