0、display invttail(20,0.025)
（20的t 分布5%水平的临界值）
造价员考试科目display e(r2_a)
tabulate id,gen(id)
generate t=_n-1+tm(1978m1)
format %tm t
generate x=20+5*uniform()
tst t （将数据声明为时间序列）
merge 1:m id using time_var.dta
sort id exper
1、分块回归：u wage1.dta,clear
regress lwage exper
predict lwagestar,resid
regress educ exper
富爸爸 穷爸爸predict educstar,resid
regress lwagestar educstar,noconstant
reg lwage educ exper
drop in 429/l 头428个数注意是小写的L
R 2=1−
SSE SST
， R 2̅̅̅̅=1−n −1n −k （1−R 2）
比较估计结果：regress lnG lnPG
est store SIMPLE
quietly regress lnG lnPG lnY
est store RIGHT
estimates table SIMPLE RIGHT
方差协方差矩阵：matrix list e(V)
多重共线性的判断：
（1）简单相关系数，0.8以上有问题
（2）回归的F 值大但系数T 值不显著
（3）方差膨胀因子：VIF =1
(1−R K )（一般认为超过5就存在问题）
（4）X’X 的条件数，超过20有问题
例：insheet using TableF4-2.csv,clear
regress employ year price gnp armed in 1/15
est store subsample
regress employ year price gnp armed
est store fullsample
ssc install estout
estout subsample fullsample ,cells(b)
*注意估计系数的差异。
*使用VIF 判断多重共线性
estat vif
*观察相关系数
2016年9月3日
correlat year price gnp armed
*观察t和F值
*使用条件数判断
ssc install coldiag2
coldiag2
2、reg price mpg weight,level(99)（99%的置信区间，默认95%）
t=
b k (b k)
display invFtail(3,199,0.05)（F分布）
约束最小拟合损失：
insheet using tablef5-3.csv,clear
generate lnY=log(valueadd)
……（变量生成省略）
*无约束回归
regress lnY lnL lnK lnLsq lnKsq lnLXlnK
estimates store TransLog
matlist e(V)
scalar r2=e(r2)
scalar e2=e(rss)
*约束回归
regress lnY lnL lnK
estimates store CobbDouglas
matlist e(V)
scalar r2_r=e(r2)
scalar e2_r=e(rss)
ssc install estout
estout TransLog -CobbDouglas,cells(b(star) (par)) -stats(rss rm r2 r2_a N) -collabels(none)（b值，即系数加星号；标准误在括号里）
*F-statistic.使用残差平方和和r2，结果相同
display " F(3,21) = " ((e2_r-e2)/3)/(e2/(27-6))
display " F(3,21) = " ((r2-r2_r)/3)/((1-r2)/21)
display "5% critical value is " invFtail(3,21,0.05)
F(J，n−K)=(R ur2−R r2)
J
(1−R ur2)
n−K
⁄
R ur2有约束回归
*还是使用test 命令更加方便，因为只需要一个无约束回归就可以了quietly regress lnY lnL lnK lnLsq lnKsq lnLXlnK
test lnLsq=lnKsq=lnLXlnK=0
*---规模报酬不变
*TransLog
test (lnL+lnK=1) (lnLsq+lnKsq+2*lnLXlnK=0)
*Cobb-Douglas
quietly regress lnY lnL lnK
test lnL+lnK=1
LM检验：生活大爆炸第三季21
数据接上面，检验b4=b5=b6=0
regress lnY lnL lnK //估计受约束回归
predict e,resid
regress e lnL lnK lnLsq lnKsq lnLXlnK
display "LM statistics = " e(N)*e(r2) //LM=n*R2
display invchi2tail(3,0.05)
J检验步骤：
（1）获得模型A的拟合值=AFit
（2）获得模型B的拟合值=Bfit
（3）如果A正确，在复合模型（A，BFit）中，Bfit不显著；如果B正确，在复合模型（B，AFit）中，AFit 不显著
（4）缺陷：可能同时拒绝或接受
using tablef5-2.csv,clear
frustratedgenerate time=_n-41
format %tq time //时间变量
tst time
generate C=realcons
generate Y=realdpi
*H0:Ct=b1+b2*Yt+b3*Y[t-1]
*H1:Ct=r1+r2*Yt+r3*C[t-1]
global x0 Y L.Y
global x1 Y L.C
*分别回归获得拟合值
regress C $x0
predict H0Fit
regress C $x1
predict H1Fit
*将拟合值再加入原回归
regress C $x0 H1Fit
est store H0
regress C $x1 H0Fit
est store H1
ssc install estout
estout H0 H1,cells(b(star) t(par)) collabels(none)
*注意nnest的使用方法与Baum教材上的不一样
