stata建模中的各种小问题

1、保存估计结果的命令：eststore名称使用保存结果的命令：，estimates（名称）如果你把那个显示你用过的命令的窗口：窗口操作：WindowsReview如果你把那个显示变量的窗口：窗口操作：WindowsVariables时间序列填充和扩展时间区间：命令：tsappend,add（n）增加n个观测值窗口操作：在上面找dataedit即像一个表格一样的图标点开即可编辑数据时间序列存在间断点问题，需要补齐处理：命令：tsfill信息准则赤池信息准则（AIC）判断判断模型的最大滞后阶数STATA命令:先回归estatic如何看AIC统计量：Breusch-Pagan,Cook-Weisber

2、g异方差检验STATA命令:1. 先回归estathettestvarlist或者在StatisticsPostestimation（倒数第二个）ReportsandStatistics（倒数第二个）在里面选择（hettest）如何看统计量：White异方差检验：STATA命令:2. 先回归estatimtest,whitevarlist或者在StatisticsPostestimation（倒数第二个）ReportsandStatistics（倒数第二个）在里面选择（imtest）如何看统计量：Ramsey回归设定误差检验：STATA命令:1. 先回归estatovtest或者在Statis

3、ticsPostestimation（倒数第二个）ReportsandStatistics（倒数第二个）在里面选择（ovtest）如何看统计量：多重共线性方差膨胀因子检验：1. 先回归estatvif,uncentered或者在StatisticsPostestimation（倒数第二个）ReportsandStatistics（倒数第二个）在里面选择（vif）如何看统计量：一般的当最大的方差膨胀因子超过10（相对保守的临界值定位30）后者平均方差膨胀因子超过1表示模型存在多重共线性的问题。Uncentered用于当模型没有常数项时的未中心化的方差膨胀因子。多重共线性的其他侦查方法：R2值高而

4、显着的t比率小：多重共线性的经典”征兆克里安经验法则：仅当来自一个辅助回归的R2大于得自Y对全部回归元中的总R2时,多重共线性才算是一个麻烦的问题。做拟合图(前提是先回归)STATA命令:1. 解释变量对成分残差图一一用于考察模型形式是否设定准确。cprplot被解释变量acprplot被解释变量增加变量图一一用于考察数据是否存在异常值avplotd被解释变量拟合值对残差图的散点图一一用于考察残差是否满足经典的假设条件rvfplot解释变量对残差的散点图rvpplot被解释变量STAT阁丁数据的储存与重现est命令的用法：(1)储存回归结果：stdp表示样本内预测的标准差stdr表示样本外预测

5、的标准差regyx1x2x3（不限于reg,也可储存ivreg、mvreg、reg3）eststoreA(2)重现回归结果:estreplayA(3)对回归结果进行进一步分析estforA:sum(对A回归结果中的各个变量运行sum命令)在非时间序列的数据的情况下，异方差的修正一一用GLS具体的方法如下：quietlyregressyx做回归predictu,residual取残差predictyf,xb(xb表示拟合值)将拟合值取出放到genlnu2=ln(uA2)将残差做平方且取对数的处理genyf2=yfA2(将yf这个拟合值同上面的残差做相同的处理yf里quietlyregressln

6、u2yfyf2对处理过的残差对拟合值以及处理过的拟合值做回归predictnlu2f=exp(xb()再将回归后的拟合值取出并作对数处理放到u2f里gensd=sqrt(u2f)将u2f做平方处理然后，利用vwls进行加权估计predictnl表示模型估计后的非线性预测，比如指数预测xb表示线性预测exp表示指数预测pr表示概率预测vwlsyx,sd(sd)GLS也可以通过regress命令中的weight选项来实现。el(mat,i,j)矩阵的第i行第j列存在自相关的修正一一用广义差分自相关的修正一一用广义差分具体的方法如下：一阶自相关的修正praisyx,rhotype(regress)p

7、raisyx,corerhotype(regress)高阶自相关的修正一一以二阶自回归为例quietlyregressD.yx对被解释变量取差分并且做回归predictu,resid取出残差quietlyregul(2).u,noconstant令u对其二阶滞后期做自回归(无截距)matrixmat=e(b)生成矩阵mat将回归的结果放到矩阵里(如果是更高阶可能有多个自相关系数)genm=d.y-el(mat,1,1)*l(2)d.y对y的一阶差分与y的一阶差分的滞后期与权重的乘积做差分，这个权重就是mat矩阵里的第一行第一列的系数，刚好使我们刚刚回归出来的自相关系数(如果是高阶可能不只做一个

8、差分，会更为复杂)genn=d.x-el(mat,1,1)*l(2)d.x对x进行和y样的处理方法regmn然后令m对n做回归关丁参数约束的模型估计问题(P178张晓崛)STATA命令:cnsreg被解释变量解释变量条件ifinweight,constraints(constraints)options其中constraints(constraints)表示线性约束例如：约束规模报酬不变的估计模型命令如下：constraintdefine1lnk+lnl=1将等于1的线性约束(不可以为不等号)条件定义为1cnsreglnylnklnl,constraints(1)约束为lnk=lnl=0的估计模型：命令如下：constraintdefine2lnklnl等于0的条件可以不写出来cnsreglnylnklnl,constraints(2)约束条件为