【正文】 c2（對c1和c2兩個分類變量排序）by c1 c2：reg y x1 x2 x3（在cc2的各個水平上分別進行回歸）bysort c1 c2：reg y x1 x2 x3 if c3=1（逗號前面相當(dāng)于將上面兩步驟合一，既排序又回歸，逗號后面的“if c3=1”表示只有在c3=1的情況下才進行回歸）stepwise, pr(.2): reg y x1 x2 x3(使用Backward selection，)stepwise, pe(.2): reg y x1 x2 x3(使用forward selection，)stepwise, pr(.2) pe(.01):reg y x1 x2 x3（使用backwardstepwise selection，）stepwise, pe(.2) forward: reg y x1 x2 x3（使用forwardstepwise selection）reg y x1 x2 x3predict Yhat,xbpredict u,residpredict ustd,stdr（獲得殘差的標(biāo)準(zhǔn)誤）predict std,stdp（獲得y估計值的標(biāo)準(zhǔn)誤）predict stdf,stdf（獲得y預(yù)測值的標(biāo)準(zhǔn)誤）predict e,e(1,12)（獲得y在1到12之間的估計值）predict p,pr(1，12)（獲得y在1到12之間的概率）predict rstu,rstudent（獲得student的t值）predict lerg,leverage（獲得杠桿值）predict ckd,cooksd（獲得cooksd）reg y x1 x2 x3 c1 c2adjust x1 x2 x3，se（使得變量xx2和x3等于其均值，求y的預(yù)測值和標(biāo)準(zhǔn)誤）adjust x1 x2 x3，stdf ci（使得變量xx2和x3等于其均值，求y的預(yù)測值，預(yù)測標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1 x2,by(c1) se ci（控制變量xx2，亦即取它們的均值，在分類變量c1的不同水平上求y預(yù)測值，標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1 x2 x3,by(c1) stdf ci（控制變量xxx3，亦即取它們的均值，在分類變量c1的不同水平上求y預(yù)測值，預(yù)測標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1 x2,by(c1 c2) se ci（控制變量xx2，在分類變量cc2的不同水平上求y的預(yù)測值，標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1 x2 x3,by(c1 c2) stdf ci（控制變量xxx3，在分類變量cc2的不同水平上求y的預(yù)測值，預(yù)測標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1=a x2=b x3=c，se ci（當(dāng)x1=a、x2=b、x3=c時，求y的預(yù)測值、標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1=a x2=b x3=c，by(c1) se ci（當(dāng)x1=a、x2=b、x3=c時，在分類變量c1的不同水平上，求y的預(yù)測值、標(biāo)準(zhǔn)誤和置信區(qū)間）adjust x1=a x2=b c1=1，by(c1) se ci（當(dāng)x1=a、x2=b，并假設(shè)所有的樣本均為c1=1，求在分類變量c1的不同水平上，因為變量x3的均值不同，而導(dǎo)致的y的不同的預(yù)測值……）mvreg Y1 Y2 ……: X1 X2 X3……（多元回歸）mvreg y1 y2 y3: x1 x3 x3（多元回歸分析，y1 y2 y3為因變量，x1 x3 x3為自變量）以下命令只有在進行了mvreg之后才能進行test [y1]（測試對y1的回歸系數(shù)聯(lián)合為0）test [y1]: x1 x2（測試對y1的回歸中xx2的系數(shù)為0）test x1 x2 x3（測試在所有的回歸中，xxx3的系數(shù)均為0）test [y1=y2]（對y1的回歸和對y2的回歸系數(shù)相等）test [y1=y2]: x1 x2 x3, mtest（對y1和y2的回歸中，分別測試xxx3的系數(shù)是否相等，若沒有mtest這個命令，則測試他們的聯(lián)和統(tǒng)計）test [y1=y2=y3]（三個回歸的系數(shù)是否相等，可加mtest以分別測試）test [y1=y2=y3]: x1 x2 （測試三個回歸中的xx2是否相等，可加mtest）est命令的用法：（1）儲存回歸結(jié)果：reg y x1 x2 x3（不限于reg，也可儲存ivreg、mvreg、reg3）est store A（2）重現(xiàn)回歸結(jié)果：est replay A（3）對回歸結(jié)果進行進一步分析est for A:sum（對A回歸結(jié)果中的各個變量運行sum命令）異方差問題：獲得穩(wěn)健性標(biāo)準(zhǔn)誤reg y x1 x2 x3 if c1==1（當(dāng)分類變量c1=1時，進行y和諸x的回歸）reg y x1 x2 x3,robust（回歸后顯示各個自變量的異方差穩(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）異方差檢驗的套路：（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LM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作為異方差的來源，對方程進行修正）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：reg y x1 x2 x3est store A（將上述回歸結(jié)果儲存到A中）reg y x1 x2 x3 [aw=1/h]est store Bhausman A B當(dāng)因變量為對數(shù)形式時（log(y)）如何預(yù)測yreg logy x1 x2 x3predict kgen m=exp(k)reg y m,noconstantm的系數(shù)為iy的預(yù)測值=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，計算g1和交互項/ 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, contin