内容发布更新时间 : 2024/6/5 19:53:28星期一 下面是文章的全部内容请认真阅读。

计量经济学应用软件STATA命令集

一、 基本操作 des y x（数据描述）（查看数据内部结构）

? gen lny=log(y) ? gen lnx=log(x)

? corr lnx1 lnx2 lnx3 lnx4 lnx5（多重共线性lnx的相关系数） ? gen x1=x[_n-1]

replace di=1 if year<=1990 replace di=0 if di==.

? reg y x （一元函数回归模型）

? reg y x1 x2 x3（多元函数回归模型）

? summarize y x（一元回归预测的统计描述）（查看变量的基本统计量）

? predict yhat（一元回归的y预测值 就是输入两个给的x之后算的东西）

Yf平均值置信度95%的预测区间为：

Yf?t?2?^^21(Xf?X) ?2nx?i个别值置信度95%的预测区间为：

21(Xf?X) Yf?t?2?1??2n?xi^^?

? predict e, r 【异方差的生成残差平方序列】 ? gen e2=e*e ? corr y x

二、检验

? estat imtest, white【异方差的white检验】

? tsset year（按照时间序列排列在画图之前，是虚拟变量，自相关所用） ? estat dwatson【自相关 dw】

二、 违反经典假设的处理方法

【异方差的修正】 ? gen w1=1/x ? gen w2=1/(x*x) ? gen w3=1/sqrt(x) ? reg y x [aw=w1] ? reg y x [aw=w2] ? reg y x [aw=w3]

? prais y x, corc【为解决自相关问题，选用科克伦—奥克特（CO）迭代法】

? prais y x, nolog 【为解决自相关问题，用普莱斯－温斯滕（Prais-Winsten）PW估计

法。】

? 两个方法谁大谁好

? iveg y (x=x1)

四、画图

? scatter e x【异方差画散点图】 ? histogram q, width(8000) frequency

? graph twoway (scatter y x)(lfit y x) 【一元散点图只有y x的】

? graph twoway connect x y year, msymbol(circle) msymbol(triangle) 【多元回归散点图 y x1 x2 这样的】

predict e,r

? line e year【自相关的残差与时间t的散点图】

? gen e1=L.e【残差与残差滞后的散点图】 ? twoway (scatter e e1) (lfit e e1) 五、

DW检验决策规则

六 虚拟变量

德宾—沃森d统计量：在0.05显著性水平上dL和dU的显著点

n 6 7 8 9 10 11 12 13 14 15 16 17 k??1 k??2 k??3 k??4 k??5 k??6 k??7 k??8 k??9 k??10 dL dU dL dU dL dU dL dU dL dU dL dU dL 0.610 1.400 － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － 3.005 － － － － － － 0.700 1.356 0.467 1.896 dU － － － － － － 3.149 2.985 2.848 2.727 2.624 2.537 dL dU dL dU dL dU － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － － 3.438 3.304 3.184 0.763 1.332 0.559 1.777 0.368 2.287 0.824 1.320 0.629 1.699 0.455 2.128 0.296 2.588 0.879 1.320 0.697 1.641 0.525 2.016 0.376 2.414 0.243 2.822 0.927 1.324 0.658 1.604 0.595 1.928 0.444 2.283 0.316 2.645 0.203 0.971 1.331 0.812 1.579 0.658 1.864 0.512 2.177 0.379 2.506 0.268 0.010 1.340 0.861 1.562 0.715 1.816 0.574 2.094 1.445 2.390 0.328 1.045 1.350 0.905 1.551 0.767 1.779 0.632 2.303 0.505 2.296 0.389 1.077 1.361 0.946 1.543 0.814 1.750 0.685 1.977 0.562 2.220 0.447 1.106 1.371 0.982 1.539 0.857 1.728 0.734 1.935 0.615 2.157 0.502 1.133 1.381 1.015 1.536 0.897 1.710 0.779 1.900 0.664 2.104 0.554 2.832 0.171 2.692 0.230 2.572 0.286 2.472 0.343 2.388 0.398 2.318 0.451 0.147 3.266 0.200 3.111 0.127 3.360 0.251 2.979 0.175 3.216 0.111 0.304 2.860 0.222 3.090 0.155 0.356 2.757 0.272 2.975 0.198