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

1

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

2

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

3

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

4

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

5

（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

6

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

7

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)

8

常用模型回归系数的意义

线性模型：边际效应

dydx

yi01xi^^^

1^线性-对数模型：自变量的相对变化引起因变量的绝对变化

dydxx

yi01lnxi^^^1^

对数-线性模型：自变量的绝对变化引起因变量的相对变化

dy^y^^^1lnyi01xidx

双对数模型：弹性系数

dy^y1dx^^^lnyi01lnxix

差分模型：短期边际效应

yx

yi1xi^^

1^ 9

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1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

10