STATA实用学习笔记

北京科技大学STATA应用学习摘录

第一章STATA的基本操作一、设置内存容setmem500m,perm显示输入内容Display1Display“clive”显示数据集结构describeDescribe/d编辑editEdit重命名变量Renamevar1var2显示数据集内容list/browseListin1Listin2/10数据导入:数据文件是文本类型（.csv）insheet:.insheetusing“C:\DocumentsandSettings\Administrator\桌面\ST9007\dataset\Fees1.csv”,clear内存为空时才可以导入数据集，否则会出现（youmuststartwithanemptydataset）清空内存中的所有变量：.drop_all导入语句后加入“clear”命令。保存文件save“C:\DocumentsandSettings\Administrator\桌面\ST9007\dataset\Fees1.dta”save“C:\DocumentsandSettings\Administrator\桌面\ST9007\dataset\Fees1.dta”,replace打开及退出已存文件use1、.Use文件路径及文件名,clear2、.Drop_all/.exit记录命令和输出结果（log）开始建立记录文件：logusing"J:\phd\output.log",replace暂停记录文件：logoff重新打开记录文件：logon关闭记录文件：logclose十一、创建和保存程序文件：（doedit,do）打开程序编辑窗口：doedit写入命令保存文件，.do.运行命令：.do程序文件路径及文件名十二、多个数据集合并为一个数据集（变量和结构相同）纵向合并appendinsheetusing"J:\phd\Fees1.csv",clearsave"J:\phd\Fees1.dta",replaceinsheetusing"J:\phd\Fees2.csv",clearappendusing"J:\phd\Fees1.dta"save"J:\phd\Fees1.dta",replace十三、横向合并，在原数据集基础上加上另外的变量merge1、insheetusing"J:\phd\Fees1.csv",clearsortcompanyidyearendsave"J:\phd\Fees1.dta",replacedescribeinsheetusing"J:\phd\Fees6.csv",clearsortcompanyidyearendmergecompanyidyearendusing"J:\phd\Fees1.dta"save"J:\phd\Fees1.dta",replacedescribe2、_merge==1obs.Frommasterdata_merge==2obs.Fromusingdata_merge==3obs.Frombothmasterandusingdata十四、帮助文件：help1、.Helpdescribe十五、描述性统计量1、summarizeincorporationyear单个summarizeincorporationyear-big6连续多个summarize_allorsimplysummarize所有2、更详细的统计量summarizeincorporationyear,detail3、centilecentileauditfees,centile(0(10)100)centileauditfees,centile(0(5)100)4、tabulate不同类型变量的频数和比例tabulatecompanytypetabulatecompanytypebig6,column按列计算百分比tabulatecompanytypebig6,row按行计算百分比tabcompanytypebig6ifcompanytype<=3,rowcol同时按行列和条件计算百分比5、计算满足条件观测的个数countifbig6==1countifbig6==0|big6==16、按离散变量排序，对连续变量计算描述性统计量：（1）bycompanytype,sort:summarizeauditfees,detail（2）sortcompanytypeBycompanytype:summarizeauditees十六、转换变量1、按公司类型将公开发行股票公司赋值为1，其他为0genlisted=0replacelisted=1ifcompanytype==2replacelisted=1ifcompanytype==3replacelisted=1ifcompanytype==5replacelisted=.ifcompanytype==.十七、产生新变量genGeneratenewvar=表达式十八、数据类型1、数值型StoragetypeBytesMinMaxbyte1-127+100int2-32,767+32,740long4-2,147,483,6472,147,483,620float4-1.70141173319*10381.70141173319*1036double8-8.9884656743*103078.9884656743*103082、字符型StoragetypeBytesMaxlength(characters)str111str222…

str8080803、新建变量的过程中定义数据类型genstr3gender="male"listgenderin1/104、变量所占字节过长dropgendergenstr30gender="male"browsedescribegendercompressgender5、日期数据类型：%ddates,whichisacountofthenumberofdayselapsedsinceJanuary1,1960。