stata学习笔记

经济数据的特点与类型。1、横截面数据：多个经济个体的变量在同一时间点上的取值，如2012年中国各省的GDP2、时间数列数据：指的是某个经济个体的变量在不同时点上的取值，如1978-2012年山东省每年的GDP3、面板数据：多个经济个体的变量在不同时点上的取值，如1978-2012年中国各省的GDP小样本OLS（最小二乘法）：单一方程线性回归最常见方法条件：解释变量与扰动项正交、扰动项无自相关、同方差。拟合优度：衡量线性回归模型对样本数据的拟合程度（R2），越高说明模型拟合程度越好。单系数T检验：对回归方程扰动项的具体概率进行假设显著性水平进行检验F检验：整个回归方程是否显著STATA操作简介：如果数据中包含1949-10-01或1949/10/01的时间变量，导入stata后可能会被视为字符串，因此对于日度数据，可以使用命令gennewvar=date(varname,YMD),将其转换为整数日期变量，其中YMD说明原始数据的格式为年月日，如果原始数据的格式为月日年则使用MDY；对于月度数据则gennewvar=monthly(varname,YM)。.describe：数据的概貌.dropkeep：删除和保留.su：统计特征Pwcorr：变量之间相关系数Star（.05）：5%显著性水平gen:产生gintc=log（tc）：取自然对数.reg：OLS回归.Vce：协方差矩阵reg。。。，noc表示在进行回归时不要常数项大样本OLS：只要求解释变量与同期的扰动项正交即可Robust：稳健标准误，如果存在异方差，则应使用稳健标准误最大似然估计法：如果回归方程存在非线性，则使用最大似然估计法（MLE）或非线性最小二乘法（NLS）三类在大样本下渐进等价的统计检验：WaldtestLR（似然比检验）LM操作步骤如下：sysuseauto（调用数据集）Histmpg，normal（画变量mpg的直方图，并与正态密度比较）直方图显示，变量mpg的分布于正态分布有一定差距。变量可以取对数解决非正态分布的问题。异方差与GLS（广义最小二乘法）异方差的检验：看残差图、怀特检验（whitetest）、BP检验（BreuschandPagan）异方差的处理：1、OLS+稳健标准误（最好的）2、广义最小二乘法（GLS）3、加权最小二乘法（WLS）实例操作：1、使用数据：usenerlove.dta,clear2、regintcinqinplinpkinpf（进行回归）3、0.02.04.06.08.1Density10203040Mileage(mpg)4、画残差图：rvfplot上图可以发现当拟合值较小时，扰动项方差较大，继续考察残差与解释变量inq的散点图：rvpplotinq，结果与上图几乎一致，可能存在异方差，即扰动项的方差随着观测值而变。5、完成回归后，进行怀特检验：estatimtest，white_cons-3.5665131.779383-2.000.047-7.084448-.0485779inpf.4258137.10032184.240.000.2274721.6241554inpk-.2151476.3398295-0.630.528-.8870089.4567136inpl.4559645.2998021.520.131-.13676021.048689inq.7209135.017433741.350.000.6864462.7553808intcCoef.Std.Err.tP|t|[95%Conf.Interval]Total291.0668231442.02129738RootMSE=.39227AdjR-squared=0.9239Residual21.5420958140.153872113R-squared=0.9260Model269.524728467.3811819ProbF=0.0000F(4,140)=437.90SourceSSdfMSNumberofobs=145-1012Residuals-2024FittedvaluesP值显著，认为存在异方差6、完成回归后，进行BP检验：estathettest,iidestathottest,rhsiidestathottestinq,iid三种形式的检验都强烈拒绝同方差的原假设，存在异方差（这里只放一个形式的检验结果）7、处理异方差自相关：扰动项之间自相关自相关的例子：1、时间序列数据中通常具有某种连续性和持久性，如相邻两年的GDP增长率；2、截面数据中相邻的观测单位之间可能存在溢出效应，如相邻地区的农业产量收到类似天气变化的影响；3、对数据的人为处理如数据中包含移动平均数等；4、如果模型设定中遗漏了某个自相关的解释变量并被纳入到扰动项中，则会引起扰动项的自相关。自相关的检验：1、画图（不推荐）2、BG检验estatbgodfrey3、BOX-PierceQ检验4、DW检验estatdwatson.检验都要在OLS做完后才能做。自相关的处理：1、使用OLS+异方差自相关稳健的标准误；2、OLS+聚类稳健的标准误；3、使用可行广义最小二乘法（FGLS）；4、修改模型设定自相关处理实例：1、使用数据icecream然后进行回归Total99.29190.0000Kurtosis2.6210.1055Skewness22.7940.0001Heteroskedasticity73.88140.0000Sourcechi2dfpCameron&Trivedi'sdecompositionofIM-testProbchi2=0.0000chi2(14)=73.88againstHa:unrestrictedheteroskedasticityWhite'stestforHo:homoskedasticityProbchi2=0.0000chi2(4)=36.16Variables:inqinplinpkinpfHo:ConstantvarianceBreusch-Pagan/Cook-WeisbergtestforheteroskedasticityBG检验显著拒绝了原假设无自相关，则认为存在自相关Q检验（略）、DW检验如下DW=1.02距离2很远可以认为存在自相关。