运用Stata做计量经济学.doc

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STATA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

3、建立模型
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

5、修正模型
（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)
t的临界概率（边际概率）ttail(df,ttest)

常用模型回归系数的意义
线性模型：边际效应

线性-对数模型：自变量的相对变化引起因变量的绝对变化

对数-线性模型：自变量的绝对变化引起因变量的相对变化

双对数模型：弹性系数

差分模型：短期边际效应

自变量x比上期增加一个单位，平均来说因变量y比上期增加了个单位。无常数项。

7、整理
在results窗口审视整个估计过程，尤其注意出错的地方
关闭日志文件：log close
生成do文件：（1）记录和再现建模分析过程
（2）为分析类似项目提供借鉴
操作：（1）在回顾窗口选择命令并复制
（2）点击do-file Editor，或打开一个已存在的do文件
（3）将复制的命令粘贴在do文件中
（4）编辑已执行过的命令，包括增加注释
（5）调试do文件
（6）保存