（1）date(日期变量)genfye=date(yearend,"MDY")MDY应根据前面日期的排列顺序而定，结果显示的是距离1960年1月1日的天数listyearendfyein1/10（2）日期格式化%d（显示fye变量为日期形式，但数值并未真正变动）：formatfye%dlistyearendfyein1/10sumfye（3）利用日期天数求对应的年、月、日genyear=year(fye)genmonth=month(fye)genday=day(fye)listyearendfyeyearmonthdayin1/10（4）将三个分别表示年、月、日的变量合并为一个日期变量dropfyegenfye=mdy(month,day,year)formatfye%dlistyearendfyein1/10(5)将一个数值型的时间数据（20080131）转变为ST可识别的时间数据genyear=int(date/10000)genmonth=int((date-year*10000)/100)genday=date-year*10000-month*100listdateyearmonthdayin1/10genedate=mdy(month,day,year)formatedate%dlistedatedatein1/10十九、存贮统计量的内部变量R（）sumauditfeesgenmeanadjaf=auditfees-r(mean)listmeanadjafin1/10SUM命令后常见的几种R（）值r(N)Numberofcasesr(sd)Standarddeviationr(sum_w)Sumofweightsr(min)Minimumr(mean)Arithmeticmeanr(max)Maximumr(var)Variancer(sum)Sumofvariable显示这些变量值的命令sumauditfees,detailreturnlist二十、recode命令（PPT61）1、产生有多个值的变量的哑变量recoderecodeyear(min/1999=0)(2000/max=1),gen(yeardum)min/1999表示小于等于1999的值全部赋值为02000/max表示大于等于2000的值全部赋为1。2、对一个连续变量按一定值分为不同间隔的组recodegenassets_categ=recode(totalassets,100,500,1000,5000,20000,100000,1000000)。分组的值为每组的上限，包含该值。sortassets_categbyassets_categ:sumtotalassetsassets_categ对一个连续变量按一定值分为相同间隔的组autocodeautocode(variablename,#ofintervals,minvalue,maxvalue)forexample:genassets_categ=autocode(totalassets,10,0,10000)4、对一个连续变量按每组样本数相同进行分组：xtilextileassets_categ=totalassets,nquantiles(10)每组样本不一定完全相同二十一、一次性计算同一变量不同组别的均值：egen命令按公司类型先排序，再计算每一类型公司审计费用的均值并赋值给新变量：bycompanytype,sort:egenmeanaf2=mean(auditfees)count()mean()median()sum()二十二、_n和_N命令显示每个观测的序号并显示总观测数sortcompanyidfyecapturedropxgenx=_ncapturedropygeny=_Nlistcompanyidfyexyin1/302、分组显示每个组中变量的序号和每组总的样本数capturedropxysortcompanyidfyebycompanyid:genx=_nbycompanyid:geny=_Nlistcompanyidfyexyin1/303、创建新变量等于每个分组中变量的第一个值或最后一个值sortcompanyidfyebycompanyid:genauditfees_first=auditfees[1]bycompanyid:genauditfees_last=auditfees[_N]listcompanyidfyeauditfeesauditfees_firstauditfees_lastin1/304、创建新变量等于滞后一期或滞后两期的值sortcompanyidfyebycompanyid:genauditfees_lag1=auditfees[_n-1]bycompanyid:genauditfees_lag2=auditfees[_n-2]listcompanyidfyeauditfeesauditfees_lag1auditfees_lag2in1/30二十三、转变数据集结构：reshape不同数据库的数据集结构不同：长型是指同一公司不同年度数据在不同的行。宽型数据是指同一数据不同年度数据在现一行。二者间的转换可通过reshape命令来实现。需要注意的是，在转换过程中对数据集是有要求的，一个公司只能有一个年度数据，否则会出错。1、长型转换为宽型：reshapewideyearendincorporationyearcompanytypesalesauditfeesnonauditfeescurrentassetscurrentliabilitiestotalassetsbig6fye,i(companyid)j(year)2、宽型转换为长型：reshapelongyearendincorporationyearcompanytypesalesauditfeesnonauditfeescurrentassetscurrentliabilitiestotalassetsbig6fye,i(companyid)j(year)3、第二次转换时命令可简化：reshapewidereshapelong二十四、计算CAR的例子：已知股票日回报率，市场回报率，事件日，计算窗口期为三天的CAR。1、定义三天的窗口期：sorttickeredategenwindow=0ifeventdate<.（事件日为0）replacewindow=-1ifwindow[_n+1]==0&ticker==ticker[_n+1]replacewindow=1ifwindow[_n-1]==0&ticker==ticker[_n-1]2、计算AR和CARgenar=ret-vwretdgencar=ar+ar[_n-1]+ar[_n+1]ifwindow==0&ticker==ticker[_n+1]&ticker==ticker[_n-1]3、检验listtickeredateretvwretdarcarwindowifwindow<.二十五、means的T检验：1、检验总体上big6的审计收费有无显著不同use"J:\phd\Fees.dta",cleargenlnaf=ln(auditfees)bybig6,sort:sumlnaftestlnaf,by(big6)2、分年度比较big6的审计收费有无显著不同,加入byyear命令。genfye=date(yearend,"MDY")formatfye%dgenyear=year(fye)sortyearbyyear:ttestlnaf,by(big6)3、均值等于特定值得的T检验：sumlnafttestlnaf=2.1二十六、meadian的显著性检验：1、获取中位数的命令：bybig6,sort:sumlnaf,detailbybig6,sort:centilelnaf2、中位数检验：medianlnaf,by(big6)ranksumlnaf,by(big6)二十七、列联表检验：1、创建列联表的命令：tabulatecompanytypebig6,row第一个变量是表的最左侧一列的项目，第二个变量是表的第一行的项目。