stata建模中的各种小问题(我的笔记).doc

保存估计结果的命令：est store 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：Windows——Review 如果你把那个显示变量的窗口： 窗口操作：Windows——Variables 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data edit 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 estat ic 如何看AIC统计量： Breusch-Pagan,Cook-Weisberg异方差检验 STATA命令： 先回归 estat hettest [varlist] 或者在Statistics——Postestimation(倒数第二个)——Reports and Statistics(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： 先回归 estat imtest,white [varlist] 或者在Statistics——Postestimation(倒数第二个)——Reports and Statistics(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： 先回归 estat ovtest 或者在Statistics——Postestimation(倒数第二个)——Reports and Statistics(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： 先回归 estat vif[,uncentered] 或者在Statistics——Postestimation(倒数第二个)——Reports and Statistics(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： 值高而显著的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 大于得自Y对全部回归元中的总 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： 解释变量对成分残差图——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——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——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 STATA对于数据的储存与重现 est命令的用法：（1）储存回归结果：reg y x1 x2 x3（不限于reg，也可储存ivreg、mvreg、reg3）est store A （2）重现回归结果：est replay A （3）对回归结果进行进一步分析est for A:sum（对A回归结果中的各个变量运行sum命令） quietly regress y x 做回归 2.predict u，residual 取残差 3.predict yf，xb (xb表示拟合值) 将拟合值取出放到yf里 4.gen lnu2=ln(u^2) 将残差做平方且取对数的处理 5.gen yf2=yf^2(将yf这个拟合值同上面的残差做相同的处理) 6.quietly regress lnu2 yf yf2 对处理过的残差对 拟合值 以及 处理过的拟合值 做回归 7.predictnl u2f=exp(xb()) 再将回归后的拟合值取出并作对数处理放到 u2f里 8.gen sd=sqrt(u2f) 将u2f做平方处理 然后，利用vwls进行加权估计 vwls y x , sd(sd) GLS也可以通过regress命令中的weight选项来实现。 存在自相关的修正——用广义差分 自相关的修正——用广义差分 具体的方法如下： 一阶自相关的修正 prais y x，rhotype(regress) prais y x，corc rhotype(regress) 高阶自相关的修正——以二阶自回归为例 ①quietly regress D.y x 对被解释变量取差分并且做回归 ②predict u,resid 取出残差 ③quietly reg u l(2).u，nocon