stata上机实验第三讲 大样本OLS.ppt

Stata上机实验 大样本OLS 大样本OLS经常采用稳健标准差估计(robust) 稳健标准差是指其标准差对于模型中可能存在的异方差或自相关问题不敏感，基于稳健标准差计算的稳健t统计量仍然渐进分布t分布。因此，在Stata中利用robust选项可以得到异方差稳健估计量。 Nerlove（1963）的一篇著名文章 为了检验美国电力行业是否存在规模经济，Nerlove（1963）收集了1955年145家美国电力企业的总成本(TC)、产量(Q)、工资率(PL)、燃料价格(PF)及资本租赁价格(PK)的数据（nerlove.dta）。假设第个企业的生产函数为Cobb-Douglas： 其中分别为生产率、劳动力、资本与燃料。记为规模效应（degree of returns to scale）。假设企业追求成本最小化，可证明其成本函数也为Cobb-Douglas： 其中是的函数。取对数后得到如下模型。 分别使用普通OLS和稳健的标准差OLS进行估计。 结果可以看到：稳健标准差与普通标准差的估计的系数相同，但标准差和t值存在着较大的差别，尤其是lnq的标准差。 约束回归 定义约束条件 constraint define n 条件 约束回归语句 Cnsreg 被解释变量 解释变量, constraints(条件编号) 约束回归 例一：use production，clear cons def 1 lnl+lnk = 1 cnsreg lny lnl lnk, c(1) 例二：use nerlove,clear cons def 1 lnpl+lnpk+lnpf=1 . cons def 2 lnq=1 . cnsreg lntc lnq lnpl lnpk lnpf, c(1-2) 矩阵运算 1。手动建立矩阵命令：matrix Matrix input 矩阵变量名=（矩阵） 同一行元素用，分隔 不同行元素用\分割 建立矩阵 ： 3 6 8 5 11 7 2 18 16 显示矩阵变量 mat dir 显示矩阵内容 Mat list 矩阵变量 常用矩阵运算： C=A+B A-B A*B Kronecker乘积 ：C=A#B 常用矩阵函数： trace(m1) m1的迹 Diag(v1) 向量的对角矩阵 inv(m1) m1的逆矩阵 2。还可以将变量转换为矩阵 mkmat 变量名表，mat(矩阵名) 练习：sysuse auto reg price mpg weight foreign 要求：利用矩阵运算手动计算出参数 gen cons = 1 mkmat price, mat(y) mkmat mpg weight foreign cons, mat(X) mat b = inv(X*X)*X*y mat list b （还可以看一下矩阵x与y的值） 我们可以利用矩阵运算的方法将回归结果展现的所有统计量都手动计算出来。 大家有兴趣回去做一遍，可以加深你对这些知识的理解。 逐步回归法 逐步回归法分为逐步剔除和逐步加入。 逐步剔除又分为逐步剔除(Backward selection)和逐步分层剔除(Backward hierarchical selection) 1。逐步剔除 stepwise, pr(显著性水平): 回归方程 例如：对auto数据 Stepwise,pr(0.05):reg price mpg rep78 headroom trunk weight length turn displacement gear_ratio foreign 2。逐个分层剔除 Stepwise,pr(0.05) hier:reg price mpg rep78 headroom trunk weight length turn displacement gear_ratio foreign 去掉foreign 重新做一遍 逐步加入又分为逐步加入(Forward selection)和逐步分层加入(Forward hierarchical selection) 1。逐步加入 stepwise, pe(显著性水平): 回归方程 例如：对auto数据 Stepwise,pe(0.05):reg price mpg rep78 headroom trunk weight length turn displacement gear_ratio foreign 2。逐个分层加入 Stepwise,pe(0.05) hier:reg pric