chap07stata與模型的設(shè)定-文庫吧在線文庫
【正文】 能是打開數(shù)據(jù)文件，第二個(gè)命令是對模型進(jìn)行回歸估計(jì)，第三個(gè)命令就是進(jìn)行遺漏變量的 Ramsey檢驗(yàn)，檢驗(yàn)結(jié)果如圖 示。 ?在這個(gè)公式中， e代表殘差序列， n代表樣本數(shù)量， K代表解釋變量的個(gè)數(shù)。 ? 通過這兩個(gè)模型信息準(zhǔn)則值的對比分析，可以得出結(jié)論，第二個(gè)模型的信息準(zhǔn)則值更小，所以此模型優(yōu)于第一個(gè)模型。 ?逐步回歸法的基本原理是：先分別擬合被解釋變量對于每一個(gè)解釋變量的一元回歸，并將各回歸方程的擬合優(yōu)度按照大小順序排列，然后將擬合優(yōu)度最大的解釋變量作為基礎(chǔ)變量，然后逐漸將其他解釋變量加入模型中并同時(shí)觀測 t檢驗(yàn)值的變化，如果 t檢驗(yàn)顯著則保留該變量，否則去除，不斷重復(fù)此過程直到加入所有顯著的解釋變量。 ?（ 1）計(jì)算膨脹因子的命令為： ? estat vif [, uncentered] ?在這個(gè)命令語句中， estat vif是計(jì)算膨脹因子的命令語句， uncentered選項(xiàng)通常使用在沒有常數(shù)項(xiàng)的模型中。 ?首先，將 X5加入方程進(jìn)行回歸，這時(shí)輸入的命令為： ? regress Y X2 X5 ?結(jié)果如圖 ，通過觀察發(fā)現(xiàn)， X5的系數(shù)的 p值為，沒有通過檢驗(yàn)，所以刪除解釋變量 X5。由于前向搜尋法和手動逐步回歸的計(jì)算方法一致，所以得到如圖 。處理的方法一般有兩種，一種方法為直接去掉極端值，另一種方法為選擇其他更為適合恰當(dāng)?shù)哪Ｐ瓦M(jìn)行回歸分析。 ? 第二步，生成虛擬變量 dummy和解釋變量 y的互動項(xiàng)，所使用的命令為： ? generate dummy_y=dummy*y ? 這個(gè)命令的作用就是生成互動項(xiàng) dummy_y，使其值為變量dummy和變量 y的乘積。完整的數(shù)據(jù)在本書附帶光盤的 data文件夾的 “”工作文件中 。 ? ，運(yùn)用信息準(zhǔn)則的方法判斷模型 ? 和模型 ? 哪一個(gè)更為合適，數(shù)據(jù)同第 1題。 03:52:1803:52:1803:52Monday, February 27, 2023 ? 1乍見翻疑夢，相悲各問年。 03:52:1803:52:1803:522/27/2023 3:52:18 AM ? 1成功就是日復(fù)一日那一點(diǎn)點(diǎn)小小努力的積累。 上午 3時(shí) 52分 18秒 上午 3時(shí) 52分 03:52: ? 楊柳散和風(fēng)，青山澹吾慮。 2023年 2月 上午 3時(shí) 52分 :52February 27, 2023 ? 1業(yè)余生活要有意義，不要越軌。 03:52:1803:52:1803:52Monday, February 27, 2023 ? 1知人者智，自知者明。 2023年 2月 27日星期一 上午 3時(shí) 52分 18秒 03:52: ? 1楚塞三湘接，荊門九派通。 2023年 2月 上午 3時(shí) 52分 :52February 27, 2023 ? 1行動出成果，工作出財(cái)富。 ? ，建立模型 ? 并利用 Chow檢驗(yàn)驗(yàn)證在 2023年自來水市場化改革后，自來水產(chǎn)業(yè)結(jié)構(gòu)是否發(fā)生了變化， ? 靜夜四無鄰，荒居舊業(yè)貧。 ? （ 2）自動進(jìn)行 Chow檢驗(yàn) ? 