计量最终的命令总结

《计量最终的命令总结》由会员分享，可在线阅读，更多相关《计量最终的命令总结（5页珍藏版）》请在装配图网上搜索。

1、计量经济学的命令的总结1 先自己建一个并且储存起来的命令 Log using “文件夹的名称” .log 如果直接用的话 log using “文件夹的名称”2 建立一个新变量 gen 新变量的名称=原变量的运算 改变变量 replace 老变量=新变量 if unemployment8 这里的if 引导的是条件 这里建立为 0 和1 的哑变量Gen high=0 Replace high=1 if unemployment=8 也可以按个去生成： gen south-region=0 gen north-region=2 去掉一个变量 drop 变量的名称 给变量取一个新的名字 rename

2、 oldvarname newvarname如果想做回归的时候将哑变量就做出来的 Xi ：region y t i.region 3 Summarize 变量的名称 这里边展示出了 number of non-missing observations, mean ,standard deviation, minimum, maximum) 可以建一个图表将数量表示出来Table rowvar4 相关系数 Correlate varlist weight 【， covariance 】Pwcorr varlist weight 【，sig】pwcorr表示出 pairwise correlati

3、on Sig 相关系数的显著性都列了出来 5 不知道了 就help regress help correlate 6 线性回归 regress depvar varlist 7 predict ehat，res 这里把参差值给弄出来了 predict yhat, xb 这里把预测的值给弄出来了 但是预测yhat 就有特殊性，也就是下边可以省去 8 画图的怎么画？ 这里都是横竖轴的直方图的例子 Histogram ehat，percent 这里画出了比例图 Histogram ehat，normal 这里画出了正态图 这里画出了散点图 Scatter varlist depvar 9 ttest

4、 write=50 看期望值是否为50 ttest write=read 看看write 和 read 的期望值是否是相等的 10 回归时如果存在异方差的话，可以用Regerss write read female，robust11 检验正太分布的方法：（1） pnorm ehat （2） histogram ehat，normal（3） Summarize ehat，detail Scalar jb=r（N）/6*(r(skewness)2+(r(kurtosis)-3)2/4) 这里是JB检验，用来检验是否存在正态性 JB 多用于大样本的情况其中原假设为 H0：normality; inv

5、chi2tail(2, 0.05) 表示的是开放的显示（4） swilk ehat Shapiro-Wilk tests for normality , swilk can be wuse with 2 =n = 4 observations SK 检验多用于小样本的情况12 检验函数形式是否正确 Estat overt 这里实际上就是F 检验 Manually Regress write read female Predict yaht，xb Gen yaht2=yaht*yaht Gen yaht3=yaht2*yaht Regress write read female yaht2 ya

6、ht3 Test yhat2=yhat3 13 检验异方差的形式画图的形式 Twoay (scatter ehat female) Estat hettest read female ,iid Estat hettest,white 怀特检验的形式 Imtest white BJ 检验的形式 Estat hettest 或者是利用标准的方法： Reg Y X1 X2 X3 Predict ehat,res Gen P=ehat*ehat/(SSR/n） Reg P X1 X2 X3 Gen bp=1/2 SSE Dis invchi2 tail（m-1，0.05）14 自相关 DW 检验 Es

7、tat dwatson 如果d 趋近于2 的话，则说明倾向于物资相关 Godfrey 的检验 Estat bgodfrey 15 共线性的检验 VIF 检验 Estat vif 如果vif10, 则存在多重共线性16 错误的函数形式 RESET 检验 平方根、协整和VAR的模型首先，说明一下他们之间的相互关系对时间序列进行分析，首先建立的建设是其数据是平稳的，否则其t 、 F 检验将变得不可信，因此我们这里要进行平稳性的检验，平稳性检验主要有两种类型分别是AD 检验和ADF 检验，如果是平稳之后呢，就可以进行相关回归啊什么的。但是如其是不平稳的话，但是却是I（1），并且两个变量的I（1）还存在

8、着线性关系，在这种情况下就叫做协整。但是，我们要进行协整检验，以证明确实存在着协整关系，常用的是EG检验。当检验完完存在协整关系后，如果是多变量的我们可以通过Johansen 的检验，判定存在着集中协整关系。注意：这里有个大致的判断，平稳是针对时间序列的数据是否平稳而言的，而协整关系检验则是针对I（1）之间的关系是否平稳而言的。这里还有误差修正模型 其道理是这样的，如果几个变量之间存在着一种长期的均衡关系，这些变量之间就存在着短期的内的修正机制，其可以使得藏起的均衡关系成立。这里还有VAR模型其道理是，如果变量是I(0)的，即其是平稳的话，可以通过最小二乘法OLS来进行修正，如果变量是I（1）

