计量经济学Stata软件应用2Stata软件之回归剖析-2次课

计量经济软件应Evaluation

only.ed

with

Aspose.Slides

fo用r

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.——Stata软件实验之一元、多元回归分析内容概要一、实验目的二、简单回归分析的Stata基本命令三、简单回归分Ev析al的uaSttiaoantao软nly件.操作实例ed

with

Aspose.Slides

for

.NET

3.5

Client

Profi四、多Co元py回ri归gh分t

2析00的4-S2S0t1a1tAas基po本se命Pt令y

Ltd.五、多元回归分析的Stata软件操作实例一、实验目的：掌握运用Stata软件进行简单回归分析以及多元回归分析的操作方法和步骤，并能看懂Evaluation

only.ed

SwtiatthtaA软sp件os运e.行Sl结id果es。for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.二、简单回归分析的Stata基本命令简单线性回归模型的一种特殊情况：即假定截距系数 时，该模型被称为过原点回归；过原点回归在实际中有一定的应用，但除非有非常明确的理论分析表明 ，否则不宜轻易使用过原点回归模型。简单线性回归模型(simplelinear

regression

model)指只有一个解释变量的回归模型。如：其中，y

为被解释变量，x

为解释变量，u

为随机误差项，表示除x

之外影响y

的Ev因a素lu；at称io为n斜on率l参y.数或斜率系ed

数wi，th称As为p截os距e参.S数li或d截es距f系o数r

，.N也ET称3为.截5

距Cl项i或en常t数Pr项o。fiCopyright

2004-2011

Aspose

Pty

Ltd.二、简单回归分析的Stata基本命令predict

z的拟合值（即 ）。predict

u,

residual根据最近的回归生成一个新变量

u，其值等于每一个观测的残差（即

）。regress

y

x以y为被解释变量，x为解释变量进行普通最小二乘(OLS)回归。regress命令可简写为横线上方的三个字母reg。regress

yx,

noconEsvtaanlntuation

only.ed

ywi对txh的As回p归os，e不.S包l含i含d截es距f项or(c.onNsEtTan3t.)5，C即l过ie原n点t

回Pr归of。i根据最近C的op回y归ri生g成ht一2个00新4变-2量01z，1，A其s值po等s于e

每Pt一y个L观t观d测.三、简单回归分析的Stata软件操作实例实验1简单回归分析：教育对工资的影响劳动经济学中经常讨论的一个问题是劳动者工资的决定。不难想象，决定工资的因素有很多，例如能力、性别、工作经验教育水平、行业、职业等。在这里仅考虑其中一种因素：教育水平，建立如下计量模型：位为年；u为随机误差项。假定模型(3.1)满足简单回归模型的全部5条基本假定，这样 的OLS估计量 将是最佳线性

无偏估计量。请根据表S-2中给出的数据采用Stata软件完成上述模型的估计等工作。Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

Profi其中，wage

为被解释变量，表示小时工资，单位为元；edu为解释变量Co，p表yr示i受gh教t育20年0限4-，2即01个1人As接p受os教e育P的ty年L数t，d，.单三、简单回归分析的Stata软件操作实例1、打开数据文件。直接双击“工资方程1.dta”文件；或者点击Stata窗口工具栏最左侧的Open键，然后选择“工资方程1.dta”即可；或者先复制Excel表S-2中的数据，再点击Stat窗口工具栏右起第4个EDavtaalEudaittoiro键n，on将l数y.据粘贴到打开的ed

数wi据t编h

辑As窗p口o口s中e.，S然li后d关es闭f该o数r

据.N编E辑T

窗3.口5，C点li击e工nt具P栏r左ofi起第二个CSoapvey键ri保g存ht数2据0，04保-存20时1需1

要As给p数os据e文P件t件y命L名td。.2、给出数据的简要描述。使用describe命令，简写为：des

得到以下运行结果；三、简单回归分析的Stata软件操作实例Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.结果显示“工资方程1.dta”数据文件包含1225个样本和11个变量；11个变量的定义及说明见第3列。三、简单回归分析的Stata软件操作实例第1列：变量名；第3列：均值；

