chap07Stata和模型设定.ppt

哪箔哩截阴弱荷玲循夹抄昨自谩慧晌脾盼卸礁辫旅骑煎摩看霹颇慨恶抢挤chap07Stata和模型设定chap07Stata和模型设定;主要内容：;实验7-1遗漏变量的检验;二、实验数据和实验内容 根据统计资料得到了美国工资的横截面数据，变量主要包括：wage=工资，educ=受教育年限，exper=工作经验年限，tenure=任职年限，lwage=工资的对数值。完整的数据在本书附带光盘的data文件夹的“wage1.dta”工作文件中。 利用wage1的数据，分别利用Link方法和Ramsey方法检验模型 是否遗漏了重要的解释变量。;三、实验操作指导 1.使用Link方法检验遗漏变量 Link方法进行检验的基本命令语句为： linktest [if] [in] [, cmd_options] 在这个命令语句中，linktest是进行Link检验的基本命令，if是表示条件的命令语句，in是范围语句，cmd_options表示Link检验的选项应该与所使用的估计方法的选项一致，例如检验之前使用的回归regress命令，则此处的选项应与regress的选项一致。 ;例如，利用wage1的数据，检验模型 是否遗漏了重要的解释变量，应该输入以下命令： use c:\data\wage1.dta,clear reg lwage educ exper tenure linktest 第一个命令表示打开数据文件wage1，第二个命令语句是对模型进行回归估计，第三个命令就是进行遗漏变量的Link检验，检验结果如图7.1所示。 从第二个表格中，可以看到hatsq项的p值为0.018，拒绝了hatsq系数为零的假设，即说明被解释变量lwage的拟合值的平方项具有解释能力，所以可以得出结论原模型可能遗漏了重要的解释变量。;为了进一步验证添加重要变量是否会改变Link检验的结果，我们生成受教育年限educ和工作经验年限exper的平方项，重新进行回归并进行检验，这时输入的命令如下： gen educ2=educ^2 gen exper2=exper^2 reg lwage educ exper tenure educ2 exper2 linktest 第一个命令语句的作用是生成变量educ2，使其值为变量educ的平方；第二个命令语句的作用是生成变量exper2，使其值为变量exper的平方；第三个命令语句的作用是对进行回归估计;第四个命令就是进行遗漏变量的Link检验，检验结果如图7.2所示。;2.使用Ramsey方法检验遗漏变量 Ramsey方法进行检验的基本命令语句为： estat ovtest [, rhs] 在这个命令语句中，estat ovtest是进行Ramsey检验的命令语句，如果设定rhs，则在检验过程中使用解释变量，如果不设定rhs，则在检验中使用被解释变量的拟合值。 例如，利用wage1的数据，使用Ramsey方法检验模型 是否遗漏了重要的解释变量，应该输入以下命令： use c:\data\wage1.dta,clear reg lwage educ exper tenure estat ovtest ;在这组命令语句中，第一个命令的功能是打开数据文件，第二个命令是对模型进行回归估计，第三个命令就是进行遗漏变量的Ramsey检验，检验结果如图7.3所示。 在图7.3中，第一个图表仍然是回归结果，第二部分则是Ramsey检验的结果，不难发现Ramsey检验的原假设是模型不存在遗漏变量，检验的p值为0.0048，拒绝原假设，即认为原模型存在遗漏变量。;为了进一步验证添加重要变量是否会改变Ramsey检验的结果，我们采取Link检验中的方法，生成受教育年限educ和工作经验年限exper的平方项，重新进行回归并进行检验，这时输入的命令如下： gen educ2=educ^2 gen exper2=exper^2 reg lwage educ exper tenure educ2 exper2 estat ovtest 这里不再赘述这些命令语句的含义，调整之后的检验结果如图7.4所示，可以发现此时检验的p值为0.5404，无法拒绝原假设，即认为模型不再存在遗漏变量。 ;实验7-2解释变量个数的选择; 在这个公式中，e代表残差序列，n代表样本数量，K代表解释变量的个数。通过这个目标函数可以看出，第一项是对拟合优度的奖励，即尽可能地使残差平方和变小，第二项是对解释变量个数增多的惩罚，因为目标函数是解释变量个数的增函数。 （2）贝叶斯信息准则，又称为BIC准则，其基本思想是通过选择解释变量的个数，使得如下目标函数最小。 在这个公式中，e代表残差序列，n代表样本数量，K代表解释变量的个数。通过这个目标函数可以看出，BIC准则与A