reg3, 多元回归, 面板数据, 方差分析, 异方差和自相关检验和修正的Stata程序Handbo

reg3, 多元回归, 面板数据, 方差分析, 异方差和自相关检验和修正的Stata程序Handbo

欢迎投稿(荐稿)计量经济圈,计量相关都行

邮箱:econometrics666@sina.cn

Copyright@计量经济圈(ID: econometrics666)

reg3, 多元回归, 面板数据, 方差分析, 异方差和自相关检验和修正的Stata程序Handbo

静态面板回归,异方差和自相关检验和修正,一元(多元)方差分析,多元回归分析和reg3使用,遗漏变量检验的RESET。计量经济圈有点简单直接,那就是在对某个理论进行了讲解之后,直接上相关的分析思路和操作步骤。以后想要更多学习相关Stata操作的,请先进入咱们的计量社群,直接简单地给你do文件让你作为研究的模板。

静态面板数据(Panel Data)--------------------------------
基本回归:
xtreg y x1 x2,re
est store re
xtreg y x1 x2,fe
est store fe
hausman re fe //如果hausman检验的结果为显著,则采用固定效应(fe)模型,不显著,则选取随机效应(re)模型

**随机效应的检验:
xtreg y x1 x2,re
xttest0
xttest1 //xttest1是xttest0的扩展,若这xttest0的结果为显著,则采用随机效应(re)模型

**固定效应模型,可采用广义最小二乘法(gls)进行估算,也可采用固定效应方程(fe):
xtserial y x1 x2 //xtserial用于检验固定效应模型中的一阶序列自相关,可通用于xtgls和fe之前
xtgls y x1 x2
xttest2 //xttest2用于检验不同厂商的相似性,若显著则各厂家的截面相似,可通用于xtgls和fe之后
xttest3 //xttest3用于检验固定效应模型中的异方差问题,若显著则有异方差,可通用于xtgls和fe之后

异方差相关问题---------------------------------------------
获得稳健性标准误:
reg y x1 x2 x3 if c1==1 //当分类变量c1=1时,进行y和诸x的回归
reg y x1 x2 x3,robust //回归后显示各个自变量的异方差-稳健性标准误
estat vif //回归之后获得VIF
estat hettest,mtest //异方差检验

异方差检验----------
Breusch-pagan法:
reg y x1 x2 x3
predict u,resid
gen usq=u^2
reg usq x1 x2 x3

display R/(1-R)*n2/n1 //n1,n2为*度
display Ftail(……) //求F值

display R*n //n表示总样本量
display chi2tail(……) //求LM值

**white法:
reg y x1 x2 x3
predict u,resid
gen usq=u^2
predict y
gen ysq=y^2
reg usq y ysq

display R/(1-R)*n2/n1 //n1,n2为*度
display Ftail(……) //求F值

display R*n //n表示总样本量
display chi2tail(……) //求LM值

**F值和LM值转换为P值的命令:
display Ftail(n1,n2,a) //a为F值
display chi2tail(n3,b) //n3表示*度的损失量,一般等于n1,b为LM值

异方差的纠正——WLS(weighted least square estimator)---------------
基本思路:
reg y x1 x2 x3 [aw=x1] //将x1作为异方差的来源,对方程进行修正
reg y/(x1^0.5) 1/(x1^0.5) x1/(x1^0.5) x2/(x1^0.5) x3/(x1^0.5),noconstant //与上式是相同的

**纠正异方差,通过构造h值
reg y x1 x2 x3
predict u,resid
gen usq=u^2
gen logusq=log(usq)
reg logusq x1 x2 x3
predict g
gen h=exp(g)
reg y x1 x2 x3 [aw=1/h]

**异方差hausman检验:
reg y x1 x2 x3
est store A //将上述回归结果储存到A中
reg y x1 x2 x3 [aw=1/h]
est store B
hausman A B

时间序列回归的自相关检验:
回归元严格外生时AR(1)序列相关的检验:
reg y x1 x2
predict u,resid
gen u_1=u[_n-1]
reg u u_1,noconstant //回归之后,u_1的序数如果不异于零,则该序列不相关

**用DW检验序列相关:
tsset year //对时间序列回归中代表时间的变量进行定义
reg y x1 x2
dwstat //求出时间序列回归的DW值
durbina //对该回归是否具有序列相关进行检验,H0为无序列相关,可根据chi2值求出P值
durbina,small //small可以根据F值求出P值,以代替chi2值
durbina,force //让检验能在robust、neway之后进行
durbina,small lag(1/10) //lag可以求出更高阶滞后的序列相关,如本例中可求出1到10阶的序列相关
durbina,robust lag(1/10) //robust可进行异方差—稳健性回归,避免未知形式的异方差
bgodfrey //利用Breusch-Godfrey test求出高阶序列相关
bgodfrey,small lag(1/10)

方差分析----------------------------------------------
一元方差分析
anova y g1 / g1|g2 //g表示不同分类变量,计算g1和交互项/ g1|g2 /这两种分类的y值是否存在组内差异
anova y d1 d2 d1
d2//d表示虚拟变量,计算d1、d2和d1d2的这三种分类的y值是否有组内差异
anova y d1 d2 x1 d2x1, continuous(x1) //x表示连续的控制变量

*多元方差分析
webuse jaw
manova y1 y2 y3 = gender fracture gender
fracture //按性别、是否骨折及二者的交互项对y1、y2和y3进行方差分析
manova y1 = gender fracture gender*fracture //相当于一元方差分析,以y1为因变量

webuse nobetween
gen mycons = 1
manova test1 test2 test3 = mycons, noconstant
mat c = (1,0,-1 \ 0,1,-1)
manovatest mycons, ytransform(c)

进行多元回归的方法---------------------------------
方法一
foreach vname in y1 y2 y3 { //确定y变量组vname
reg `vname' x1 x2 x3 //将y变量组中的各个变量与诸x变量进行回归分析,注意vname的标点符号
}

**方法二
mvreg y1 y2 y3 = x1 x2 x3 //

reg3命令--------------------------------------------
(1)简单用法:
reg3 (y1 = x1 x2 x3) (y2 = x1 x3 x4) (y3 = x1 x2 x5)

test [y1] //测试y1 coefs = 0

test [y1=y2=y3], common //测试不同回归中相同变量的系数:
test ([y1=y2]) ([y1=y3]), common constant(constant表示包含截距项)

**(2)用reg3进行2SLS:
reg3 (y1 = y2 x1 x2) (y2 = y1 x4),2sls

**(3)用reg3进行OLS:
reg3 (y1 = y2 x1 x2) (y2 = y1 x4),ols

**(4)对两个回归结果进行hausman检验:
reg3 (y1=x1 x2 x3)(y2=y1 x4),2sls
est store twosls

reg3 (y1=x1 x2 x3)(y2=y1 x4),ols
est store ols

hausman twosls ols,equations(1:1)//对两次回归中的方程1,即“y1=x1 x2 x3”进行hausman检验
hausman twosls ols,equations(2:2)//对两次回归中的方程2,即“y2=y1 x4”进行hausman检验
hausman twosls ols,alleqs//对所有方程一起进行检验

**RESET检验遗漏变量:
reg y x1 x2 x3
estat ovtest

上一篇:实验二


下一篇:路径规划 - A*算法及其优化