第二讲stata画图和线性回归基础共25页文档

4。标准化系数 reg price mpg weight foreign, beta 5。部分数据回归 reg price mpg weight length foreign in 1/30 （为什么foreign被drop掉？） reg price mpg weight length if foreign==0
作图时命令方式比较复杂，建议多用菜单方式。 一起来做下列图形： 打开wage2.dta 1。 男性和女性工资均值的条形图 2。 白人和其他人的工资的冰饼图 3。 wage的直方图，并检验是否服从正态分布。
组合图形：
画出price与weight的散点图，并画出其拟 合线。
图形界面设计：
图形标题，X轴标志，Y轴标志，样式选择， 图例，分组标志。
例二：打开production reg lny lnl lnk testnl _b[lnl] * _b[lnk] = 0.25 testnl _b[lnl] * _b[lnk] = 0.5
更多精品资源请访问
docin/sanshengshiyuan doc88/sanshenglu
Stata 画图和回归基础
Stata作图
stata 提供各种曲线类型，包括点 （scatter）、线（line）、面（area），直 方图（histogram）、
条形图（bar）、饼图（pie）、函数曲线 （function）以及矩阵图（matrix）等。
同时，对时间序列数据有以ts 开头的一系列 特殊命令，如tsline。还有一类是对双变量 的回归拟合图（lfit、qfit 、lowess）等。
+b3*exper^2+ u
例二：利用phillips的数据拟合预期增强的菲 利普斯曲线为
in ft in fte1 (u n e m t0 ) u t
其中，unemt表示第t期的失业率（%）， inft 表示第t期的通货膨胀率（%），infte表 示预期通货膨胀率，μ0表示自然失业率 （%）。
按照适应性预期理论， infte = inft-1。 令Δinft=inft - inft-1，上述模型可以简化为：
in ft01 u n e m t u t
例三：我国某地区1955---1984农产品收购 量sg、库存量kc存放在文件 warehouse.dta中
估计如下方程：
Sgt=a+b0kct+b1kct-1+u 存在滞后一期的变量
非线性检验：testnl
例一 sysuse auto gen weight2 = weight^2 reg price mpg trunk length weight weightsq foreign testnl _b[mpg] = 1/_b[weight] testnl (_b[mpg] = 1/_b[weight]) (_b[trunk] = 1/_b[length])
回归结果解读
MSS：回归平方和 df1 自由度
RSS：残差平方和 df2
TSS：总平方和
df3
MMS=MSS/df1 RMS=RSS/df2 TMS=TSS/df3
F值 R2=MSS/TSS 调整的R2 Root MSE=sqrt(RMS)
Coef：回归系数 Std.Err：标准误差 方差协方差矩阵的对角线元素的开方（vce） 95%下限=估计值-t临界值下限*标准误差 95%下限=估计值+t临界值上限*标准误差
两个练习：
1。完成下列汽车拟合图。 2。查阅数据，并按照要求完成图形。
2、中国的GDP（以购买力平价计）何时能超过美 国？从Penn World Table（最权威的跨国宏观数 据集）下载两国1978-2019年“Population”与 “Real GDP per capita” 数据，导入Stata中，将 两国log(GDP)的时间趋势画在一张图上，并做简 单外推预测（假设未来的增长率与1978-2019年间 相同）。下载地址为：
pwt.econ.upenn.edu/php_site/pwt_index.p hp。下载时选csv格式，按网站说明存储数据。
19 20 21 22 23 24
1980
Baidu Nhomakorabea
1990
lngdp_china lngdp_us
2000 year
2010
Fitted values Fitted values
2020
test educ tenure 或者 test (educ=0) (tenure=0)
例三：生产函数production use production,clear reg lny lnl lnk
test lnl lnk test (lnl=0.8) (lnk=0.2) test lnk+lnl=1
模型常用的其他形式：
对数 半对数 平方项 n次方 指数 交乘项
虽然对函数形式和自变量的选取有选择和检 验的方法，但最好还是从“经济意义”角度 确定。
例如：考察消费受收入影响的方程，即使参 数项不显著，也不能把它删除掉。
例题
例一：利用wage2的数据检验明瑟(mincer) 工资方程的简单形式： Ln(wage)=b0+b1*educ+b2*exper
回归后预测值的获得
Predict 1。拟合值的获得： predict yhat, xb 或者 predict yhat 2。残差的获得 predict e , residuals 或者 predict e, res
回归的假设检验(wald检验)
test命令 例一 sysuse auto, clear reg price mpg weight length 1。检验参数的联合显著性 2。分别检验各参数的显著性
1。要求方程省略常数项 reg price mpg weight foreign, nocons
2。稳健性估计（一般用于大样本OLS） reg price mpg weight foreign, vce(robust) 或者：reg price mpg weight foreign, r
3。设置置信区间（默认95%） reg price mpg weight foreign, level(99)
小样本OLS
建立回归方程
打开系统文件auto，建立如下方程： sysuse auto,clear regress price mpg weight foreign
Regress命令详解： regress depvar [indepvars] [if] [in] [weight] [, options]
例二： use wage2, clear
reg lnwage educ tenure exper expersq 1。教育（educ）和工作时间（tenure）对工资的 影响相同。
test educ=tenure 2。工龄（exper）对工资没有影响
test exper 或者 test exper =0 3。检验 educ和 tenure的联合显著性