stata命令大全全Word版.docx |
您所在的位置:网站首页 › stata数据分析报告范文 › stata命令大全全Word版.docx |
stata命令大全全Word版.docx 《stata命令大全全Word版.docx》由会员分享,可在线阅读,更多相关《stata命令大全全Word版.docx(39页珍藏版)》请在冰豆网上搜索。 stata命令大全全Word版 *********面板数据计量分析与软件实现********* 说明: 以下do文件相当一部分内容来自于中山大学连玉君STATA教程,感谢他的贡献。 本人做了一定的修改与筛选。
*----------面板数据模型 *1.静态面板模型: FE和RE *2.模型选择: FEvsPOLS,REvsPOLS,FEvsRE(pols混合最小二乘估计) *3.异方差、序列相关和截面相关检验 *4.动态面板模型(DID-GMM,SYS-GMM) *5.面板随机前沿模型 *6.面板协整分析(FMOLS,DOLS) ***说明: 1-5均用STATA软件实现,6用GAUSS软件实现。 *生产效率分析(尤其指TFP): 数据包络分析(DEA)与随机前沿分析(SFA) ***说明: DEA由DEAP2.1软件实现,SFA由Frontier4.1实现,尤其后者,侧重于比较C-D与Translog生产函数,一步法与两步法的区别。 常应用于地区经济差异、FDI溢出效应(SpilloversEffect)、工业行业效率状况等。 *空间计量分析: SLM模型与SEM模型 *说明: STATA与Matlab结合使用。 常应用于空间溢出效应(R&D)、财政分权、地方政府公共行为等。
*--------------------------------- *--------一、常用的数据处理与作图----------- *--------------------------------- *指定面板格式 xtsetidyear(id为截面名称,year为时间名称) xtdes/*数据特征*/ xtsumlogyh/*数据统计特征*/ sumlogyh/*数据统计特征*/ *添加标签或更改变量名 labelvarh"人力资本" renamehhum
*排序 sortidyear/*是以STATA面板数据格式出现*/ sortyearid/*是以DEA格式出现*/
*删除个别年份或省份 dropifyear dropifid==2/*注意用==*/ *如何得到连续year或id编号(当完成上述操作时,year或id就不连续,为形成panel格式,需要用egen命令) egenyear_new=group(year) xtsetidyear_new **保留变量或保留观测值 keepinv/*删除变量*/ **或 keepifyear==2000 **排序 sortidyear/*是以STATA面板数据格式出现 sortyearid/*是以DEA格式出现 **长数据和宽数据的转换 *长>>>宽数据 reshapewidelogy,i(id)j(year) *宽>>>长数据 reshapelogy,i(id)j(year)
**追加数据(用于面板数据和时间序列) xtsetidyear *或者 xtdes tsappend,add(5)/表示在每个省份再追加5年,用于面板数据/ tsset *或者 tsdes .tsappend,add(8)/表示追加8年,用于时间序列/ *方差分解,比如三个变量Y,X,Z都是面板格式的数据,且满足Y=X+Z,求方差var(Y),协方差Cov(X,Y)和Cov(Z,Y) bysortyear: corrYXZ,cov
**生产虚拟变量 *生成年份虚拟变量 tabyear,gen(yr) *生成省份虚拟变量 tabid,gen(dum) **生成滞后项和差分项 xtsetidyear genylag=l.y/*产生一阶滞后项),同样可产生二阶滞后项*/ genylag2=L2.y gendy=D.y/*产生差分项*/ *求出各省2000年以前的openinv的平均增长率 collapse(mean)openinvifyear 变量排序,当变量太多,按规律排列。 可用命令 aorder 或者 orderfdiopeninsti
*----------------- *二、静态面板模型 *----------------- *---------简介----------- *面板数据的结构(兼具截面资料和时间序列资料的特征) useproduct.dta,clear browse xtsetidyear xtdes
*--------------------------------- *--------固定效应模型----------- *--------------------------------- *实质上就是在传统的线性回归模型中加入N-1个虚拟变量, *使得每个截面都有自己的截距项, *截距项的不同反映了个体的某些不随时间改变的特征 * *例如: lny=a_i+b1*lnK+b2*lnL+e_it *考虑中国29个省份的C-D生产函数