第5列：最小值；第2列：观测数；第4列：标准差；第6列：最大值。3、变量的描述性统计分析。对于定量变量，使用summarize命令：su

age

edu

exp

expsq

wage

lnwage，得到以下运行结果，保存该运行结果；Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.三、简单回归分析的Stata软件操作实例4、wage对edu的OLS回归。使用regress命令：reg

wage

edu，得到以下运行结果，保存该运行结果；即如果受教育年限增加1年，平均来说小时工资会增加0.39元。Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

Profi(1)表下方C区o域p为yr基i本g的h回t归2结0果0果4。-第210列1依1次A为s被po解s释e变P量twyageL，t解d.释变量edu，截距项constant；第2列回归系数的OLS估计值；第3列回归系数的标准误；第4列回归系数的t

统计量值；写出样本回归方程为：三、简单回归分析的Stata软件操作实例根误(Root

MSE， 或

S.E.)

以及其他一些统计量的信息。上述回归分析的菜单操作实现：Statistics→Linear

models

and

relatedLinearregression→弹出对话框，在DependentVariable选项框中选择或键入wage，在Independent

Variables选项框中选择或键入edu→点击OK即可(2)表左上方区域为方差分E析v表a。l第ua2列ti从o上n到o下n依l次y.为回归平方和(SSE)、ed

残wi差t平h方A和s(pSSoRs)和e.总S离l差i平de方s和f(SoSrT)；.N第E3列T列为3自.5由度Cl，i分e别n为tkP=1r，ofin-k-1=1225-1-1=1223，n-1=1225-1=1224；第4列为均方和(MSS)，由各项平方和除以C相o应py的r自i由g度h得t得到2。004-2011

Aspose

Pty

Ltd.(3)表右上方区域给出了样本数(Number

of

obs)、判定系数(R-squared)、调整的判定系数(Adj

R-squared)、F统计量的值、回归方程标准误或均方三、简单回归分析的Stata软件操作实例际样本观测值和拟合值)即对于观测1，小时工资的实际观测值(wage)为2.46，拟合值(z)为

9.10，残差(u)为-6.64。5、生成新变量z

为上一个回归的拟合值，生成新变量u

为上一个回归的残差；然后根据u

对数据进行从小到大的排序，并列出u

最小的5个观测。命令如下：predict

z

(生成拟合值)predict

u,residualE(v生al成u残a差ti)on

only.ed

swoirtthu

A(s根p据osue对.数S据l据i从d小es到大f大o排r序.)NET

3.5

Client

Profilist

wagCeozpuyirni1g/h5t

(2列0出04u-最2小01的15个As观p测o值se以P及t对y应L的td实.三、简单回归分析的Stata软件操作实例6、画出以wage为纵轴，以edu为横轴的散点图，并加入样本回归线。命令如下：graph

twoway

lfit

wage

edu

||

scatter

wage

edu得到以下运行结果，保存该运行结果；Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.三、简单回归分析的Stata软件操作实例对于年龄在30岁及以下的劳动者，增加1年受教育年限使得工资会增加0.41元，略高于针对全体样本的估计值。7、wage对edu的OLS回归，只使用年龄小于或等于30岁的样本。命令如下：reg

wage

edu

if

age<=30得到以下运行结果，保存该运行结果；Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.写出样本回归方程为：三、简单回归分析的Stata软件操作实例8、wage对edu的OLS回归，不包含截距项，即过原点回归。命令如下：reg

wage

edu,

noconstant得到以下运行结果，保存该运行结果；Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.三、简单回归分析的Stata软件操作实例9、取半对数模型。模型(3.1)假定增加1年受教育年限带来相同数量的工资增长；但美国经济学家明瑟(J.Mincer)等人的研究表明，更合理的情况是增加1年受教育年限导致相同百分比的工资增长。这就需要使用半对数模型(对数-水平模型)，即：增加

1

年受教育年限导致收入增长

，该百分比值一般称为教育收益率或教育回报率(the

rate

of

return

to

educati做lnwage对edu的回归，命令如下：

reg

lnwage

edu得到以下运行结果，保存该运行结果(见下页)；Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

Profi其中lnwaCgoe是p是y小ri时g工ht资2的0自04然-对20数1；1

斜As率p系os数e的P经ty济L含t义d.是：三、简单回归分析的Stata软件操作实例写出样本回归方程为：Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.结果表明教育收益率的估计值为5.03%，即平均而言，增加1年受教育年限使得工资增长5.03%。三、简单回归分析的Stata软件操作实例

