stata常用命令集-wenkub
2022-09-02 00:34:09 本頁(yè)面
【正文】 誤reg y x1 x2 x3 if c1==1（當(dāng)分類變量c1=1時(shí)，進(jìn)行y和諸x的回歸）reg y x1 x2 x3,robust（回歸后顯示各個(gè)自變量的異方差穩(wěn)健性標(biāo)準(zhǔn)誤）estat vif（回歸之后獲得VIF）estat hettest,mtest（異方差檢驗(yàn)）異方差檢驗(yàn)的套路：（1）Breuschpagan法：reg y x1 x2 x3predict u,residgen usq=u^2reg usq x1 x2 x3求F值display R/(1R)*n2/n1（n1表示分子除數(shù)，n2表示分母除數(shù)）display Ftail(……)求LM值display R*n（n表示總樣本量）display chi2tail(……)（2）white法：reg y x1 x2 x3predict u,residgen usq=u^2predict ygen ysq=y^2reg usq y ysq求F值display R/(1R)*n2/n1（n1表示分子除數(shù)，n2表示分母除數(shù)）display Ftail(……)求LM值display R*n（n表示總樣本量）display chi2tail(……)（3）必要補(bǔ)充F值和LM值轉(zhuǎn)換為P值的命令：display Ftail(n1,n2,a)（利用F值求p值，n1表示分子除數(shù)，n2表示分母除數(shù)，a為F值）display chi2tail(n3,b)（利用LM值求p值，n3表示自由度的損失量，一般等于n1，b為L(zhǎng)M值）異方差的糾正——WLS（weighted least square estimator）（1）基本思路：reg y x1 x2 x3 [aw=x1]（將x1作為異方差的來(lái)源，對(duì)方程進(jìn)行修正）上式相當(dāng)于：reg y/(x1^) 1/(x1^) x1/(x1^) x2/(x1^) x3/(x1^),noconstant（2）糾正異方差的常用套路（構(gòu)造h值）reg y x1 x2 x3predict u,residgen usq=u^2gen logusq=log(usq)reg logusq x1 x2 x3predict ggen h=exp(g)reg y x1 x2 x3 [aw=1/h]異方差hausman檢驗(yàn)：reg y x1 x2 x3est store A（將上述回歸結(jié)果儲(chǔ)存到A中）reg y x1 x2 x3 [aw=1/h]est store Bhausman A B當(dāng)因變量為對(duì)數(shù)形式時(shí)（log(y)）如何預(yù)測(cè)yreg logy x1 x2 x3predict kgen m=exp(k)reg y m,noconstantm的系數(shù)為iy的預(yù)測(cè)值=iexp(k)方差分析：一元方差分析anova y g1 / g1|g2 /（g*表示不同分類變量，計(jì)算g1和交互項(xiàng)/ g1|g2 /這兩種分類的y值是否存在組內(nèi)差異）anova y d1 d2 d1*d2（d*表示虛擬變量，計(jì)算dd2和d1*d2的這三種分類的y值是否有組內(nèi)差異）anova y d1 d2 x1 d2*x1, continuous(x1)（x*表示連續(xù)的控制變量）多元方差分析webuse jawmanova y1 y2 y3 = gender fracture gender*fracture（按性別、是否骨折及二者的交互項(xiàng)對(duì)yy2和y3進(jìn)行方差分析）manova y1 = gender fracture gender*fracture（相當(dāng)于一元方差分析，以y1為因變量）————————————webuse nobetweengen mycons = 1manova test1 test2 test3 = mycons, noconstantmat c = (1,0,1 \ 0,1,1)manovatest mycons, ytransform(c)進(jìn)行多元回歸的方法：多元回歸分析：（與mvreg相同）foreach vname in y1 y2 y3 { （確定y變量組vname）reg `vname39?？赡苁菧y(cè)試中被試的編號(hào)，1to31生成malegen male= (sex==1) if !missing(sex)——當(dāng)sex不缺失且等于1時(shí)，male=sex生成行變量為highbp，列變量為sizplace的表格svy, subpop(male): tabulate highbp sizplace, col obs pearson lr null wald——subpop規(guī)定了以male為數(shù)據(jù)調(diào)查的范圍——tabulate highbp sizplace表示繪制行變量為highbp，列變量為sizplace的表格——col表示每一列的加總為100%，row表示每一行的加總為100%，cell表示橫縱所有單元格的加總為100%——obs表示列出每個(gè)單元格的樣本量，se表示列出每個(gè)單元格的標(biāo)準(zhǔn)誤，ci表示列出每個(gè)單元格的置信區(qū)間——pearson表示求取pearson39。logit回歸logit y x1 x2 x3——y必須為二分變量glogit outedata populationdata x1 x2 x3——outedata為目標(biāo)樣本總量，populationdata為觀測(cè)樣本總量，outedata/populationdata的值便是一個(gè)概率，相當(dāng)于logit命令中的y面板數(shù)據(jù)（Panel Data）基本套路：xtreg y x1 x2,reest store rextreg y x1 x2,feest store fehausman re fe——如果hausman檢驗(yàn)的結(jié)果為顯著，則采用固定效應(yīng)（fe）模型，不顯著，則選取隨機(jī)效應(yīng)（re）模型隨機(jī)效應(yīng)的檢驗(yàn)：xtreg y x1 x2,rexttest0xttest1——xttest1是xttest0的擴(kuò)展，若這xttest0的結(jié)果為顯著，則采用隨機(jī)效應(yīng)（re）模型xttest1的假設(shè)是沒(méi)有隨機(jī)效應(yīng)和/或沒(méi)有序列相關(guān)，它的七個(gè)結(jié)果分別表示：1) LM Test for random effects, assuming no serial correlation（假設(shè)沒(méi)有序列相關(guān)情況下對(duì)隨機(jī)效應(yīng)進(jìn)行LM檢驗(yàn)）2) Adjusted LM test for random effects, which works even under serialcorrelation（假設(shè)有序列相關(guān)的情況下對(duì)隨機(jī)LM檢驗(yàn)）3) One sided version of the LM test for random effects（假設(shè)沒(méi)有序列相關(guān)的情況下對(duì)隨機(jī)效應(yīng)進(jìn)行單邊檢驗(yàn)）4) One sided version of the adjusted LM test for random effects（假設(shè)有序列相關(guān)的情況下對(duì)隨機(jī)效應(yīng)進(jìn)行單邊檢驗(yàn)）5) LM test for firstorder serial correlation, assuming no random effects（假設(shè)沒(méi)有隨機(jī)效應(yīng)的情況下對(duì)一階序列相關(guān)進(jìn)行檢驗(yàn)）6) Adjusted test for firstorder serial correlation, which works even underrandom effects（假設(shè)有隨機(jī)效應(yīng)的情況下對(duì)一階序列相關(guān)進(jìn)行檢驗(yàn)）7) LM Joint test for random effects and serial correlation（隨機(jī)效應(yīng)和序列相關(guān)的聯(lián)合檢驗(yàn)）固定效應(yīng)模型，可采用廣義最小二乘法（gls）進(jìn)行估算，也可采用
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1