*******-------画图------* *散点图+线性拟合直线 twoway(scatterlogyh)(lfitlogyh) *散点图+二次拟合曲线 twoway(scatterlogyh)(qfitlogyh) *散点图+线性拟合直线+置信区间 twoway(scatterlogyh)(lfitlogyh)(lfitcilogyh) *按不同个体画出散点图和拟合线,可以以做出fevsre的初判断* twoway(scatterlogyhifid *按不同个体画散点图,sobeautiful! ! ! * graphtwowayscatterlogyhifid==1||scatterlogyhifid==2,msymbol(Sh)||scatterlogyhifid==3,msymbol(T)||scatterlogyhifid==4,msymbol(d)||,legend(position(11)ring(0)label(1"北京")label(2"天津")label(3"河北")label(4"山西")) **每个省份logy与h的散点图,并将各个图形合并 twowayscatterlogyh,by(id)ylabel(,format(%3.0f))xlabel(,format(%3.0f)) *每个个体的时间趋势图* xtlinehifid
*一个例子: 中国29个省份的C-D生产函数的估计 tabid,gen(dum) list *回归分析 reglogylogklogldum*, eststorem_ols xtreglogylogklogl,fe eststorem_fe esttablem_olsm_fe,b(%6.3f)star(0.10.050.01) *Wald检验 testlogk=logl=0 testlogk=logl *stata的估计方法解析 *目的: 如果截面的个数非常多,那么采用虚拟变量的方式运算量过大 *因此,要寻求合理的方式去除掉个体效应 *因为,我们关注的是x的系数,而非每个截面的截距项 *处理方法: * *y_it=u_i+x_it*b+e_it (1) *ym_i=u_i+xm_i*b+em_i (2)组内平均 *ym=um+xm*b+em(3)样本平均 * (1)- (2),可得: *(y_it-ym_i)=(x_it-xm_i)*b+(e_it-em_i)(4)/*withinestimator*/ *(4)+(3),可得: *(y_it-ym_i+ym)=um+(x_it-xm_i+xm)*b+(e_it-em_i+em) *可重新表示为: *Y_it=a_0+X_it*b+E_it *对该模型执行OLS估计,即可得到b的无偏估计量 **stata后台操作,揭开fe估计的神秘面纱! ! ! egeny_meanw=mean(logy),by(id)/*个体内部平均*/ egeny_mean=mean(logy)/*样本平均*/ egenk_meanw=mean(logk),by(id) egenk_mean=mean(logk) egenl_meanw=mean(logl),by(id) egenl_mean=mean(logl)
gendyw=logy-y_meanw gendkw=logk-k_meanw gendlw=logl-l_meanw regdywdkwdlw,nocons eststorem_stata gendy=logy-y_meanw+y_mean gendk=logk-k_meanw+k_mean gendl=logl-l_meanw+l_mean regdydkdl eststorem_stata
esttablem_*,b(%6.3f)star(0.10.050.01)
*解读xtreg,fe的估计结果 xtreglogyhinvgovopen,fe *--R^2 *y_it=a_0+x_it*b_o+e_it (1)pooledOLS *y_it=u_i+x_it*b_w+e_it (2)withinestimator *ym_i=a_0+xm_i*b_b+em_i(3)betweenestimator * *-->R-sq: within模型 (2)对应的R2,是一个真正意义上的R2 *-->R-sq: betweencorr{xm_i*b_w,ym_i}^2 *-->R-sq: overallcorr{x_it*b_w,y_it}^2 * *--F(4,373)=855.93检验除常数项外其他解释变量的联合显著性 * * *--corr(u_i,Xb)=-0.2347 * *--sigma_u,sigma_e,rho *rho=sigma_u^2/(sigma_u^2+sigma_e^2) dise(sigma_u)^2/(e(sigma_u)^2+e(sigma_e)^2) * *个体效应是否显著? *F(28,373)= |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |