苹果/安卓/wp
积分 102, 距离下一级还需 43 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
道具: 匿名卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
无聊签到天数: 125 天连续签到: 2 天[LV.7]常住居民III
我的思路是吧变量A转置后用行的每一项减去A的每一项取绝对值，然后求和···但语句不知道该用什么。目前我的思路是xpose+sum+tempvar 和 tempfile，在反复的试，总是出错
之后还有一些小的问题，希望可以和各位一起讨论下。
以前的数据比较简单，都是拿excell做的，这次原数据就是stata，前期的程序也都在论坛里边学边求组解决了，但现在卡住了，时间比较紧，这里放上我之前的做法，思路就是第一段的，具体如这个表格，最后是把得到的绝对值结果都加起来。
22:42:36 上传
大概就是这么个公式
22:59:05 上传
local obs = r(N)
local sum=0
forvalues i=1/`obs' {
forvalues j=1/`obs' {
local sum = `sum'+abs(x[`i']-x[`j'])
应该就可以了吧
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
本帖被以下文库推荐
& |主题: 416, 订阅: 142
local obs = r(N)
local sum=0
forvalues i=1/`obs' {
& & forvalues j=1/`obs' {
& && &&&local sum = `sum'+abs(x[`i']-x[`j'])
应该就可以了吧
~~我的原数据不支持转置，按excel的逻辑，单个变量从第一项依次减去变量样本里的每一项，直到最后一项，对它们的差取绝对值求和，这样该怎么写呢？
夏目贵志 发表于
local obs = r(N)
local sum=0还是你，我先试试~~
夏目贵志 发表于
local obs = r(N)
local sum=0大神！问个相似的问题
面板数据：行业-年份-其他变量
需要得到同一年度同一行业内& &其他变量的&&所有的&&两两组合的& &&&差额绝对值& & 和& &两两组合中的较小值
最后输出所有两两组合的差额和较小值的excel表格数据
拜托拜托& &着急用！
如果面板数据不能直接进行的话
就全都是一维数据（1xN矩阵）& & 该怎么得到上述的结果
<font color="#_sunny 发表于
大神！问个相似的问题
面板数据：行业-年份-其他变量你好，你后来计算出来了吗？算出来了能不能告诉一下啊
<font color="#_sunny 发表于
大神！问个相似的问题
面板数据：行业-年份-其他变量您好，请问你的问题解决了吗？我也有您同样的需求
icehh 发表于
你好，你后来计算出来了吗？算出来了能不能告诉一下啊您好，请问你的问题解决了吗？我也有您同样的需求
jinlong1835 发表于
您好，请问你的问题解决了吗？我也有您同样的需求建議用 dataex (先 ssc install dataex 并见说明) 将原始 Stata 资料中具有”代表性”的一部分资料列出，以供有意回答者实验之用，并能提供具体操作指令。并请参考
黃河泉 发表于
建議用 dataex (先 ssc install dataex 并见说明) 将原始 Stata 资料中具有”代表性”的一部分资料列出， ...您好，请问一个变量的观测值分别与该变量所属同一年同一行业其他观测值一一做差之后求和怎么实现呀？
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师苹果/安卓/wp
积分 1914, 距离下一级还需 311 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 9 天连续签到: 1 天[LV.3]偶尔看看II
本帖最后由 jdzz 于
14:47 编辑
b由a1 a2 a3三个变量决定，逻辑上再也无其他因素影响，这三个变量是一个因素的三个方面，没有交集，但可能不独立。比如有三种纠纷决定了纠纷造成的损失（若无纠纷则没有损失），想比较各因素贡献率，应该用什么方法？如何用stata实现？
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
回归分析，就是用来分析定量影响的。
比如：有三个变量，y x1 x2。
我想比较x1,x2对y的哪个影响更大一些，直接用线性回归模型就可以分析，如果x1与x2不相关的话，如果你还能找到其它控制变量，那更好，从X3一直到Xn都可以。\[y=\beta_{0} + \beta_{1}X1 + \beta_{2}X2+...+\beta_{n}Xn\]
注意，加入控制变量，很有必要。
做好回归后，比较\[\beta_{1}与\beta_{2}\]的大小，明白系数表示的意义，比如\[\beta_{1}=2,\beta_{2}=3\],
当其它变量保持不变时，X1变动一个单位，对y产生2个单位的变动；而保持其它变量不变时，X2变动一个单位，对y产生3个单位的变动影响。这时，就可以说X2对y的影响比较X1大一些。（这里，应该考虑绝对值及控制变量）
另外一种方法，就是方差分析，不多介绍了，论坛上都有资料。
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 10&
学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
Tomorrow is another day!