10、最后可建立do文件把前面所执行过的命令保存下来。在do文件的编辑窗口中（点击Stata窗口工具栏右起第5个New

Do-file

Editor键即打开Stata的do文件编辑窗口）键入如下命令和注释，并保存为“工资方程1.do”文件。该文件的内容为：Evaluation

only.eduswei“tDh:\讲As课p资o料s\e周.蓓S的l上id课e资s料f\数o据r\.【N重E要T】3\.【5计量Cl经i济e学n软t件P应r用ofi课件】\10649289\stata10\工资方程1.dta“,clear//打开数据文件des//数据的C简o要p描y述right

2004-2011

Aspose

Pty

Ltd.su

age

edu

exp

expsq

wage

lnwage//定量变量的描述性统计reg

wageedu//简单线性模型的OLS估计graph

twoway

lfit

wage

edu

||

scatter

wage

edu//作图reg

wage

edu

if

age<=30//只使用年龄小于或等于30岁的样本进行OLS估计

reg

wage

edu,noconstant//过原点回归reg

lnwage

edu//对数-水平模型三、简单回归分析的Stata软件操作实例实验

2

简单回归分析：学校投入对学生成绩的影响表S-3记录了一些学校某个年份高一学生的平均成绩及有

关学校的其他一些信息。本实验主要考察学校的生均支出

(expend)对学生数学平均成绩(math)的影响；生均支出代表了学校的经费投入水平，从理论上说，在其他条件不变的情况下，学生在生均支出E越va高l的ua学t校io中n能o够nl获y.得更好的教学资ed

源wi(t包h括A更sp优o秀se的.师Sl资i、de更s好f的or硬.件N设E设T备3等.5)，C从li而e学nt习P成r绩ofi也应该越C高o。p。y请ri根g据ht表2S-030中4-给2出01的1数A据sp采o用seStPattay软L件td完.成相关模型的估计等工作。1、打开数据文件。双击“学校投入与学生成绩.dta”文件，或点击Stata窗口工具栏Open键选择“学校投入与学生成绩.dta”即可；或复制Excel表S-3中的数据后点击Stata窗口工具栏Data

Editor键，将数据粘贴到数据编辑窗口中，关闭该窗口，点击工具栏Save键保存数据，保存时要给数据文件命名。三、简单回归分析的Stata软件操作实例估计结果表明：学校生均支出增加1千元，使得学生数学平均成绩将提高2.46分；2、假定生均支出(expend)与影响学生数学成绩的其他因素不相关，建立如下四个简单回归模型：水平-水平模型：水平-对数模型：对数-水平模型：对数-对数模型(常弹性模Ev型a)l：uation

only.ed

◆wi水th平A-水sp平o模se型.的Sl命i令d令e及s运fo行r结.果NE如T下3：.5reCglmiatehnetxPpernodfi

Copyright

2004-2011

Aspose

Pty

Ltd.三、简单回归分析的Stata软件操作实例水平-对数模型的命令及运行结果如下：

reg

math

lnexpend即学校生均支出增加1%，使得学生数学平均成绩将提高0.11分；Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.估计结果：三、简单回归分析的Stata软件操作实例对数-水平模型的命令及运行结果如下：

reg

lnmath

expendEvaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.估计结果：即学校生均支出增加1千元，使得学生数学平均成绩将提高7%；三、简单回归分析的Stata软件操作实例对数-对数模型的命令及运行结果如下：

reg

lnmath

lnexpendEvaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.估计结果：即学校生均支出增加1%，使得学生数学平均成绩将提高0.32%；四、多元回归分析的Stata基本命令对于多元线性回归模型：regress

y

x1

x2…xk以y为被解释变量，x1,x2,…,xk为解释变量进行普通最小二乘(OLS)回归。reEgvreaeslsu命a令ti可on简o写n为lyre.g；ed

➢wirtehgrAessps

oysxe1

.xS2…lixdke,

snofcoonrst.aNnEtT

3.5

Client

Profiy对x1,xC2o,…py,rxik的gh回t归2，00不4包-2含0截1截1距A项sp，o即se过P原t点y回Lt归d；.test

x1

x2

x3根据最近的回归进行F

检验，原假设为：test根据最近的回归进行F检验，原假设为：五、多元回归分析的Stata软件操作实例击Stata窗口工具栏最左侧的Open键，然后选择“工资方程2、简单回归分析。首先建立简单回归模型(对数-水平模型)：命令及运行结果如下：reg

lnwage

edu实验

1

多元回归分析：工资方程利用数据文件“工资方程1.dta”建立工资方程考察影响小时工资(wage)的因素，重点关注受教育年限(edu)的系数，即教育收益率(即对数-水平E模va型l的ua斜ti率o系n数on)。ly.ed

