【正文】 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為觀測樣本總量，outedata/populationdata的值便是一個概率，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)是沒有隨機(jī)效應(yīng)和/或沒有序列相關(guān)，它的七個結(jié)果分別表示：1) LM Test for random effects, assuming no serial correlation（假設(shè)沒有序列相關(guān)情況下對隨機(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)的情況下對隨機(jī)LM檢驗(yàn)）3) One sided version of the LM test for random effects（假設(shè)沒有序列相關(guān)的情況下對隨機(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)沒有隨機(jī)效應(yīng)的情況下對一階序列相關(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，也可采用固定效應(yīng)方程（fe）：xtserial y x1 x2xtgls y x1 x2xttest2xttest3——xtserial用于檢驗(yàn)固定效應(yīng)模型中的一階序列自相關(guān)，可通用于xtgls和fe之前——xttest2用于檢驗(yàn)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(yàn)固定效應(yīng)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。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(dú)立標(biāo)準(zhǔn)正態(tài)分布中抽取的2000個觀察案例和三個隨機(jī)ZZZ3，并分別定義他們的平均值和標(biāo)準(zhǔn)差?？赡苁菧y試中被試的編號，1to31生成malegen male= (sex==1) if !missing(sex)——當(dāng)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(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表示列出每個單元格的樣本量，se表示列出每個單元格的標(biāo)準(zhǔn)誤，ci表示列出每個單元格的置信區(qū)間——pearson表示求取pearson39。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(yán)格外生時AR(1)序列相關(guān)的檢驗(yàn)reg y x1 x2predict u,residgen 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(guān)用DurbinWatson Statistics檢驗(yàn)序列相關(guān)：tsset year （對時間序列回歸中代表時間的變量進(jìn)行定義）reg y x1 x2dwstat （求出時間序列回歸的DW值）durbina （對該回歸是否具有序列相關(guān)進(jìn)行檢驗(yàn)，H0為無序列相關(guān)，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(yàn)?zāi)茉趓obust、neway之后進(jìn)行）durbina,small lag(1/10) （lag可以求出更高階滯后的序列相關(guān)，如本例中可求出1到10階的序列相關(guān)）durbina,robust lag(1/10) （robust可進(jìn)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(guān)）bgodfrey,small lag(1/10)數(shù)據(jù)調(diào)查：survey data源數(shù)據(jù)：dataset文件夾中的svydata步驟：定義survey datasvyset psuid [pweight=finalwgt], strata(stratid)——定義primary sampling unit為psuid。sort c1 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(jìn)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(jìn)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(jì)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(jì)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