运用Stata做计量经济学

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

运用Stata做计量经济学

运用Stata建模的7步骤:

1、准备工作;目录、日志、读入数据、熟悉数据、时间变量、more、……;

2、探索数据:数据变换、描述统计量、相关系数、趋势图、散点图、……;

3、建立模型:regress、经济理论检验、实际经济问题要求、统计学检验、计量经济学检验:R2,T,t,残差;

4、诊断模型:异方差、序列相关、多重共线性、随机解释变量问题、……;

5、修正模型:WLS、GLS、工具变量法(ivregress),……;

6、应用模型:置信区间、预测、结构分析、边际分析、弹性分析、常用模型回归系数的意义、……;

7、整理:关闭日志、生成do文件备用

1、准备工作

让STA TA处于初始状态,清除所有使用过的痕迹clear

指明版本号version11

设定并进入工作文件夹:cd D:\ (设定路径,将数据、程序和输出结果文件均存入该文件夹)

关闭以前的日志capture log close

建立日志:log using , replace

设定内存:set mem 20m

关闭more:set more off

读入数据:use .dta, clear

认识变量:describe

建立时间变量:tsset

2、用描述统计方法探索数据特征

必要的数据转换:gen、replace、……;

描述统计量:summarize, detail

相关系数矩阵:corr/pwcorr

散点图和拟合直线图:scatter y x || lfit y x

矩阵散点图:graph matrix y x1 x2 x3,half

线性趋势图:line y x

OLS建立模型:regress y x1 x2 x3;

由方差分析表并用F和R2检验模型整体显著性;

依据p值对各系数进行t检验,一次只能剔出一个最不显著的变量,直到不包含不显著的变量;

估计参数,判别变量的相对重要性;

构造和估计约束模型,用以检验经济理论

4、诊断模型

(1)检验异方差

残差拟合值散点图:rvfplot

残差平方与某个自变量的散点图

predict e, residuals

gen e2=eˆ2

scatter e2 x1

Breusch-Pagan拉格朗日乘数异方差检验

estat hettest

通过信息矩阵检验执行的white异方差检验

estat imtest, white

解析检验的零假设H0:同方差

(2)检验序列相关

散点图法

predict r

gen lagr=l.r

scatter r lagr,xline(0) yline(0)

趋势图法

line r year, yline(0)

Breusch-Godfrey LM test for autocorrelation

estat bgodfrey,lags(1 2 3)

Durbin’s alternative test for autocorrelation

estat dubinalt,lags(1 2 3)

Durbin-Watson dw-statistic

estat dwatson

(3)多重共线性

检验多重共线性是否存在:R2和F很高,但t检验不显著

判定系数检验法:某一自变量对其余自变量回归的R>0.8,判定该自变量引起多重共线性方差膨胀因子大于5

estat vif

(1)异方差的修正——WLS

predict r, residuals

regress y x1 x2 x3 [w=1/abs(r)]

(2)修正同时存在异方差和序列相关之prais

选项是corc变换,循环迭代

Prais m gdp, corc

第一次迭代后停止,两步法

prais m gdp, twostep

矫正同时存在异方差和序列相关之Newey-West

假定模型存在异方差和滞后3阶的序列相关,用OLS估计Newey-West标准误Newey m gdp, lag(3)

(3)多重共线性的修正

排除引起共线性的变量

差分法(短期模型)

岭回归法(有偏估计)

逐步回归法

A. 向前法(只进不出)sw reg ...,pe(0.#)

B. 向后法(只出不进)sw reg ...,pe(0.#)

C. (有进有出)向前法sw reg ...,pe(0.#) pr(0.#) forward

pe(0.#) < pr(0.#)向前法是空模型的开始

D. (有进有出)向后法sw reg ...,pe(0.#) pr(0.#)

pe(0.#) < pr(0.#)向后法是满模型的开始

(4)修正随机解释变量

tsset year

ivreg consp (gdpp=l.gdpp)

用滞后一期的gdpp作gdpp的工具变量

常数项虚拟变量自己作自己的工具变量。

ivreg y1 x1 x2 (y2 y3 = z1 z2 z3) x3

用z1 z2 z3作y2和y3的工具变量

x1 x2 x3和常数项虚拟变量自己作自己的工具变量

6、运用模型(regress postestimation)

点估计:predict yhat

残差:predict r, residuals

均值预测的标准误:predict zxbzw, stdp

个别值预测的标准误:predict rxbzw, stdf

F的临界值invFtail(df1,df2,0.05)

F的临界概率(边际概率)Ftail(df1,df2,ftest)

t的临界值invttail(df,0.025)

相关文档
最新文档