【正文】 usman twosls ols,equations(2:2)（對兩次回歸中的方程2，即“y2=y1 x4”進行hausman檢驗）hausman twosls ols,alleqs（對所有方程一起進行檢驗）檢驗忽略變量（模型的RESET）： reg y x1 x2 x3 estat ovtest 滯后變量的制取 對變量y滯后一期： gen y_l1=y[_n1] 滯后兩期： gen y_l2=y[_n2] 以此類推。制取樣本序號： gen id=_n 獲得樣本總量： gen id=_N 時間序列回歸：回歸元嚴格外生時AR(1)序列相關的檢驗 reg y x1 x2 predict u,resid gen u_1=u[_n1] reg u u_1,noconstant 回歸之后，u_1的序數(shù)如果不異于零，則該序列不相關 用DurbinWatson Statistics檢驗序列相關：tsset year @（對時間序列回歸中代表時間的變量進行定義）@ reg y x1 x2 dwstat @（求出時間序列回歸的DW值）@ durbina @（對該回歸是否具有序列相關進行檢驗，H0為無序列相關，可根據(jù)chi2值求出P值）@ durbina,small @（small可以根據(jù)F值求出P值，以代替chi2值）@ durbina,force @（讓檢驗能在robust、neway之后進行）@ durbina,small lag(1/10)@（lag可以求出更高階滯后的序列相關，如本例中可求出1到10階的序列相關）@ durbina,robust lag(1/10)@（robust可進行異方差—穩(wěn)健性回歸，避免未知形式的異方差）@ bgodfrey @（利用BreuschGodfrey test求出高階序列相關）@ bgodfrey,small lag(1/10)數(shù)據(jù)調查：survey data 源數(shù)據(jù)：dataset文件夾中的svydata 步驟：定義survey data svyset psuid [pweight=finalwgt], strata(stratid)——定義primary sampling unit為psuid?？赡苁菧y試的編號，1or2 ——定義pweight為finalwgt ——定義stratum identifer為stratid?？赡苁菧y試中被試的編號，1to31生成male gen male=(sex==1)if!missing(sex)——當sex不缺失且等于1時，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表示列出每個單元格的樣本量，se表示列出每個單元格的標準誤，ci表示列出每個單元格的置信區(qū)間——pearson表示求取pearson39。s chisquired,皮爾遜的卡方檢定 ——lr表示求取likelihood ratio ——null表示求取nullbased statistics ——wald表示求取adjusted wald，llwald表示求取adjusted loglinear Wald，noadjust表示求取unadjusted Wald statisticssvy:mean x1 x2 x3 ——對xxx3求取mean、se和ci簡單的tabulate twoway（不用svyset就可執(zhí)行）tab2 y x,col chi2 exact lr ——col、cell、row等均可換用，chi2指的是Pearson39。s chisquared、exact指的是fisher exact test、lr指的是likelihoodratio chisquaredsvy的其他用法： svy:reg y x 建立人工數(shù)據(jù)集：創(chuàng)建一個包含從獨立標準正態(tài)分布中抽取的2000個觀察案例和三個隨機ZZZ3，并分別定義他們的平均值和標準差。matrix m=(0,2,3)——定義三個變量的平均值 matrix sd=(1,.5,2)——定義三個變量的標準差drawnorm z1 z2 z3,n(2000)means(m)sds(sd)——創(chuàng)建樣本量為2000，均值和標準差符合上面定義的數(shù)據(jù)集補充：除了定義均值和標準差之外，還可定義相關矩陣和協(xié)方差矩陣等。logit回歸logit y x1 x2 x3 ——y必須為二分變量glogit outedata populationdata x1 x2 x3 ——outedata為目標樣本總量，populationdata為觀測樣本總量，outedata/populationdata的值便是一個概率，相當于logit命令中的y 面板數(shù)據(jù)（Panel Data）基本套路： xtreg y x1 x2,re est store re xtreg y x1 x2,fe est store fe hausman re fe ——如果hausman檢驗的結果為顯著，則采用固定效應（fe）模型，不顯著，則選取隨機效應（re）模型隨機效應的檢驗： xtreg y x1 x2,re xttest0 xttest1 ——xttest1是xttest0的擴展，若這xttest0的結果為顯著，則采用隨機效應（re）模型 xttest1的假設是沒有隨機效應和/或沒有序列相關，它的七個結果分別表示： 1)LM Test for random effects, assuming no serial correlation（假設沒有序列相關情況下對隨機效應進行LM檢驗）2)Adjusted LM test for random effects, which works even under serial correlation（假設有序列相關的情況下對隨機LM檢驗）3)One sided version of the LM test for random effects（假設沒有序列相關的情況下對隨機效應進行單邊檢驗）4)One sided version of the adjusted LM test for random effects（假設有序列相關的情況下對隨機效應進行單邊檢驗）5)LM