计量上机整理version2.docx

*CH-1 基础*导入后缀非.dta的数据集insheet using class.csv, clear*将变量命名为xxxxrename (v1-v13) (xh xm pylb xy xs nj zy bj xq xkcgbz jxbh xnd xq2)*为变量添加标签label variable xh 学号*将所有缺失值转化为数据999；mvencode _all, mv(999)*删去变量。drop xsdrop if xs==999*导入Excel文件import excel 路径*计算增长率gen pop_gr=(pop-pop[_n-1])/pop[_n-1]*CH-2、3 简单线性回归多元regress //回归predict e , resid //生成残差序列epredict y1, xb //生成y的预测值序列y1predict yhat /*同predict y1, xb*/rstandard //标准化残差stdr //残差的标准误sum educ, detail //detail是指更加详细的数据信息count if female==1 //计算变量的数目sum educ if female==1 //计算女性的教育程度reg wage educ if married==1 //reg 命令和样本选择参数一起使用reg lwage educ,noconstant //过原点的回归_b[variable] //表示变量前的系数scalar price_0=_b[bdrms]+140*_b[sqrft] //定义数字变量corr // 计算相关系数test //检验*CH-4 检验test x1 //检验x1对应的系数的显著性test x1 x2 x3 //检验x1 x2 x3对应系数的联合显著性test x1=x2//检验x1 x2对应系数 test x1=2//检验 test _b[x1]=2 //检验 lincom //系数线性组合的点估计、标准误、检验与推断lincom x1+ x2lincom x1+ x2 //t检验β1+β2=0lincom x1+ x2 - 1 //t检验β1+β2=1testnl //非线性假设检验 // 备择假设为beta1！=0* 给定alpha=0.05，双侧检验，右尾端分得概率2.5%，该临界值等于t分布的第97.5分位数点* 该t分布的自由度为n-k，即173-4=169* 由于t分布是对称，我们只需考察右尾端，左尾端是等价的scalar crit1 = invttail(e(df_r),0.025) //显著性水平等于0.05，双侧检验的临界值 scalar t1 = _b[expendA]/_se[expendA]display t critical value 97.5 percentile = crit1display t-statistic for H0: beta1 = 0 = t1* 方法二：计算p值// 备择假设为beta1！=0，如何计算p值呢？ p-value = P(|T||t|)= 2P(T|t|)* 需要先计算t值scalar p1 = 2*ttail(e(df_r), abs(t1))scalar list t1 p1*CH-6 深入专题reg price nox crime rooms dist stratio, beta //报告标准化参数（beta参数） *各种点效应的计算*（转折点。。。）display -1*_b[rooms]/(2*_b[rooms2]) // display turnaround value of roomsdisplay 100*(_b[rooms]+2*_b[rooms2]*5) // display change in price if rooms increases from 5 to 6display 100*(_b[rooms]+2*_b[rooms2]*6) // display change in price if rooms increases from 6 to 7*（在均值处。。。）sum lnoxscalar mean = r(mean) // keep the mean value of lnoxereturn list //列出回归后的相应指标，如自由度，sse，sst，ssr等 *CH-7 虚拟变量与Chow检验*1. Basics of Dummy Independent Variablesgen male = (!female) // generate a dummy indicatin