2、两变量之间的相关性检验：chi2tabulatecompanytypebig6,chi2row3、相关矩阵：pwcorrlnafbig6yearlisted4、列出相关矩阵并进行符号检验pwcorrlnafbig6yearlisted,sig5、在矩阵中列出观测数pwcorrlnafbig6listedifyear==2000,sigobs二十八、创建一个不包含缺失值的数据集1、无缺失值的变量值为1，至少有一个的为0gensamp=1iflnaf<.&big6<.&year<.&listed<.2、缺失值的变量值表示同一行中缺失值的个数egenmiss=rmiss(lnafbig6yearlisted)summiss,detail二十九、图形1、直方图histogramincorporationyear,width(1)histogramincorporationyear,bin(147)width表示分一小份的宽度。bin表示分成的份数。改变宽度值可以使图像看起来更合适。选择起始点和间隔宽度：histlnafiflnaf>=0&lnaf<=5,width(0.25)选择描述横轴和纵轴的单位和数据标识：histlnafiflnaf>=0&lnaf<=5,width(0.25)xlabel(0(0.5)5)是否与正态分布一致：histlnafiflnaf>=0&lnaf<=5,width(0.25)normal2、散点图（scatter）scatterlnaflnta第一个变量是纵轴，第二个变量是横轴。twoway(scatterlnaflnta,msize(tiny))(lfitlnaflnta)在散点图上加入最适合的一条直线。三十、缩尾处理winsor.winsorrev,gen(wrev)p(0.01)0.01代表去掉的百分数。Winsorrev,gen(wrev)h(5),5代表去掉的个数

第二章线性回归内容简介：2.1Thebasicideaunderlyinglinearregression2.2SinglevariableOLS2.3Correctlyinterpretingthecoefficients2.4Examiningtheresiduals2.5Multipleregression2.6Heteroskedasticity2.7Correlatederrors2.8Multicollinearity2.9Outlyingobservations2.10Medianregression2.11“Looping”2.1Thebasicideaunderlyinglinearregression1．残差F为真实值，为预测值，ε为残差。OLS回归就是使残差最小。2.基本一元回归regressyx3．回归结果的保存回归结果的系数保存在_b[varname]内存变量中，常数项的系数保存在(_cons)内存变量中。4、预测值及残差predictyhatpredictyres,residyres即为真实值得与预测值之差。5、残差与X的散点图twoway(scattery_resx)(lfity_resx)6、衡量估计系数准确程度：标准误差。用样本的标准偏差与系数之间的关系来衡量即T值（用系数除以标准差），同时P值是根据T值的分布计算出来的，表示系数落入标准对应上下限的可能性。前提是残差符合以下假设：同方差：Homoscedasticity(i.e.,theresidualshaveaconstantvariance)独立不相关：Non-correlation(i.e.,theresidualsarenotcorrelatedwitheachother)正态分布：Normality(i.e.,theresidualsarenormallydistributed)7、回归结果包含的一些内容的意思各变差的自由度：FortheESS,df=k-1wherek=numberofregressioncoefficients(df=2–1)FortheRSS,df=n–kwheren=numberofobservations(=11-2)FortheTSS,df=n-1(=11–1)MS：变差除以自由度：Thelastcolumn(MS)reportstheESS,RSSandTSSdividedbytheirrespectivedegreesoffreedomR平方：TheR-squared=ESS/TSS调整的R平方：AdjR-squared=1-(1-R2)(n-1)/(n-k)，消除了加入相关度不高解释变量后R平方增加的不足。RootMSE=squarerootofRSS/n-k：模型的平均解释能力TheF-statistic=(ESS/k-1)/(RSS/n-k)：模型的总解释能力2.3Correctlyinterpretingthecoefficients1、假如想检验big6的审计费用在公开发行和非公开发行公司之间的区别时，可用交互变量。Big6*listed.2、变量回归系数的解释(1)对连续变量系数的解释：估计系数的经济意义是指X对Y的影响，可以有不同的方法来衡量：一种是用X从25%变动到75%时Y的变动量。或X变动一个标准差时Y的变动。regauditfeestotalassetssumtotalassetsifauditfees<.,detailgenfees_low=_b[_cons]+_b[totalassets]*r(p25)genfees_high=_b[_cons]+_b[totalassets]*r(p75)sumfees_lowfees_high（2）对非连续变量的解释一般使用0和1，而不是百分比。reglnafbig6genfees_nb6=exp(_b[_cons])genfees_b6=exp(_b[_cons]+_b[big6])sumfees_nb6fees_b62.4Examiningtheresiduals1、报告结果时，不仅用R平方来衡量显著性，而且需要报告其他统计结果：istheresignificantheteroscedasticity?isthereanypatterntotheresiduals?arethereanyproblemsofoutliers?2、R2的使用：Gu(2007)pointsoutthat:econometriciansconsiderR2valuestoberelativelyunimportant(accountingresearchersputfartoomuchemphasisonthemagnitudeoftheR2)regressionR2sshouldnotbecomparedacrossdifferentsamplesincontrastthereisalargeaccountingliteraturethatusesR2stodeterminewhetherthevaluerelevanceofaccountinginformationhaschangedovertime。 