test for firstorder serial correlation, assuming no random effects（假設沒有隨機效應的情況下對一階序列相關進行檢驗）6)Adjusted test for firstorder serial correlation, which works even under random effects（假設有隨機效應的情況下對一階序列相關進行檢驗）7)LM Joint test for random effects and serial correlation（隨機效應和序列相關的聯(lián)合檢驗）固定效應模型，可采用廣義最小二乘法（gls）進行估算，也可采用固定效應方程（fe）： xtserial y x1 x2 xtgls y x1 x2 xttest2 xttest3 ——xtserial用于檢驗固定效應模型中的一階序列自相關，可通用于xtgls和fe之前——xttest2用于檢驗不同廠商的相似性，若顯著則各廠家的截面相似，可通用于xtgls和fe之后 ——xttest3用于檢驗固定效應模型中的異方差問題，若顯著則有異方差，可通用于xtgls和fe之后第四篇：個人總結面板數(shù)據(jù) stata一、面板數(shù)據(jù)如何從混合最小二乘、固定效應、隨即效應中選擇混合最小二乘、固定效應.xtreg vol1 FI share1 share2 share3 , fe Fixedeffects(within)regression Number of obs = 289Group variable: code Number of groups = 36Rsq: within = Obs per group: min = 7 between = avg = overall = max = 11 F(4,249)= (u_i, Xb)= Prob F = vol1 P|t| [95% ] (fraction of variance due to u_i)F test that all u_i=0: F(35, 249)= Prob F = F檢驗，原假設為個固定效應都相同，拒絕則選擇固定效應，反之為混合最小二乘?！藭r選混合最小二乘隨即效應還是混合最小二乘.xtreg roa_a stateshr size tl , reRandomeffects GLS regression Number of obs = 77Group variable: id Number of groups = 14Rsq: within = Obs per group: min = 3 between = avg = overall = max = 11Random effects u_i ~ Gaussian Wald chi2(3)= (u_i, X)= 0(assumed)Prob chi2 = roa_a P|z| [95% ] (fraction of variance due to u_i)..xttest0Breusch and Pagan Lagrangian multiplier test for random effects roa_a[id,t] = Xb + u[id] + e[id,t] Estimated results: Var sd = sqrt(Var) e u Test: Var(u)= 0 chi2(1)= Prob chi2 = (u)=0，拒絕則采用隨即效應——此時選隨機 fe re Coefficients(b)(B)(bB)sqrt(diag(V_bV_B))fe re Difference b = consistent under Ho and Ha。obtained from xtreg B = inconsistent under Ha, efficient under Ho。obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(3)=(bB)39。[(V_bV_B)^(1)](bB)= Probchi2 = 原假設為隨機，拒絕則選固定——此時選隨機二、縮尾會使顯著性降低第五篇：AutoCAD2017命令總結AutoCAD2017命令總結直線:L+空格畫直線時點三點：C+空格鍵可以使三條線形成閉合狀態(tài) 畫圓：C+空格ESC取消一切命令單擊右鍵可以回到上一步命令（控制在250毫秒內）正交：F8切換正交繪制線段：光標指定方向，輸入數(shù)字+空格鍵 指定長度：輸入數(shù)字+Tab 指定角度：輸入數(shù)字+enter 打開設置界面：OP 三角形內畫圓采用相切三點畫圓圓?。憾它c（起點）中心點端點 刪除命令：E+空格鍵切換圓弧方向：在最后端點時不點擊確定，按住Ctrl移動光標即可改變圓弧方向 啟動三點圓弧命令：A+空格鍵 光順曲線：BLEND+空格鍵修剪命令：首先選好不修剪的位置（選擇時呈現(xiàn)藍色）選好后按空格鍵，這時光標變成紅色X點擊后即可修剪。橢圓繪制：EL+空格鍵(橢圓命令開始系統(tǒng)設置：端點端點高)橢圓圓心命令：EL+空格鍵+C+空格鍵 橢圓弧命令：EL+空格鍵+A+空格鍵繪制橢圓弧開始命令前要選擇好中心點。樣條曲線擬合：繪制后需要調整時應先將捕捉按鈕關閉樣條曲線控制點命令：與樣條曲線擬合相似，但是更容易操作 多線段：PL+空格鍵（多用于計算面積）矩形:REC+空格鍵圓角矩形：REC+空格鍵+F+空格鍵設置圓角半徑 倒角矩形：REC+空格鍵+C+空格鍵設置倒角半徑 多邊形：POL+空格鍵 單點命令：PO +空格鍵點設置：DDPTYE+空格鍵（在頁面上無法找到點設置快捷方式要牢記）圓環(huán)：DOUNT+空格鍵（直接在頁面上單擊圓環(huán)命令更方便）第二章：（圖例）示例圖形：移動：M+空格鍵減選命令：SHIFT+單擊所要減選的圖形即可 欄選方式：M+空格鍵+F+空格鍵復制命令：單擊復制+P(選擇上一次點擊的對象）+空格鍵（結束點擊空格鍵）類似選擇:選擇需要類似選擇的一小部分+單擊右鍵 全選：Ctrl+A 快速選擇窗口：QSELECT+空格鍵（打開快速選擇窗口首先要制定范圍不然應用將用于所有窗口）移動捕捉中點：M+空格鍵（選擇需要移動捕捉的對象）按住Shift鍵單擊右鍵選擇中點 移動制定距離：