expendablesssc install nnest
regress C Y L.Y
nnest Y L.C
非线性假设检验：
lnCt=alpha+beta*lnYt+gamma*lnCt-1
Long-run MPC:delta=beta/(1-gamma)
H0:delta=1
Insheet using tablef5-2.csv,clear
generate time=_n-1
tst time
generate lnC=log(realcons)
generate lnY=log(realdpi)
regress lnC lnY L.lnC //OLS 估计结果
matrix b=e(b)'
matrix b=e(b)'
matrix v=e(V)
matrix V=v[1..2,1..2] //提取协方差矩阵
scalar g1=1/(1-b[2,1])
scalar g2=b[1,1]/(1-b[2,1])^2
matrix g=(g1,g2)
matrix W=g*V*g'
//The Variance of Long-Run MPC
scalar =sqrt(W[1,1])
display "The t-statistic is " (MPC-1)/
testnl _b[lnY]/(1-_b[L.lnC])=1
*该约束可以表示成线性约束
test lnY+L.lnC=1
3、regress lwage age agesq educ kids
半对数方程，虚拟变量系数×100表示%变化。
display "有小孩的影响 " 100*(exp(_b[kids])-1)
*后面计算边际效应时可以如下进行：
regress lwage age c.age#c.age educ kids
margins ,dydx(age) at(age=(20(5)40))
keep if !missing(wage+race+union) 丢掉包含缺失值的观测值
固定效应模型：
insheet using tablef6-1.csv,clear
tabulate i,gen(F) //根据取值生成虚拟变量F1-F6
tabulate t,gen(D) //根据取值生成虚拟变量D1-D15fek
drop D15 F6 //删除每一组的一个虚拟变量避免共线性
*1)Full Model
regress lnC lnQ lnQsq lnP LF D* F*
scalar rss0=e(rss)
*2)Time effects only
regress lnC lnQ lnQsq lnP LF D*
scalar rss1=e(rss)
意大利留学中介
北京会计培训学校di "F[5,66] = " ((rss1-rss0)/5)/(rss0/66)
*3)Firm effects only
regress lnC lnQ lnQsq lnP LF F*
()10100.35101log log 0.35
1,100.
1=100e 1Kids Kids Kids Kids Kids Kids wage wage wage wage wage wage ====−==⎛⎫⨯− ⎪⎝⎭
−=−⎛⎫⨯−⨯− ⎪⎝⎭工资差异的比例表示为：100根据估计结果：
两边求指数，并减去乘以100
scalar rss2=e(rss)
display "F[14,66] = " ((rss2-rss0)/(14))/(rss0/66)
display "5% -level critical value of F[14,66] is " invFtail(14,66,.05)
*4)No effects
regress lnC lnQ lnQsq lnP LF
scalar rss3=e(rss)
display "F[19,66] = "((rss3-rss0)/(19))/(rss0/66)
工资与教育程度：
（1）generate HS= (educ<=12)
label variable HS "High School"
generate Col=(educ>12 & educ<=16)
label variable Col "College graduation"
generate Grad=(educ>16)
label variable Grad "Graduate degree"
regress lwage Col Grad ability exper motheduc fatheduc bhome siblings
est store M1
或者三个学历，不带常数项(M2)
regress lwage HS Col Grad ability exper motheduc fatheduc bhome siblings,noconstant est store M2
（2）另外一种构造虚拟变量的方法(M3)
generate Col2 = (educ>12)怪哉翻译
generate Grad2=(educ>16)
regress lwage Col2 Grad2 ability exper motheduc fatheduc bhome siblings
est store M3
estimates table M1 M2 M3,stats(b)
交互项:KT数据
regress lwage educ ability exper motheduc fatheduc bhome siblings c.educ#c.ability margins ,dydx(educ) atmeans
ðy
=β2+β8Ability
ðeduc
*边际效应，注意等于系数
margins ,dydx(*)
*弹性：在均值处
margins,eyex(*) atmeans
4、vce(robust) （稳健标准误）
异方差的检验：
keep if avgexp>0generate incomesq=income^2
*1.White's Test
regress avgexp age ownrent income incomesq
ssc install whitetst whitetst
*2. Breusch–Pagan Test:
regress avgexp age ownrent income incomesq
*使用estat hettest 命令，注意其选项对应于不同情形
*1.estat hettest，对因变量的拟合值进行检验
*2.estat hettest,rhs 对所有解释变量进行检验
*3.estat hettest varlist,iid 去除正态性假设的nR2得分检验