TheR2tellsusnothingaboutwhetherourhypothesisaboutthedeterminantsofYiscorrect.3、适当使用resid来评估模型的优劣。2.5Multipleregression1、判断模型中有无忽略相关解释变量：theorypriorempiricalstudies检验残差和所预测的值之间是否独立：genlisted=0replacelisted=1ifcompanytype==2|companytype==3|companytype==5reglnaflntabig6listedpredictlnaf_hat（求预测值，因变量的估计值）predictlnaf_res,resid（将残差赋值给变量lnaf_res）twoway(scatterlnaf_reslnaf_hat)(lfitlnaf_reslnaf_hat)(检验残差和预测值之间是否相关)3、另一种命令可以实现以上功能：reglnaflntabig6listedrvfplot2.6Heteroscedasticity(hettest)异方差性1、检验方差齐性的方法：回归后使用hettest命令：regauditfeesnonauditfeestotalassetsbig6listedhettest方差齐性不会使系数有偏，但会使使系数的标准差有偏。产生的原因有可能是数据本身有界限，产生高的偏度。一些方差不齐可以通过取对数消除。当发现不齐性时使用Huber/White/sandwichestimator对标准差进行调整。STATA可以在回归时加上robust来实现。regauditfeesnonauditfeestotalassetsbig6listed,robust加robust后的回归系数相同，但标准差不同，T值变小，P值变大，F值变小，R2不变。2.7Correlatederrors(自变量相关)1、Theresidualsofagivenfirmarecorrelatedacrossyears(“timeseriesdependence”)，面板数据（Inpaneldata）,同一公司不可观测的特性对不同年度都会产生一定的影响，这时就会使数据不独立。therearelikelytobeunobservedcompany-specificcharacteristicsthatarerelativelyconstantovertime2、标准差会下偏，Thisproblemcanbeavoidedbyadjustingthestandarderrorsfortheclusteringofyearlyobservationsacrossagivencompany3、消除变量相关问题：在回归中加入robustcluster()reglnaflntabig6listed,robustcluster(companyid)4、如何验证同一公司不同年度数据的残差的相关性reglnaflntapredictres,residkeepcompanyidyearressortcompanyidyeardropifcompanyid==companyid[_n-1]&year==year[_n-1]reshapewideres,i(companyid)j(year)browsepwcorrres1998-res20025、在使用面板数据时应注意：只用robust控制heteroscedasticity，而未用cluster()控制time-seriesdependence，T统计量也会上偏。如果heteroscedasticity也未控制，T统计量会上偏更严重。因此在使用面板数据时应加入robustcluster()option,otherwiseyour“significant”resultsfrompooledregressionsmaybespurious.2.8Multicollinearity1、什么情况下会产生多重共线性Wehaveseenthatwhenthereisperfectcollinearitybetweenindependentvariables,STATAwillhavetoexcludeoneofthem.Forexample,year_1+year_2+year_3+year_4+year_5=1reglnafyear_1year_2year_3year_4year_5,noconsSTATAautomaticallythrowsawayoneoftheyeardummiessothatthemodelcanbeestimatedEveniftheindependentvariablesarenotperfectlycollinear,therecanstillbeaproblemiftheyarehighlycorrelated2、后果：thestandarderrorsofthecoefficientstobelarge(i.e.,thecoefficientsarenotestimatedprecisely)thecoefficientestimatescanbehighlyunstable3、衡量方法：Variance-inflationfactors(VIF)可用来衡量是否存在多重共线性。reglnaflntabig6lnta1vifreglnaflntabig6vif多重共线性的严重程度：如果为10时可判断为高，为20时可判断为非常高。2.9Outlyingobservations1、异常值的衡量Cook’sDWecancalculatetheinfluenceofeachobservationontheestimatedcoefficientsusingCook’sDValuesofCook’sDthatarehigherthan4/Nareconsideredlarge,whereNisthenumberofobservationsusedintheregression2、异常值的计算reglnaflntabig6predictcook,cooksd（将cooksd的值赋给cook）sumcook,detailgenmax=4/e(N)(求max,e(N)是回归过程中的内部已知变量)countifcook>max&cook<.去掉异常值后重新回归reglnaflntabig6ifcook<=max5、用winsorize方法消除异常值:其缺点是Adisadvantagewith“winsorizing”isthattheresearcherisassumingthatoutlierslieonlyattheextremesofthevariable’sdistribution。winsorlnaf,gen(wlnaf)p(0.01)winsorlnta,gen(wlnta)p(0.01)sumlnafwlnaflntawlnta,detailregwlnafwlntabig62.10Medianregression1、中位数回归是当存在异常值问题时使用。