本帖最后由 jdzz 于
12:34 编辑 jiangbeilu 发表于
回归分析，就是用来分析定量影响的。
比如：有三个变量，y x1 x2。
我想比较x1,x2对y的哪个影响更大一些， ...谢谢回答，这个不需要考虑回归模型是否符合普通最小二乘法的假设吗？还有，如果有个变量不显著，能否简单说说如何处理？
jdzz 发表于
谢谢回答，这个不需要考虑回归模型是否符合普通最小二乘法的假设吗？还有，如果有个变量不显著，能否简单 ...如果变量不显著的话，代表什么意思呢？
你的前提是这几个变量对y都有显著的影响，如果这个前提不存在了，即影响并不显著，从统计学意义上来说，一个有影响，和另外一个在统计学意义上影响并不显著，这个应该就不需要比较了吧
jiangbeilu 发表于
如果变量不显著的话，代表什么意思呢？
你的前提是这几个变量对y都有显著的影响，如果这个前提不存在了 ...嗯，谢谢。可能我的原题表述错误。应该是这样，b由a1 a2 a3三个变量决定，逻辑上再也无其他因素影响，这三个变量是一个因素的三个方面，没有交集，但可能不独立。比如有三种纠纷决定了纠纷造成的损失（若无纠纷则没有损失），想比较各因素贡献率，应该用什么方法？
jdzz 发表于
嗯，谢谢。可能我的原题表述错误。应该是这样，b由a1 a2 a3三个变量决定，逻辑上再也无其他因素影响，这三 ...方差分析法
jiangbeilu 发表于
方差分析法哦，这样线性回归就不适用了对吧。谢谢
jdzz 发表于
哦，这样线性回归就不适用了对吧。谢谢看你的自变量是什么类型的，如果是因子型的变量，就用方差分析；如果是数值型的，就用回归分析。
如果自变量属于“量纲”上相似的变量就可以使用回归分析中的系数约束回归，看自变量是什么，方差分析应该还是单变量检验，无法分离这三个变量对Y的作用时遗漏变量的影响。
风向我吹 发表于
如果自变量属于“量纲”上相似的变量就可以使用回归分析中的系数约束回归，看自变量是什么，方差分析应该还 ...逻辑上b只能被a1 a2 a3决定，不存在遗漏变量的问题。比如b是纠纷造成的损失，a是纠纷的类型，如果没有a，不可能有b。如果是这种情况，应该如何处理？
初级热心勋章
初级热心勋章
中级热心勋章
中级热心勋章
初级信用勋章
初级信用勋章
初级学术勋章
初级学术勋章
中级信用勋章
中级信用勋章
高级热心勋章
高级热心勋章
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师苹果/安卓/wp
积分 1406, 距离下一级还需 819 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
（VIP/贵宾）二级
（VIP/贵宾）二级
已加入7天, 距下一级还需27天
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板, 匿名卡下一级可获得
权限: 签名中使用图片道具: 显身卡
开心签到天数: 954 天连续签到: 53 天[LV.10]以坛为家III
我看到不止一篇文章是这样处理的，难道不是用动态面板吗？
如：曾刚《金融评论》2011.4 资本充足率变动对银行信贷行为的影响
闫丽瑞《宏观经济研究》2014.5 资本监管对商业银行信贷行为的影响研究
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
固定效应和随机效应究竟怎么判断？
当模型中存在被解释变量滞后项的时候，选择固定效应会出现奇异矩阵的情况，不能选择固定效应进行模型的估计
岳君君 发表于
当模型中存在被解释变量滞后项的时候，选择固定效应会出现奇异矩阵的情况，不能选择固定效应进行模型的估计我说错了。。出现奇异矩阵是因为我的模型中存在虚拟变量
岳君君 发表于
当模型中存在被解释变量滞后项的时候，选择固定效应会出现奇异矩阵的情况，不能选择固定效应进行模型的估计你好，想请教一下，被解释变量存在滞后效应这种情况，如果是多元回归，那么模型应该是什么呢？y xi 后面加一个滞后项吗
Sheila35 发表于
你好，想请教一下，被解释变量存在滞后效应这种情况，如果是多元回归，那么模型应该是什么呢？y xi 后面加 ...y c x y(-1) y(-2)···应该是这种形式的
岳君君 发表于
y c x y(-1) y(-2)···应该是这种形式的请问一下，联立方程里面可以用滞后变量直接回归么？看到有的论文里面用因变量的滞后项做的，不知道是否需要对滞后项做一些调整？
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师stata 笔记常用
我的图书馆
stata 笔记常用
Stata: 输出regression table到word和excel
1. 安装estout。最简单的方式是在stata的指令输入：ssc install estout, replaceEST安装的指导网址是：2.跑你的regression3.写下这行指令esttab using test.rtf，然后就会出现个漂亮的表格给你（WORD文档）。只要再小幅修改，就可以直接用了。这个档案会存在my document\stata下。如果你用打开的是一个stata do file，结果会保存到do文件所在文件夹中。如果要得到excel文件，就把后缀改为.xls或者.csv就可以了4.跑多个其实也不难，只要每跑完一个regression，你把它取个名字存起来：est store m1。m1是你要改的，第一个model所以我叫m1，第二个的话指令就变成est store m2，依次类推。5.运行指令：esttab m1 m2 ... using test.rtf就行了。
