224 0

Stats 命令 [分享]

  • 0關注
  • 0粉絲

學前班

70%

還不是VIP/貴賓

-

威望
0
論壇幣
10 個
通用積分
0
學術水平
0 點
熱心指數
0 點
信用等級
0 點
經驗
40 點
帖子
2
精華
0
在線時間
3 小時
注冊時間
2019-9-25
最后登錄
2019-10-13

樓主
山外小樓聽雨聲 發表于 2019-10-12 14:34:54 來自手機 |只看作者 |倒序
1.一些回歸檢驗<br>
首先在命令窗口:ssc install regcheck<br>
然后輸入regcheck
2.使用全局暫元<br>
例如:<br>
sysuse auto,clear<br>
reg price weight length turn displacement<br>
reg price mpg length turn displacement<br>
reg price rep78 length turn displacement<br>
可改寫為<br>
global controlvar="length turn displacement"<br>
reg price weight $controlvar<br>
reg price mpg $controlvar<br>
reg price rep78 $controlvar
3.輸出到word<br>
需要在command窗口輸入ssc install outreg2<br>
sysuse auto,clear<br>
global controlvar="length turndisplacement"<br>
reg price weight $controlvar<br>
est store m1<br>
reg price mpg $controlvar<br>
est store m2<br>
reg price rep78 $controlvar<br>
est store m3<br>
outreg2 [m1 m2 m3] using result.doc<br>
shellout using “result.doc”
4.逐步回歸法<br>
Stepwise<br>
    <br>
Backward selection<br>
        . stepwise, pr(.2): regress mpg weight weight2 displ gear turn headroom foreign price
Backward selection; consider engine displacement and gear ratio together<br>
. stepwise, pr(.2): regress mpg weight weight2 (displ gear) turn headroom foreign price<br>
    Backward selection; force weight to be included in model<br>
        . stepwise, pr(.2) lockterm1: regress mpg weight weight2 displ gear turn headroom foreign price<br>
    Backward selection; force weight and weight2 to be included in model<br>
        . stepwise, pr(.2) lockterm1: regress mpg (weight weight2) displ gear turn headroom foreign price<br>
    Backward hierarchical selection<br>
        . stepwise, pr(.2) hierarchical: regress mpg weight weight2 displ gear turn headroom foreign<br>
    Forward selection<br>
        . stepwise, pe(.2): regress mpg weight weight2 displ gear turn headroom foreign price<br>
    Forward hierarchical selection<br>
        . stepwise, pe(.2) hierarchical: regress mpg weight weight2 displ gear turn headroom foreign price
5.        關于異方差檢驗<br>
(1)White檢驗<br>
同方差性是經典線性回歸模型中的一個重要假定。如果這一假定不成立,也就是說隨機誤差項的方差不相等,我們稱這種情況為異方差。出現異方差最常見的原因是誤差項的條件方差與解釋變量相關。因此,我們檢驗異方差的基本思路就是判斷誤差項的條件方差是否與解釋變量相關。1980年White提出了檢驗異方差的方法——懷特檢驗(White Test),這一檢驗方法是通過建立輔助回歸模型來判斷異方差性,下文中我們會詳細介紹其原理。懷特檢驗的優點是不依賴隨機誤差項服從正態分布這一假設,在計量分析中有廣泛的應用。
A) White的手工檢驗方法<br>
reg lnwage edu exp<br>
predict u, residual<br>
gen usq=u^2<br>
gen edusq=edu^2<br>
gen expsq=exp^2<br>
gen eduexp=edu*exp <br>
reg usq  edu  exp edusq_expsq eduexp<br>
B)使用懷特檢驗的命令whitetst。但是stata沒有該命令程序文件ado file,可以上網搜索下載whitetst.ado,然后安裝到stata軟件的ado目錄下,也可以輸入下面的命令:<br>
ssc copy whitetst.ado<br>
安裝好后,直接在命令窗口輸入whitetst即可。<br>
B) 使用命令estat imtest,white<br>
(2)BP檢驗: estat hettest,iid<br>
(3)圖示法檢驗: <br>
rvfplot(殘差與擬合值的散點圖)<br>
rvpplot(殘差與解釋變量的的散點圖
(4)異方差修正:<br>
WLS法:reg lnwage edu exp[aw=edu]<br>
采用穩健標準誤:<br>
reg lnwage edu exp
reg lnwage edu exp,robust<br><br><br>
關鍵詞:stats Displacement Hierarchical Selection placement

您需要登錄后才可以回帖 登錄 | 我要注冊

京ICP備16021002-2號 京B2-20170662號 京公網安備 11010802022788號 論壇法律顧問:王進律師 知識產權保護聲明   免責及隱私聲明

GMT+8, 2019-11-3 00:57
FUN88电竞