2、原理：OLS估计是尽量使残差平方和最小：中位数回归是尽量使thesumoftheabsoluteresiduals最小。回归方法：STATA将中位数回归看作是quantileregressions的一个特例。qreglnaflntabig62.11“Looping”1、当多次用到一个命令集时，我们可以建立一个程序集，以program开头，以forvalues引导的内容，以end结束。使用时只须输入程序名“ten”即可执行程序中的一引起命令集。Example:programten forvaluesi=1(1)10{ display`i' }end2、修改命令集：须首先删除内存中的命令集：captureprogramdropten然后重新编写。例子：利用JONES模型计算操控性应计。use"J:\phd\accruals.dta",cleargenone_sic=int(sic/1000)genncca=current_assets-cashgenndcl=current_liabilities-debt_in_current_liabilitiessortcikyeargench_ncca=ncca-ncca[_n-1]ifcik==cik[_n-1]gench_ndcl=ndcl-ndcl[_n-1]ifcik==cik[_n-1]genaccruals=(ch_ncca-ch_ndcl)/assets[_n-1]ifcik==cik[_n-1]genlag_assets=assets[_n-1]ifcik==cik[_n-1]genppe_scaled=ppe/assets[_n-1]ifcik==cik[_n-1]genchsales_scaled=(sales-sales[_n-1])/assets[_n-1]ifcik==cik[_n-1]genab_acc=.captureprogramdropab_accprogramab_accforvaluesi=0(1)9{captureregaccrualslag_assetsppe_scaledchsales_scaledifone_sic==`i'capturepredictab_acc`i'ifone_sic==`i',residreplaceab_acc=ab_acc`i'ifone_sic==`i'capturedropab_acc`i'}endab_acc

第三章因变量为非连续性变量时的回归分析内容简介：3.1WhynotOLS?3.2Thebasicideaunderlyinglogitmodels3.3Estimatinglogitmodels3.4Multinomialmodels3.5Ordinaldependentvariables3.6Countdatamodels3.7Tobitmodelsandintervalregression3.8Durationmodels3.1WhynotOLS?twostatisticalproblemsifweuseOLSwhenthedependentvariableiscategorical:ThepredictedvaluescanbenegativeorgreaterthanoneThestandarderrorsarebiasedbecausetheresidualsareheteroscedastic.InsteadofOLS,wecanusealogitmodel3.2Thebasicideaunderlyinglogitmodels1、Weneedtocreateavariablethat:将离散型的因变量转变为符合OLS的形式。hasaninfiniterange,reflectsthelikelihoodofchoosingabig6auditorversusanon-big6auditor.2、“oddsration”可实现上面的两项要求：log(oddsration)具体例子：第一列为big6的可能性，第二列和第三列为优势比率，第四列为取自然对数后的值。4、L和P之间的转换关系。5、似然函数：使用最大似然法估计（maximumlikelihood”estimation）6、回归命令logit和logisticlogitreportsthevaluesoftheestimatedcoefficientslogisticreportstheoddsratios一般报告系数估计所以使用logit。7、模型的解释能力参数：pseudo-R2和Chi2pseudo-R2=(ln(L0)-ln(LN))/ln(L0)=(-175224+146215)/-175224ln(L0)是第一个回归值，ln(LN)是最后一个回归值。Chi2=-2(ln(L0)-ln(LN))=-2*(-175224+146215)=580183.3Estimatinglogitmodels1、回归模型logitbig6lntaage,robustcluster(companyid)加入robust命令是为了纠正异方差，加入cluster()是为了纠正相关性错误。2、预测因变量的可能性logitbig6lntaage,robustcluster(companyid)dropbig6hatpredictbig6hatsumbig6hat,detail用此命令产生的预测值为以下公式：另一种产生预测因变量可能性的方法：genbig6hat2=exp(big6hat1)/(1+exp(big6hat1))sumbig6hatbig6hat1big6hat23、产生预测因变量的值：genbig6hat1=_b[_cons]+_b[lnta]*lnta+_b[age]*agesumbig6hat1,detail另一种方法是predictbig6hat1,xb计算自变量变动对因变量可能性的影响：logitbig6lntaage,robustcluster(companyid)genbig10=exp(_b[_cons]+_b[lnta]*lnta+_b[age]*10)/(1+(exp(_b[_cons]+_b[lnta]*lnta+_b[age]*10)))genbig20=exp(_b[_cons]+_b[lnta]*lnta+_b[age]*20)/(1+(exp(_b[_cons]+_b[lnta]*lnta+_b[age]*20)))sumbig10big205、检验因变量与自变量之间单调性的方法：xtilelnta_categ=lnta,nquantiles(10)tabulatelnta_categ,gen(lnta_)logitbig6lnta_2-lnta_10age,robustcluster(companyid)6、另一种估计方法probitLogit把P（Y=1）转换成0-1之间的数据，数据服从对数分布Probit把P（Y=1）转换成0-1之间的数据，数据服从正态分布。