异方差的检验：
Breusch-Pagan test in STATA：
其基本命令是：estat hettest var1 var2 var3其中，var1 var2 var3 分别为你认为导致异方差性的几个自变量。是你自己设定的一个
滞后项数量。
同样，如果输出的P-Value 显著小于0.05，则拒绝原假设，即不存在异方差性。
White检验：
其基本命令是在完成基本的OLS 回归之后，输入
imtest， white如果输出的P-Value 显著小于0.05，则拒绝原假设，即不存在异方差性
&处理异方差性问题的方法：
方法一：WLS
&WLS是GLS（一般最小二乘法）的一种，也可以说在异方差情形下的GLS就是WLS。在WLS下，我们设定扰动项的条件方差是某个解释变量子集的函数。之所以被称为加权最小二乘法，是因为这个估计最小化的是残差的加权平方和，而上述函数的倒数恰为其权重。
在stata中实现WLS的方法如下：
reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=变量名]
其中，aweight后面的变量就是权重，是我们设定的函数。
一种经常的设定是假设扰动项的条件方差是所有解释变量的某个线性组合的指数函数。在stata中也可以方便地实现：
首先做标准的OLS回归，并得到残差项；
reg （被解释变量） （解释变量1） （解释变量2）……predict r, resid
生成新变量logusq，并用它对所有解释变量做回归，得到这个回归的拟合值，再对这个拟合值求指数函数；
gen logusq=ln(r^2)reg logusq (解释变量1) （解释变量2）……predict g, xbgen h=exp(g)
最后以h作为权重做WLS回归；
reg （被解释变量） （解释变量1） （解释变量2）…… [aweight=h]
如果我们确切地知道扰动项的协方差矩阵的形式，那么GLS估计是最小方差线性无偏估计，是所有线性估计中最好的。显然它比OLS更有效率。虽然GLS有很多好处，但有一个致命弱点：就是一般而言我们不知道扰动项的协方差矩阵，因而无法保证结果的有效性。
方法二：HC SE
There are 3 kinds of HC SE
（1）Huber-White Robust Standard Errors HC1， 其基本命令是：
reg var1 var2 var3, robust
White（1980）证明了这种方法得到的标准误是渐进可用（asymptotically valid）的。这种方法的优点是简单，而且需要的信息少，在各种情况下都通用。缺点是损失了一些效率。这种方法在我们日常的实证研究中是最经常使用。
（2）MacKinnon-White SE HC2，其基本命令是：
reg var1 var2 var3, hc2
（3）Long-Ervin SE HC3，其基本命令是：
reg var1 var2 var3, hc3
约束条件检验：
如果需要检验两个变量，比如x 与y，之间系
数之间的关系，以检验两者系数相等为例，我们可以直接输入命令：
再如检验两者系数之和等于1，我们可以直接输入命令：
test x+y=1
如果输出结果对应的P-Value 小于0.05，则说明原假设显著不成立，即拒绝原假设。
序列相关性问题的检验与处理&&序列相关性问题的检验：&首先，要保证所用的数据必须为时间序列数据。如果原数据不是时间序列数据，则需要进行必要的处理，最常用的方法就是：&gen n=_n&tsset n&这两个命令的意思是，首先要生成一个时间序列的标志变量n（或者t 也可以）；然后通过tsset 命令将这个数据集定义为依据时间序列标志变量n定义的时间序
列数据。&最直观的检验方式是通过观察残差分布，其基本步骤是在跑完回归之后，直接输入&Predict error, stdp&这样就得到了残差值；然后输入命令：&plot error n&会得到一个error 随n 变化的一个散点图。
D-W检验——对一阶自相关问题的检验：&D-W检验是对一阶自相关问题的常用检验方法，但是如果实际问题中存在高阶序列相关性问题，则不能用这个检验方法。&D-W 检验的命令如下：&首先，输入回归命令，&reg Variable1 Variable2 Variable3…VariableM&输出一个简单的OLS估计结果。然后，再输入命令：
dwstat&这时会输出一个DW& 统计量。通过与临界值之间的比较，可以得出结论。也可以执行如下命令
estat durbinalt&
直接进行Durbin检验。&&Breusch-GodfreyTest in STATA——检验高阶序列相关性：&在得到一个基本回归结果和error 之后，我们假设这样一个关系：&et = α0 + α1 et-1 + α2 et-2 …+ αk et-p + β1 x1t + β2 x2t … +βk xkt +εt&BG& 检验的原假设是：H0& ：& α1 = α2 = … αp =0。&其基本命令是：&bgodfrey , lags(p)&其中p& 是你自己设定的一个滞后项数量。如果输出的p-value 显著小于0.05，则可以拒绝原假设，这就意味着模型存在p& 阶序列相关性；如果输出的p-value 显著大于0.05& 甚至很大，则可以接受原假设，即不存在p& 阶序列相关性。&