9、，并且协整，则可以通过OLS进行回归，但是此时其是I（1），但是却并不满足协整关系，怎么办？我们将原式变形，就变成了I（0），就用了VAR模型，反映了两者之间的关系。还有我们还可以过Impulse Response 和 Variance Decompositions 来分别进行影响的程度和方差分解的联系。下边，我们来分别建立以上方法的STATA命令：一开始都要产生一个时间序列的值Gen N=_nTsset N关于平稳性的检验（1） gen d_fund=d1.fund Gen l_fund=l1.fund Gen d_bond=d1.bond Gen l_bond=l1.bond Gen l_

10、d_fund=l1.d_fund Gen 1_d_bond=l1.d_bond Regress d1.fund l1.fund l1.d_fund Predict ehat,res 这里是画出图，用来检验存在不存在自相关（就是异方差意思） Ac ehat Regress l1.d_bond d1.bond l1.bond Predict ehat，res Ac ehat 因为平稳性有三个假定，分别是关于期望值、方差和独立的，这里画图也要检验一下 （2）这里有stata 的命令 Dfuller fund ，regress lags（1） Dfuller bond，regress lags （2）

11、 做完之还没有图 不知道自相关是怎么回事，所以还要有如下的步骤 Predict ehat，res Ac res 关于协整关系的检验 （EG）检验 Regress bond fund Predict rhat,res Gen d_rhat=d1.rhat Gen l_rhat=l1.raht Gen l_d_rhat=l1.d_rhat Regerss d_rhat l_rhat l_d_rhat, nonconstant 另一种写法 Dfuller rhat，noconstant regerss lags（1) 关于Johenson 的检验 vecrank LREXR LUSPROD LUSD

12、ISRAT LDISRAT LTOT intdiff 关于误差修正模型的检验长期的关系 reg LREXR LUSPROD LUSDISRAT LDISRAT LTOT intdiff 这里反映短期的关系predict ecm, resgen l_ecm=l1.ecm (1 missing value generated) regress d_LREXR d_LUSPROD d_LUSDISRAT d_LDISRAT d_LTOT d_intdiff l_ecm这里进行VAR模型的构建第一步要检验是否符合协整关系，如果不符合就可以用VAR模型了经检验I(1)不符合协整关系，因此可以用VAR模型

13、第二步，var 模型varbasic d_LREXR d_LUSPROD d_LUSDISRAT d_LDISRAT d_LTOT d_intdiff剩下这里是进行脉冲响应和方差分解的测算这是表格 irf table irf, impulse(d_LUSPROD) response(d_LREXR)这是图 irf graph irf, impulse(d_LUSPROD) response(d_LREXR)方差分解 记着几个自变量加起来为一就行了这是表格 irf table fevd , impulse(d_LUSPROD) response(d_LREXR)这是图 irf table fev

14、d, impulse(d_LUSPROD) response(d_LREXR)17 空间计量的问题空间计量的大体思路空间计量的矩阵有两种主要的判定方式：距离法和相邻法空间计量的举证判定完了之后呢，我们知道空间计量有两种主要的模型，分别是空间误差模型和空间滞后模型我们如果要判定空间关系，首先要用 Morans I statistics 来进行检验其次，如果上边的检验通过，则说明存在空间的关系，但是我们不知道到底是那种那种空间关系，空间滞后呢，还是空间误差模型呢，因此我们用 LM-Lag 和 LM-Error 两种检验再次，虽然我们通过以上判定了到底是哪种模型，但是，我们仍然无法在判定一种关系的时

15、候排除另一种关系的影响，因此，我们用 Robust lM-Lag 和 Robust LM-Lag 检验，就能够分清到底是什么检验了 对于其检验的方法 主要参考课件上有的命令和已经输出的结果 18 工具变量的问题 整理一下工具变量的大体的思路：因为存在着内生性的问题，即自变量和误差项不是相互独立的。那么工具变量就是用来解决内生性问题的。拿工具变量多用在什么领域呢？首先，是遗漏变量的问题 其中遗漏变量的解决可以从两个方面来做：代理变量(单个代理变量和多个代理变量）和工具变量的形式其次，错误的函数形式再次，测量误差最后，反向因果那么，明细了这些，我们看看工具变量的成立的条件：外生性 相关性 单调性

16、那么，下边。我们的检验就是针对这里的假设条件和工具变量问题的前提：外生性来展开的。首先，对其相关性（及工具变量与其代理的内生变量的相关性）进行检验这里主要用到了 检验 其中有个拇指法则，只要是F1，则认为IV 与内生变量相关。或者是通过各种 Sheas Partial 的R2 才可以判定，越小的话，可能就越不存在内生性其次，要对其外生性进行检验 即所谓的过度识别检验 Sargan Overidentification test 从而我们这里NR2 与凯方q 进行比较，q 表示的是工具变量的数目内生变量的数目这里需要检验与之类似的有Hanson 检验，但是两者的区别是 Sargan 是在同方差的假定上的，而Hanson 在异方差的基础上也可以。在此，我们对于使用工具变量的前提，内生性进行检验，看看其有没有内生性的问题。这里我们有Hausman 的检验还有 DWH 的检验 这里的命令的话，不写了，都在书上 而且注意有一份输出的结果，上边有详细的论述，每步到底是什么样的。