1w、it打h开A数sp据o文se件.。Sl直i接de双s击f“or工.资N方E方T程31..5dtCal”i文en件t；P或ro者f点i1.dta”即Co可p；y；right

2004-2011

Aspose

Pty

Ltd.五、多元回归分析的Stata软件操作实例Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

Profi回归结果C表op明y：ri如g果ht不2考00虑4其-2他0因11素A的sp影o响se，P教t育y

收Lt益d率.率的估计值为5.03%，即平均而言，增加1年受教育年限使得工资增长5.03%。五、多元回归分析的Stata软件操作实例3、多元回归分析。除了受教育年限

(edu)之外，工作经验

(exp)也是影响小时工资

(wage)的重要因素。从理论上分析，其他条件不变，工作经验越长表明劳动者的工作经验越丰富，劳动生产率也越高，从而工资水平较高。如果工作经验(exp)与受教育年限(edu)不相关或相关程度很低，那么在工资方程中是否加入工作E经va验l(ueaxtp)i对on教o育n收ly益.率的估计几乎没ed

有wi影t响h

；As但p如o如s果e.工S作li经d验es(efxpo)r与.受N教ET育3年.限5限(Celdiue)显nt著P相r关of，i那么在工C资o方p方y程ri中g不ht加2入0工04作-经20验1(1exAps)会p会o使se得P教t育y收Lt益d率.的估计有偏误。为此，需要首先考察样本中工作经验(exp)与受

教育年限(edu)是否显著相关，方法是计算二者之间的样本相关系数并进行显著性检验，使用的命令如下：pwcorr

edu

exp,

sig(pwcorr求样本相关系数命令，选项sig表示列出原假设H0为相关

系数等于0的假设检验的精确显著性水平，即统计量的相伴概率值)五、多元回归分析的Stata软件操作实例得到以下运行结果：0的原假设，edu与exp之间存在显著负相关；因此，如果理可见，edu与exp的样本E相va关l系ua数t为io-n0.o50n0l5y，.显著性水平即假ed

设wi检t验h

统As计p量o量s的e.相S伴li概d率es值f为o0r.0.0N00E，T

即3.拒5绝C相li关e系nt数P等r于ofi论上exp对Co工p资yr(iwagghet)的2影00响4为-为2正01，1那A么sp在o回se归P方t程y

中Lt遗d漏.了

exp

会使得edu

的系数估计产生负的偏误，即估计值偏低。为此，考虑使用多元回归模型：使用的命令及运行结果如下：五、多元回归分析的Stata软件操作实例reg

lnwage

edu

expEvaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

Profi(1)表下方C区op域y为r回ig归h分t析2的00主4要-结2结0果1。1第A1s列po分s别e为P被ty解释Lt变d量.Lnwage，解释变量edu，解释变量exp以及截距项；第2列显示回归系数的OLS估计值；第3列显示回归系数的标准误；第4列显示

回归系数的t

统计量；第5列显示t

检验的精确的显著性水平(即t统计量的相伴概率P值)；最后两列显示置信水平为95%的回归系

数的置信区间。五、多元回归分析的Stata软件操作实例结果样本回归方程为：回归系数下方括号中所示数字从上到下依次为回归系数的标准误、t

统计量和P值；edu的系E数v和al截u距a项ti在o1n%显o著nl性y水.平上统计显ed

著wi，tehxpA的s系p数os在e5.%显S显l著i性de水s平f上o统r计.显N显E著T，3说.明5明教Cl育i(eednut)和P工rofi作经验(exCpo)对py小r时ig工h资t(2wa0g0e)4均-有20显1著1的A正sp向o影s响e