处理序列相关性问题的方法——GLS：&常用的几种GLS& 方法：&（1） Cochrane-Orcutt estimator 和Prais-Winsten estimator&其基本命令是&prais var1 var2 var3, corc&（2） Newey-West standard errors&其基本命令是&newey var1 var2 var3, lag(3)&其中，lag（3）意思是对三阶序列相关性问题进行处理；如果需要对p& 阶序列相
关性问题进行处理，则为lag（p）&
t因变量，g,f,c是自变量，_26存放了弟26个观测值，为需要预测的值
reg t g f c if _n!=26
predict taxpredict if _n==26
均值的区间预测
predictnl py=predict(xb),ci(lb ub) l(95)
因变量的区间预测
adjust g= f=24649.95 c=99.9,stdf ci level(95)
Hausman检验是检验内生性的最常用的方法。它是通过比较一致估计量与有效估计量的Wald统计量。命令格式为：
& .hausman name-constistent [name-efficent] [,options]
其中，name-cosistent指一致估计的结果， name-efficent 指有效估计的结果。注意，一致、有效估计量的先后顺序不能改变。
Option选项：
constant& 计算检验统计量将常数也包括在内，默认值为排除常数allegs 利用所有方程进行检验，默认只对第一个方程进行检验skipeqs(eqlist) eqlist只能以方程名称而不能以方程序号表示equation(matchlist) 比较设定的方程。force 即使假设条件不满足仍进行检验df(#) 默认值为一致估计与有效估计的协方差矩阵的差的估计sigmamore 协方差矩阵采用有效估计量的协方差矩阵sigmaless&& 协方差矩阵采用一致估计量的协方差矩阵tconsistent(string)& 一致估计量的标题tefficient(string) 有效估计量的标题
工具变量估计命令格式：.ivregress esitimator depvar [varlist1] [varlist2=varlist_iv] [if] [in] [weight][,options]其中，estimator包括2sls,gmm,liml三种。varlist1为模型中的外生变量，varlist2为模型中的内生变量，varlist_iv为模型中的工具变量。
Nonconstant& 不包括常数项Hascons& 用户自己设定常数项CMM 选项：& wmatrix(wmtype)& robust,cluster clustvar,hac kernel, unadjusted& center& 权数矩阵采用中心矩& igmm 采用迭代GMM估计& eps(#) 参数收敛标准。默认值为eps（le-6）& weps(#)& 权数矩阵的收敛标准。默认值为w eps(le-6)Vce(vcetype) unajusted,robust,cluster clustvar,bootstrap,jackknife,hac kernellevel(#)置信区间First 输出第一阶段的估计结果Small 小样本下的自由度调整
.estat firststage [,all forcenonrobust]
&&&&&&& 该命令给出第一阶段的估计结果以及各种统计量，包括排除外生变量的相关性检验。All选项给出所有的拟合优度统计量。如果模型存在多个内生变量，则stata给出R2、偏R2、调整的R2 、F统计量；如果模型存在多个内生变量，则stata给出Shea偏R2和调整的偏R2。&&&&&& forcenonrobust给出最小特征值统计量及其临界值，即使采用稳健估计（这一检验的假设条件是误差项为独立正态分布）。
estat overid[,lag(#) forceweights forcenonrobust]该命令给出了过度识别约束检验。如果使用2sls估计估计，则Stata给Sargan’s(1958)和Basman’s(1960)卡方统计量，这也是Wooldridge’(1995）稳健得分检验。如果采用liml估计方法，则stata给出Anderson and Rubin’s(1950) 卡方统计量以及Basmann F统计量；如果采用GMM估计，则stata给出hansen’s(1982)J统计量。Lags(#)用于计算得分检验的HAC（异方差自相关一致）统计量的过程中进行去噪时设定滞后阶数。如果设定lag(0),则表示不进行去噪处理。默认选择为lag(1)。这一选择仅使用于2sls估计方法和设定vce(hac)选项情况。Forceweight&&& 表示即使采用aweights,pweights或iweights也进行检验。Stata仅对于fweights的情况进行检验，其他权数所得到临界值可能不准确。
Forcenonrobust& 指在2sls或LIML估计中即使采用稳健标准差也进行Sargan and Basmann检验（这一检验的假设的假设条件是误差项为独立正态分布）。
log(wage)=a+b*educ+c*exper+d*expersq+u