由以上的检验可以看出扰动项之间存在自相关，因此OLS提供的标准误是不准确的，应使用异方差自相关稳健标准误，由于样本为30个，n四分之一=2.34，故取NEWey-West估计量的滞后值为P=3，结果如下：_cons.1973149.27021610.730.472-.3581223.752752income.0033078.00117142.820.009.0008999.0057156price-1.044413.834357-1.250.222-2.759458.6706322temp.0034584.00044557.760.000.0025426.0043743consumptionCoef.Std.Err.tP|t|[95%Conf.Interval]Total.12552335829.004328392RootMSE=.03683AdjR-squared=0.6866Residual.03527283526.001356647R-squared=0.7190Model.0902505233.030083508ProbF=0.0000F(3,26)=22.17SourceSSdfMSNumberofobs=30.regconsumptiontemppriceincomeH0:noserialcorrelation14.23710.0396lags(p)chi2dfProbchi2Breusch-GodfreyLMtestforautocorrelation.estatbgodfreyDurbin-Watsond-statistic(4,30)=1.021169.estatdwatson上图显示标准误与OLS标准误无多大区别，因此将滞后阶数增加为6，从上图可以看到无论截断参数是3还是6，标准误都变化不大，比较稳健。此外，前面提到自相关存在可能是因为模型设定不正确，因此考虑在解释变量中加入temp的滞后值，然后再进行OLS回归：然后使用BG检验是否存在自相关：_cons.1973149.33781090.580.564-.4970655.8916952income.0033078.00132782.490.019.0005783.0060372price-1.044413.9772494-1.070.295-3.053178.9643518temp.0034584.00040028.640.000.0026357.0042811consumptionCoef.Std.Err.tP|t|[95%Conf.Interval]Newey-WestProbF=0.0000maximumlag:3F(3,26)=27.63RegressionwithNewey-WeststandarderrorsNumberofobs=30.neweyconsumptiontemppriceincome,lag(3)_cons.1973149.32995330.600.555-.4809139.8755437income.0033078.001322.510.019.0005945.006021price-1.044413.9821798-1.060.297-3.063313.9744864temp.0034584.00035049.870.000.0027382.0041787consumptionCoef.Std.Err.tP|t|[95%Conf.Interval]Newey-WestProbF=0.0000maximumlag:6F(3,26)=52.97RegressionwithNewey-WeststandarderrorsNumberofobs=30.neweyconsumptiontemppriceincome,lag(6)_cons.1894822.23231690.820.423-.2899963.6689607income.0028673.00105332.720.012.0006934.0050413price-.8383021.6880205-1.220.235-2.258307.5817025L1.-.0022039.0007307-3.020.006-.0037119-.0006959--..0053321.00067047.950.000.0039484.0067158tempconsumptionCoef.Std.Err.tP|t|[95%Conf.Interval]Total.12479323228.004456901RootMSE=.02987AdjR-squared=0.7999Residual.02140604924.000891919R-squared=0.8285Model.1033871834.025846796ProbF=0.0000F(4,24)=28.98SourceSSdfMSNumberofobs=29.regconsumptiontempL.temppriceincome结果显示无自相关，而后DW值也改进为1.58，因此修改模型后扰动项基本不再存在自相关。模型设定与数据问题遗漏变量：被解释变量可能被加入到扰动项中解决方式：加入尽可能多的控制变量；使用代理变量；工具变量法；使用面板数据；随机试验或自然实验。其中代理变量应满足两个条件：多余性，仅通过影响遗漏变量而作用于被解释变量；剩余独立性，遗漏变量中不受代理变量影响的剩余部分与所有解释变量均不相关。多重共线性：某一解释变量可以由其他解释变量线性表出，即存在多重共线性。检测：先回归，然后estatvifVIF低于10即不存在多重共线性。工具变量，2SLS与GMM工具变量