似然函数为Thecoefficientstendtobelargerinprobitmodelsbutthelevelsofstatisticalsignificanceareoftensimilar例子：capturedropbig6hatbig6hat1logitbig6lntaage,robustcluster(companyid)predictbig6hatprobitbig6lntaage,robustcluster(companyid)predictbig6hat1pwcorrbig6hatbig6hat13.4Multinomialmodels（多项式模型）1、适用情况：因变量分为三个或以上分类，而且分类不排序，每一个分类都有1和0两个变量。如果用logit模型分别回归，将使回归后合计的可能性不等于1。将公司类型分为三类gencotype1=0ifcompanytype==1|companytype==6replacecotype1=1ifcompanytype==4replacecotype1=2ifcompanytype==2|companytype==3|companytype==5将每类变量分为两种情况genprivate=0replaceprivate=1ifcotype1==0genpublic_nontraded=0replacepublic_nontraded=1ifcotype1==1genpublic_traded=0replacepublic_traded=1ifcotype1==2用logit模型分单个变量进行回归logitprivatelnta,robustcluster(companyid)predictprivate_hatlogitpublic_nontradedlnta,robustcluster(companyid)predictpublic_nontraded_hatlogitpublic_tradedlnta,robustcluster(companyid)predictpublic_traded_hat合计的可能性不等于1gensum_prob=private_hat+public_nontraded_hat+public_traded_hatsumsum_prob,detail2、多于2个分类时的因变量回归：mprobit或mlogitMprobit时间长Mlogit时间短mprobitcotype1lnta,robustcluster(companyid)mlogitcotype1lnta,robustcluster(companyid)回归后直接检验回归系数是否相等：test[1=2]:lntatest[1=2]:_cons以上回归时在三类中选择系统默认的类别作为对比组，也可以人为设置对比组。mlogitcotype1lnta,baseoutcome(1)robustcluster(companyid)3.5Ordinaldependentvariables1、因变量排序模型回归适用情况：Moregenerally,theordereddependentvariablemaytakeNpossiblevalues(Y=1,2,…,N)inwhichcasethereareN-1cut-offpoints:L=a0+a1X1+a2X2+eY=NifkN-1<L<+Y=N-1ifkN-2<LkN-1...Y=2ifk1<Lk2Y=1if-<Lk12、排序模型回归ologitologitopinionreviewed_firm_also_reviewerlitigation_dummy,robustologitopinion1reviewed_firm_also_reviewerlitigation_dummy,robust以上两模型回归的结果相同，虽然因变量的值不一样，但排序的大小顺序一样。3、回归的结果：回归的结果是cut值：Thesearethecut-offvalueskN-1,kN-2,...,k2,k1Y=NifkN-1<L<+Y=N-1ifkN-2<LkN-1....etc.Y=2ifk1<Lk2Y=1if-<Lk1Anotherdifferenceisthatthereisnointercepttermintheorderedlogitandorderedprobitmodels.4、排序数据的另一种回归方法：oprobitoprobitopinionreviewed_firm_also_reviewerlitigation_dummy,robustNoticethattheologitandoprobitresultsarequiteclosetoeachotherusuallyitdoesn’tmakemuchdifferencewhetheryouuseorderedlogitororderedprobit.3.6Countdatamodels1、适用情况：计数模型适用于因变量是非负的离散数，且数据有实际的意义。比如：considerthenumberoffinancialanalyststhatfollowagivencompanyifthecompanyisnotfollowedbyanyanalysts,Y=0ifthecompanyisfollowedbyoneanalyst,Y=1ifthecompanyisfollowedbytwoanalysts,Y=2ifthecompanyisfollowedbytwoanalysts,Y=3此种数据无法使用OLS回归，因为因变量无法满足数据是在负无穷到正无穷之间，因为只能取非负数，同时要求因变量是连续变量，而计数模型的因变量是离散的。2、适用的回归模型Twodistributionsthatfulfillthecriteriaofhavingnon-negativediscreteintegervaluesarethe“Poisson”andthe“negativebinomial”.thenegativebinomial(nbreg)thePoisson(poisson)3、实际中计数模型的例子：ThenumberofR&DpatentsawardedThenumberofairlineaccidentsThenumberofmurdersThenumberoftimesthatmainlandChinesepeoplehavevisitedSingaporeThenumberofweaknessesfoundbypeerreviewersatauditfirms4、模型的选择：（1）POISSON模型：ThePoissondistributionismostoftenusedtodeterminetheprobabilityofxoccurrencesperunitoftime。