資源描述：
《stata上機(jī)實(shí)驗(yàn)第二講.ppt》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、Stata上機(jī)實(shí)驗(yàn)大樣本OLS大樣本OLS經(jīng)常采用穩(wěn)健標(biāo)準(zhǔn)差估計(jì)(robust)穩(wěn)健標(biāo)準(zhǔn)差是指其標(biāo)準(zhǔn)差對(duì)于模型中可能存在的異方差或自相關(guān)問題不敏感，基于穩(wěn)健標(biāo)準(zhǔn)差計(jì)算的穩(wěn)健t統(tǒng)計(jì)量仍然漸進(jìn)分布t分布。因此，在Stata中利用robust選項(xiàng)可以得到異方差穩(wěn)健估計(jì)量。約束回歸定義約束條件constraintdefinen條件約束回歸語句Cnsreg被解釋變量解釋變量,constraints(條件編號(hào))約束回歸例一：打開productionconsdef1lnl+lnk=1cnsreglnylnllnk,c
2、(1)例二：sysuseauto,clearconsdef1price=weightconsdef2displacement=weightconsdef3gear_ratio=-foreigncnsregmpgpriceweightdisplacementgear_ratioforeignlength,c(1-3)(本題沒有什么經(jīng)濟(jì)意義，只是讓大家熟悉這種方法)矩陣運(yùn)算1、手動(dòng)建立矩陣命令：matrixMatrixinput矩陣變量名=（矩陣）同一行元素用，分隔不同行元素用分割建立矩陣：3685117
3、21816顯示矩陣變量matdir顯示矩陣內(nèi)容Matlist矩陣變量常用矩陣運(yùn)算：C=A+BA-BA*BKronecker乘積：C=A#B常用矩陣函數(shù)：trace(m1)m1的跡Diag(v1)向量的對(duì)角矩陣inv(m1)m1的逆矩陣2、還可以將變量轉(zhuǎn)換為矩陣mkmat變量名表，mat(矩陣名)練習(xí)：sysuseautoregpricempgweightforeign要求：利用矩陣運(yùn)算手動(dòng)計(jì)算出參數(shù)gencons=1mkmatprice,mat(y)mkmatmpgweightforeigncons,m
4、at(X)matb=inv(X'*X)*X'*ymatlistbmatlistymatlistX我們可以利用矩陣運(yùn)算的方法將回歸結(jié)果展現(xiàn)的所有統(tǒng)計(jì)量都手動(dòng)計(jì)算出來。大家有興趣回去做一遍，可以加深你對(duì)這些知識(shí)的理解。逐步回歸法逐步回歸法分為逐步剔除和逐步加入。逐步剔除又分為逐步剔除(Backwardselection)和逐步分層剔除(Backwardhierarchicalselection)1、逐步剔除stepwise,pr(顯著性水平):回歸方程例如：對(duì)auto數(shù)據(jù)Stepwise,pr(0.05):
5、regpricempgrep78headroomtrunkweightlengthturndisplacementgear_ratioforeign2、逐個(gè)分層剔除Stepwise,pr(0.05)hier:regpricempgrep78headroomtrunkweightlengthturndisplacementgear_ratioforeign去掉foreign重新做一遍逐步加入又分為逐步加入(Forwardselection)和逐步分層加入(Forwardhierarchicalselect
6、ion)1、逐步加入stepwise,pe(顯著性水平):回歸方程例如：對(duì)auto數(shù)據(jù)Stepwise,pe(0.05):regpricempgrep78headroomtrunkweightlengthturndisplacementgear_ratioforeign2、逐個(gè)分層加入Stepwise,pe(0.05)hier:regpricempgrep78headroomtrunkweightlengthturndisplacementgear_ratioforeign殘差點(diǎn)的圖形表示rvfplot
7、：殘差擬合值圖可以加參數(shù)yline(0)將e與?y畫在一起rvpplotx1:殘差預(yù)測值圖將e與x1畫在一起avplotavplotslvr2plot離群樣本點(diǎn)與杠桿樣本點(diǎn)離群樣本點(diǎn)：殘差值較大的樣本點(diǎn)杠桿樣本點(diǎn)：與樣本整體(X'X)很不相同的少數(shù)樣本點(diǎn)離群樣本點(diǎn)：regpricempgweightforeignpredicte,reslistmakepricee杠桿樣本點(diǎn)：regpricempgweightforeignpredictlev,leveragelvr2plotlvr2plot,mlabe
8、l(make)作業(yè)1考察工資方程（數(shù)據(jù)文件：cps78-85.dta）Log(wage)=Xb+uX中包括educ=教育、exper=工齡、exper2=工齡平方、tenure=現(xiàn)有崗位的任期、female=性別（女=1）、y85=85年、y85educ=交叉積、y85fem=交叉積。1、建立回歸模型2、給出各參數(shù)的99%置信區(qū)間3、檢驗(yàn)H1：educ、tenure對(duì)工資影響相同、H2：教育對(duì)收入沒有影響4、預(yù)測擬合值和殘差5、觀測離群值和