怀疑模型教育（educ）具有内生性问题，利用父母接受教育的年数（fatheduc,motheduc）作educ的工具变量估计上述模型。（1）利用2SLS估计模型.ivregress 2sls lwage exper expersq (educ=fatheduc motheduc),first
第一阶段回归结果为：& educhat=9.1+0.19fatheduc+0.16motheduc+0.05exper&&&&&&&&&&&&& (21.34)&&&& &(5.62)&&&&&& (4.39)&&&&&& (1.12)&&&&&&&& - 0.001expersq&&&&&&&&&&&& (-0.84)第二阶段的估计结果为：&lwagehat=0.05+0.06educ+0.04exper-0.001expersq&&&&&&&&&&&&& (0.12)&&& &(1.95)&&&&& (5.29)&&&&&& (-2.24)
（2）检验educ的内生性.quietly& ivreg& iwage exper expersq {educ=fatheduc motheduc}.est store IV_reg.quietly regress lwage exper expersq educ.est store LS_reg.hausman IV_reg LS_reg可以得到hausman估计量=2.7，P值=0.44。接受原假设，即educ是外生的。
(3)进行过度识别的约束检验.estat overid&可得Sargan统计量=0.38，P值=0.54接受原假设。
&面板数据估计
首先对面板数据进行声明：前面是截面单元，后面是时间标识：tsset company yeartsset industry year产生新的变量：gen newvar=human*lnrd产生滞后变量Gen fiscal(2)=L2.fiscal产生差分变量Gen fiscal(D)=D.fiscal
描述性统计：xtdes ：对Panel Data截面个数、时间跨度的整体描述Xtsum：分组内、组间和样本整体计算各个变量的基本统计量xttab 采用列表的方式显示某个变量的分布
Stata中用于估计面板模型的主要命令：xtregxtreg depvar [varlist] [if exp] , model_type [level(#) ]
Model& type&&&&&&&&&&&&& 模型be&&&&&&&&&&&& Between-effects estimatorfe&&&&&&&&&&&&& Fixed-effects estimatorre&&&&&&&&&&&& GLS Random-effects estimatorpa&&&&&&&&&& GEE population-averaged estimatormle&&&&&&& Maximum-likelihood Random-effects estimator
主要估计方法：xtreg：&& Fixed-, between- and random-effects, and population-averaged linear modelsxtregar：Fixed- and random-effects linear models with an AR(1) disturbancextpcse ：OLS or Prais-Winsten models with panel-corrected standard errorsxtrchh ：Hildreth-Houck random coefficients modelsxtivreg ：Instrumental variables and two-stage least squares for panel-data models
xtabond：Arellano-Bond linear, dynamic panel data estimatorxttobit ：Random-effects tobit modelsxtlogit ： Fixed-effects, random-effects, population-averaged logit modelsxtprobit ：Random-effects and population-averaged probit modelsxtfrontier ：Stochastic frontier models for panel-dataxtrc gdp invest culture edu sci health social admin,beta
xtreg命令的应用：声明面板数据类型：tsset& sheng t描述性统计：xtsum gdp invest sci admin1.固定效应模型估计：xtreg& gdp invest culture sci health admin techno,fe固定效应模型中个体效应和随机干扰项的方差估计值(分别为sigma u 和sigma e），二者之间的相关关系(rho)最后一行给出了检验固定效应是否显著的F 统计量和相应的P 值
2.随机效应模型估计：xtreg& gdp invest culture sci health admin techno,re检验随机效应模型是否优于混合OLS 模型：在进行随机效应回归之后，使用xttest0检验得到的P 值为0.0000，表明随机效应模型优于混合OLS 模型3. 最大似然估计Ml：xtreg& gdp invest culture sci health admin techno,mle