E.g.,thenumberofmurdersperyearThebasicassumptionsofthePoissondistributionareasfollows:ThetimeintervalcanbedividedintosmallsubintervalssuchthattheprobabilityofanoccurrenceineachsubintervalisverysmallTheprobabilityofanoccurrenceineachsubintervalremainsconstantovertimeTheprobabilityoftwoormoreoccurrencesineachsubintervalmustbesmallenoughtobeignoredAnoccurrenceornonoccurrenceinonesubintervalmustnotaffecttheoccurrenceornonoccurrenceinanyothersubinterval(thisistheindependenceassumption).满足条件下的例子：TheprobabilityofamurderoccurringduringanygivenminuteissmallTheprobabilityofamurderoccurringduringanygivenminuteremainsconstantduringtheyearTheprobabilityofmorethanonepersonbeingmurderedduringanygivenminuteisverysmallThenumberofmurdersinanygiventimeperiodisindependentofthenumberofmurdersinanyothertimeperiod.参数的估计：TheonlyparameterneededtocharacterizethePoissondistributionisthemeanrateatwhicheventsoccur。“incidencerate”，Forexample,canbetheaveragenumberofmurderspermonthortheaveragenumberofanalystspercompanyPOISSON分布的概率函数：如果已知每月的犯罪数为2，求每月有3起犯罪的概率。模型特点：模型只有一个参数λ，发生率可用右式估计。命令：controlforheteroscedasticityusingtherobustoptionpoissonweaknessesreviewed_firm_also_reviewerlitigation_dummy,robustpaneldataset(itisn’t)youwouldalsoneedtocontrolfortime-seriesdependenceusingthecluster()option缺点：Unobservedheterogeneityinthedata(e.g.,omittedvariables)willoftencausethevariancetoexceedthemean(aphenomenonknownas“overdispersion”).回归后检验：回归后马上用poisgof命令，检验是否显著，如显著则无法使用，而须使用Thenegativebinomial，该模型无须assumethatthemeanandvarianceofthedistributionarethesame（2）thenegativebinomial模型：nbregweaknessesreviewed_firm_also_reviewerlitigation_dummy,robust（cluster()）回归结果的α显著，说明POISSON模型不适用。3.7Tobitandintervalregressionmodels1、适用的数据类型：censoring(ortruncation)ofthedependentvariable.当观众数大于座位数时，观测不到。2、选择模型：Thecensoringproblemcanbesolvedbyestimatinga“tobit”modelThetobitmodelissomewhatsimilar:Y*=a0+a1X+eY=0if-<Y*0Y=Y*if0<Y*<+TheY*andYvariablesarebothobservedwhentheyaregreaterthanzero(Y*isunobservedwhenY=0)Boththeprobitandtobitmodelsassumethattheerrors(e)arenormallydistributed.3、例子：Recallthatinourfeedataset,thenonauditfeesvariableisleft-censoredatzerobecausemanycompanieschoosenottopurchaseanynon-auditservices。ThisphenomenonislikesomeindividualschoosingnottopurchaseanycigaretteswhenthepriceexceedsP0genlnta=ln(totalassets)egenmiss=rmiss(lnnaflnta)(当lnnaflnta为miss时，miss为1)tobitlnnaflntaifmiss==0,ll(0)（ll(数字)表示左边截取的数据，ul(数字)表示右边截取的数字。）tobitlnnaflntaifmiss==0,ll（此命令与上命令功能相同）回归完成后可以用命令显示有多少数据censoried.countifmiss==0&lnnaf==0countifmiss==0&lnnaf>04、当左右两边均截取以后，也可使用tobit模型genlnnaf1=lnnafreplacelnnaf1=5iflnnaf>5&lnnaf!=.tobitlnnaf1lntaifmiss==0,ll(0)ul(5)tobitlnnaf1lntaifmiss==0,llul(如果截取数字是样本中的最大和最小值不用列出，系统会自动选取)。tobitlnnaflntaifmiss==0,llul(5)robustcluster(companyid)（控制异方差和时间序列不独立）3.8Durationmodels（生存模型）1、适用数据：因变量测试某一事件持续的时间。