【无标题】Stata总体回归函数与样本回归函数:蒙特卡罗模拟

这篇博客是作者学习Stata的笔记,通过蒙特卡罗模拟来理解总体回归函数(PRF)与样本回归函数(SRF)的关系。文章介绍了数据生成过程,解释变量和扰动项遵循正态分布,通过随机抽样和回归分析展示样本估计值与真实值的差异,并记录了在使用Stata过程中遇到的错误及解决方法。
摘要由CSDN通过智能技术生成

个人Stata学习笔记,代码源文件来自陈强老师教材。由于markdown文件上传丢失格式,部分公式显示可能存在一定问题,不过会typora语法的应该可以很容易看明白。另外也附上了一些截图

为直观理解总体回归函数(PRF)与样本回归函数的关系(SRF),使用蒙特卡罗法进行模拟。所谓“蒙特卡罗法”(Monte Carlo Methods,MC),是通过计算机模拟,从总体抽取大量随机样本的计算方法。

1.预备知识:

随机变量X服从一个数学期望为μ、方差为σ^2的正态分布,记为N(μ,σ^2)

2.举例:

考虑如下数据生成过程(DGP)或总体回归模型:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值