Hausman检验Hausman检验究竟选择固定效应模型还是随机效应模型：第一步：估计固定效应模型，存储结果xtreg& gdp invest culture sci health admin techno,feest store fe第二步：估计随机效应模型，存储结果xtreg& gdp invest culture sci health admin techno,reest store re第三步：进行hausman检验hausman feHausman检验量为：H=(b-B)′[Var(b)-Var(B)]-1(b-B)～x2(k)Hausman统计量服从自由度为k的χ2分布。当H大于一定显著水平的临界值时，我们就认为模型中存在固定效应，从而选用固定效应模型，否则选用随机效应模型如果hausman检验值为负，说明的模型设定有问题，导致Hausman 检验的基本假设得不到满足，遗漏变量的问题，或者某些变量是非平稳等等可以改用hausman检验的其他形式：hausman fe, sigmaless
对于固定效应模型的异方差检验和序列相关检验：Xtserial gdp invest culture sci health admin techno异方差检验：&&& xtreg& gdp invest culture sci health admin techno,fexttest3 (Modified Wald statistic for groupwise heteroskedasticity in fixed effect model)
随机效应模型的序列相关检验：xtreg& gdp invest culture sci health admin techno,reXttest1Xttest1用于检验随机效应(单尾和双尾) 、一阶序列相关以及两者的联合显著检验结果表明存在随机效应和序列相关，而且对随机效应和序列相关的联合检验也非常显著可以使用广义线性模型xtgls对异方差和序列相关进行修正：xtgls& gdp invest culture sci health admin techno, panels(hetero)，修正异方差xtgls& gdp invest culture sci health admin techno, panels(correlated)，修正依横截面而变化的异方差xtgls& gdp invest culture sci health admin techno, panels(hetero) corr(ar1)，修正异方差和一阶序列相关ar(1)
TA的最新馆藏[转]&
喜欢该文的人也喜欢苹果/安卓/wp
积分 91, 距离下一级还需 54 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
道具: 匿名卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
尴尬签到天数: 2 天连续签到: 1 天[LV.1]初来乍到
本帖最后由 蓝色 于
22:41 编辑
计量只学了Wooldridge伍德里奇的导论的前8章。现为完成计量经济学老师的作业需要对一个以一个离散变量（类别选择）为因变量的数据进行分析，详情如下：
因变量： will的取值为1,2,3
自变量：nofinc nofincsq finc fincsq female age pri junhigh senhigh juncoll invest control1 control2
其中，female表示性别（女取1，男取0），pri junhigh senhigh juncoll是表述教育水平的二值变量（0-1），分别表示小学、初中、高中和职高/大专文化
control1和control2是表示是否有管制的二值变量，分别表示中介管制和直接管制
计量分析目标：在控制了 female age pri junhigh senhigh juncoll invest control1 control2等可能影响will的变量之后，讨论分析nofinc nofincsq finc fincsq（分别表示非农收入及其平方，农业收入及其平方）对will的影响
由于因变量是虚拟变量且取3个值，不能用线性概率模型，经指点后知道要用“多项Logit模型”，但是楼主完全不懂这个“多项Logit模型”是要怎么搞。。。。。包括如何在Stata上操作以及如何解读结果等等。
期望得到的解答：
& && & 1、如何在Stata上对上述的数据进行“多项Logit模型”分析？
& && & 2、我在网上看到如果自变量中有虚拟变量需要有所注意，那么在此应该如何操作呢？
& && & 3、如何解读做出来的结果？
我也知道这个问题对各位前辈来说根本不是问题，故小小悬赏80论坛币，期待你的指点！
多值选择模型有logit和probit多值选择模型，Stata中使用多值logit和probit模型的命令语句是：
mlogit y x1 x2 …
[weight] [,options]
(multinomial logit 模型)
mprobit y x1 x2 …
[weight] [,options]
(multinomial probit 模型)
此命令中if和in表示对检测拟合优度时的条件和范围的设定，weight表示对观测值的权重设定，options的内容如下表所示：
§经常使用的命令语句是“mlogit y x1 x2 …，base(#)”或者“mprobit ...