例如：Durationoflife(medical,engineering)howlongdopeoplelivefor?howlongdomachineslast?Durationofunemployment(economics)howlongdopeopleremainunemployed?forexample,wemaybeinterestedinhowretrainingschemesaffectthedurationofunemploymentDurationofCEOtenure(management)howlongdoestheCEOstayatthesamecompany?Durationofauditor-companytenure(accounting)howlongdothecompanyandauditfirmstaytogether?2、度量变量：The“hazardrate”,h(t),istheprobabilitythattheeventwilloccurinperiodt,giventhatithasnotoccurreduptotimet.3、使用命令stsettimevaruse"J:\phd\kva.dta",clearliststsetfailtime该语句产生四个内部变量：显示变量：listfailtime_st_d_t_t0The_stvariableisadummyequaltooneforobservationswhosedatahasbeenstset(e.g.,therewouldhavebeensomezerovaluesifwehadexcludedsomeobservationsusingtheifqualifier)The_dvariable是否改变状态The_tvariable生存时间The_t0variable生存起始点，默认为04、用Coxproportionalhazardsmodel估计命令：stcoxstcoxloadbearings（loadbearings两个变量是影响生命的两个因素）Thereportedhazardratiosaretheexponentialsofthecoefficients.Thehazardratioforload=1.52647=exp(a1)wherea1isthecoefficientonloada1=ln(1.52647)=0.4229578Thecoefficientonbearings=ln(0.0636433)=-2.754461Theloadcoefficientissignificantlypositiveimplyingthatthemachinesfailmorequickly(higherhazardrate)whentheyareundergreaterstressThebearingscoefficientissignificantlynegativeimplyingthatthemachinesfaillessquickly(lowerhazardrate)whentheyusethenew-typeofbearing.如果想让系统报告系数而不是H（T）系数，可使用以下命令stcoxloadbearings,nohr解决ties问题的模型之一：breslowTheBreslowmethodisveryfastandisthedefaultmethodthatSTATAusesforresolvingties.如果生存时间相同时，就形成一个ties.命令集：stcoxloadbearings,breslowstcoxloadbearings,efron解决ties问题的模型之二：efron该方法比上一个方法更准确，但用时较长。将两个同样的死亡时间各分0.5的可能性。当存在censoring时，即并不是所且有的样本都死亡时，需要在命令中加选项。stsetfailtime,failure(failed)ThefailtimevariablegivesthetimeoffailureorcensoringThefailedvariableindicateswhetherfailureorcensoringoccurredSTATAassumescensoringiffailedequalszeroorissettomissing以上均是处理一个事件只占一行的情况，当事件某一特性改变时，就需要多行来描述。这时需要在告诉系统以下数据为生存数据的命令中加入选项，事件代码stsett,id(patid)failure(died)当Left-censoringoccurs，这时需在说明生存命令中加入开始时间变量stsetend,id(id)failure(died)enter(begin)当中间部分时间的数据缺失时的处理：需要说明死亡时间、变量标识，死亡标识，开始时间。stsetend,id(id)failure(died)enter(begin)为消除heteroscedasticityandtime-seriesdependence，可以在回归命令的最后加上robust和cluster().stcoxx1,robustcluster(id)小结：根据因变量的类型选择不同的回归模型Dependentvariable(Y)ExamplesEstimationmethod(s)STATAcommandContinuous(-<Y<+)LogofauditfeesStockreturnsCostofcapitalOLSQuantileregressionregressqregBinary(Y=0,1)Listed/NotlistedBig6/Non-Big6auditorProbitLogitprobitlogitDiscreteandunordered(Y=0,1,2,..)Methodoftransport(train,bus,car,bicycle)Typeofcompany(private,publicunquoted,quoted)MultinomiallogitMultinomialprobitmlogitmprobitDiscreteandordered(Y=0,1,2,..)Typeofpeerreviewreport(adverse,modified,unmodified)OrderedprobitOrderedlogitoprobitologitDependentvariable(Y)ExamplesEstimationmethod(s)STATAcommandDiscretecountdata(Y=0,1,2,…)NumberofweaknessesdisclosedinpeerreviewreportPoissonNegativebinomialpoissonnbregContinuousbutcensored(kLY<kH)Non-auditfeesFootballattendanceTobittobitDurationdata(oftencensored)kLY<kHDurationofunemploymentCEOtenureCompanysurvivalCoxproportionalhazardsstcox

第四章面板数据主要内容：4.1Thebasicidea4.2Linearregression4.3Logitandprobitmodels4.4Othermodels4.1Thebasicidea1、面