在一般的 Stata默認(rèn)安裝程序中并不存在 Chow檢驗(yàn)的命令程序，但是有些用戶編制了 Chow檢驗(yàn)的程序，需要用戶自行下載安裝，這時(shí)需要在命令窗口中輸入如下命令： ? findit chow ? 這時(shí)，將會顯示許多下載該命令的地址，一般點(diǎn)擊第一個(gè)就可以安裝完成了。 實(shí)驗(yàn) 76經(jīng)濟(jì)結(jié)構(gòu)變動的 Chow檢驗(yàn) ?一、實(shí)驗(yàn)基本原理 ? 在時(shí)間序列模型之中，需要十分注重模型系數(shù)的穩(wěn)定性，如果沒有考慮到結(jié)構(gòu)變動，將會造成較為嚴(yán)重的模型設(shè)定誤差。 ?二、實(shí)驗(yàn)數(shù)據(jù)和實(shí)驗(yàn)內(nèi)容 ?根據(jù)統(tǒng)計(jì)資料得到了中國 1978— 2023年的消費(fèi)數(shù)據(jù)，變量主要包括： year=年份， c=人均消費(fèi)（單位：元）， y=人均國民收入（單位：元），c_ratio=消費(fèi)收入比。 ?利用 usaauto數(shù)據(jù)，以 price為因變量， mpg、weight和 foreign為自變量建立回歸模型，找出樣本數(shù)據(jù)中存在的極端數(shù)據(jù)。 ?（ 2）自動逐步回歸法 ?上述方法對于解釋變量較多的計(jì)量模型并不適用，所以 Stata提供了直接進(jìn)行分步回歸的命令，命令格式為： ? stepwise [, options ] : mand ?在這個(gè)命令語句中， stepwise是進(jìn)行逐步回歸的命令，mand為進(jìn)行回歸分析或建立其他模型的命令，options選項(xiàng)顯示在表 。 ?在本實(shí)驗(yàn)中，可以通過計(jì)算變量 X X X X4和X5之間的相關(guān)系數(shù)來判斷模型是否存在多重共線性，所 使 用的命令為： ? pwcorr X1 X2 X3 X4 X5 ?這個(gè)命令語句顯示的相關(guān)系數(shù)矩陣如圖 ，通過觀察可以得到解釋變量 X1與 X X X5之間， X2與X X X5之間，以及 X4與 X5之間的相關(guān)系數(shù)非常高，因此可以認(rèn)為解釋變量之間存在較為嚴(yán)重的多重共線性。 ?三、實(shí)驗(yàn)操作指導(dǎo) ? ? 若要進(jìn)行多重共線性的檢驗(yàn)與修正，首先要建立基本的回歸模型。 ? （ 2）對由解釋變量所組成的序列組進(jìn)行相關(guān)分析時(shí)，如果有些變量之間的相關(guān)系數(shù)很高，則也反映出可能存在多重共線性。 ?利用 wage1的數(shù)據(jù)，來確定 以下兩個(gè)模型： ?模型 ?和模型 ?哪個(gè)更為合理（其中 educ2和 exper2分別為 educ和exper的平方項(xiàng)）。因此，在現(xiàn)實(shí)的經(jīng)濟(jì)研究過程中，通常使用信息準(zhǔn)則來確定解釋變量的個(gè)數(shù)，較為常用的信息準(zhǔn)則有兩個(gè)： ? （ 1）赤池信息準(zhǔn)則，又稱為 AIC準(zhǔn)則，其基本思想是通過選擇解釋變量的個(gè)數(shù)，使得如下目標(biāo)函數(shù)最小。 ? 從第二個(gè)表格中，可以看到 hatsq項(xiàng)的 p值為 ，拒絕了 hatsq系數(shù)為零的假設(shè)，即說明被解釋變量 lwage的擬合值的平方項(xiàng)具有解
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1