；Pt这y一L结t果d.也可以从回归系数的置信区间中可以看出，即两个系数的95%的置

信区间均不包含0，至少可以在5%显著性水平上分别拒绝这两个系数等于0的原假设。两个斜率系数的经济含义：如果保持工作经验(exp)不变，受教育年限(edu)增加1年，平均来说小时工资会增加5.67%，即教育收益率为5.67%；另一方面，如果保持受教育年限(edu)不变，五、多元回归分析的Stata软件操作实例工作经验(exp)增加1年，平均来说小时工资会增加0.29%，即工龄的收益率为0.29%。比，采用只包含edu

的简单回归模型就会使得edu

的系数估计值偏低。分析结果证明了这一点，简单回归模型中edu

的前面的分析指出：理论上exp

对lnwage

的影响为正，而样本中edu

与exp

显著E负va相l关ua，t那io么n与o上nl述y多.元回归模型相ed

with

Aspose.Slides

for

.NET

3.5

Client

Profi系数估计C值op为y0r.i0g50h3t(25.00034%)-，20而1多1

元As回p归os模e型P中tyedLut的d.系数估计值为0.0567

(5.67%)，后者大于前者。五、多元回归分析的Stata软件操作实例(2)表左上方区域为方差分析表。第2列从上到下依次为回归平方Evaluation

only.ed

和wi(tSShE)A、s残po差s平e.方S和li(SdSeR)s及f总o离r

差.N平E方T和3(.S5STC)；li第e3n列t为P自r由o由fi度；第4列C为o均p均y方r和ig(hMStS)2，0由04各-项2平01方1和A除s以po相s应e的P自ty由L度t得d到.(3)表右上方区域。样本数(Number

of

obs)为1225；回归模型总体显著性检验F

检验的F

统计量等于45.75，其精确的显著性水平(即相伴概率值)为0.0000，可以拒绝所有的斜率系数都等于0的原假设，即模型总体显著成立；判定系数(R-squared)为0.0697，调整的判定系数(Adj

R-squared)为0.0681，略小于判定系数；均方根误(Root

MSE)，也就是回归模型标准误S.E.或 为0.51234

。五、多元回归分析的Stata软件操作实例窗口工具栏最左侧的Open键，然后选择“大学英语成绩.dta”即可；

2、上述模型的回归分析。命令及运行结果如下：reg

final

attend

homework实验2多元回归分析：学习努力程度对大学英语成绩的影响数据文件“大学英语成绩.dta”(或表S-4)为某高校大一学英语期末考试成绩及相关信息，本例关注学生的学习努力程度对期末成绩的影响，并且用学生的上课出勤率和完成作业的

情况衡量学习努力程度E。va建l立ua如t下io模n型o并nl进y.行回归分析：ed

with

Aspose.Slides

for

.NET

3.5

Client

Profi其中finCalo为py英r语ig期h末t末考2考0试04成-绩20，1a1ttAesndp为o为s本e学Pt期y英L语td课.的出勤率(百分数)，homework

为本学期英语课课后作业的完成率

(百分数)；1、打开数据文件。直接双击“大学英语成绩.dta”文件；或点击

Stata五、多元回归分析的Stata软件操作实例结果显示样本回归方程为：Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

Profiattend

和Choompeyworrik的gh回t归2系0数04在-120%0的1显1

著As性p水o平se上P显t著y。L在td保.持作业完成率(homework)不变的条件下，上课出勤率(attend)提高10个百分点将令其期末成绩提高0.80分；在保持上课出勤率(attend)不变的条件下，作业完成率(homework)提高10个百分点将令其期末成绩提高0.65分；可以认为学习努力程度的确影响期末成绩。判定系数

和调整的判定系数

仅为0.02，表示attend

和

homework两个变量联合起来仅能解释

final

总变异的2%多，表明模型的总体五、多元回归分析的Stata软件操作实例首先估算entry和attend以及entry和homework的样本相关系数；拟合程度不高。显然，除了学习努力程度(attend和homework)之外，学生先前的英语水平也会对期末成绩(final)起到决定性作用；而且如果先前的英语水平与学习努力程度(attend和homework)相关，那么遗漏了先前的英语水平作为解释变量就会使得学习努力程度(attend和homework)的系数估计值产Ev生a偏lu误a。t为io此n，o考n虑ly使.用入学考试成绩ed

(weinttrhy)A衡s量p先os前e的.S英l语i水de平s。for

.NET

3.5

Client

Profi命令为：pCwocporyrrei