载入中......
多值选择模型有logit和probit多值选择模型，Stata中使用多值logit和probit模型的命令语句是：
mlogit y x1 x2 … [if] [in] [weight] [,options]&&(multinomial logit 模型)
mprobit y x1 x2 …[if] [in] [weight] [,options]&&(multinomial probit 模型)
此命令中if和in表示对检测拟合优度时的条件和范围的设定，weight表示对观测值的权重设定，options的内容如下表所示：
19:44:14 上传
[size=156%]§经常使用的命令语句是“mlogit y x1 x2 …，base(#)”或者“mprobit y x1 x2 …，base(#)”，其中#是指被解释变量的某个取值，其可以根据需要变动此参照组。本实验中，由于logit模型与probit模型操作相似，以多值logit为例进行操作。
[size=156%]§在Stata命令窗口中输入如下命：
[size=156%]§mlogit brand age female, base(1)
[size=156%]§此命令表示以age和female为解释变量，brand为被解释变量，以brand=1为参照组的多值logit模型回归。
本帖最后由 LG-WHU 于
19:19 编辑
补充一问：我的因变量设置是否有问题？（即是不是要把will的赋值改为0,1,2？）
wanslzwh1991 发表于
多值选择模型有logit和probit多值选择模型，Stata中使用多值logit和probit模型的命令语句是：
mlogit y x1 ...谢谢你的回答，不知道前辈可否在以下几个方面再详细解释一下：
1：在我的这个问题中，will的赋值是否有问题？（1,2,3和0,1,2是否有区别？）
2：base(#)具体怎么做？比如说我的例子中，will有三个值，是不是每个值都要base一下？
3：操作结果出来之后怎么解读呢？是不是像线性概率模型那样解释自变量的系数？
4：自变量中有虚拟变量是否不需要引起注意？
本帖最后由 LG-WHU 于
20:11 编辑 wanslzwh1991 发表于
多值选择模型有logit和probit多值选择模型，Stata中使用多值logit和probit模型的命令语句是：
mlogit y x1 ...按照你说的方法，我对数据进行了分析base(1)，结果如下所示
请问该如何解读出来的结果呢？
这里面的Coef.和z统计量是不是可以像OLS回归中的Coef.和t统计量那样解释呢？
(140.06 KB)
20:06:52 上传
20:06:49 上传
LG-WHU 发表于
按照你说的方法，我对数据进行了分析base(1)，结果如下所示
请问该如何解读出来的结果呢？
这里面的Coe ...参照Econometric Analysis of Cross Section and Panel Data，第十五章的解释，非农业收入nofinc增加一个单位，会使状态2与状态1之间的对数发生比减少-0.0080743.这些系数的数值很难给出解释。你可以考虑去计算偏效应或者是概率差异。
热心帮助其他会员
总评分:&学术水平 + 5&
热心指数 + 5&
信用等级 + 5&
wanslzwh1991 发表于
参照Econometric Analysis of Cross Section and Panel Data，第十五章的解释，非农业收入nofinc增加一个 ...谢谢，我明天看会书再向你请教！
wanslzwh1991 发表于
参照Econometric Analysis of Cross Section and Panel Data，第十五章的解释，非农业收入nofinc增加一个 ...考虑了一下，多项Logit模型还是过于复杂了，这两天搞不定，还是转而做线性概率模型罢了
无论如何，感谢你的解答！
该模型对于解释变量有何要求？如果解释变量都为分类变量，会不会出现严重的共线性问题？
新人，表示不懂
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师}