一文讲透Stata计量经济学中如何分中东西区域回归?

stata如何分中东西区域回归本质上是异质性检验。

异质性检验即针对样本进行分类分组,基于各组样本分别开展的实证检验。异质性检验通常在基准回归之后,基准回归依据的是全部的样本,当基准回归得到的结果较为显著,即核心解释变量显著影响了被解释变量时,可针对全体样本进行分组或者分类,检验不同类别样本之间在研究结论方面是否存在差异性。

进行异质性检验的目的,一方面是为了进一步丰富实证研究内容,提升研究的深度;另一方面更重要的是可以进一步探索基准回归研究结论对于不同组别样本的适用性,从而可以得出新的研究结论、提出新的观点。

具体操作层面,比如在研究国际层面的问题,把全部研究样本分为发达国家样本和发展中国家样本;研究中国国内区域层面的问题,把全部研究样本分为东部地区样本、中部地区样本、西部地区样本等;研究上市公司层面的问题,把全部研究样本按照行业类型、所有权性质、资产规模、注册地所在区域等进行分类;研究消费者层面的问题,把全部研究样本按照消费者的年龄区间、性别、工作类型、年收入水平区间、受教育程度等进行分类。

具体的回归分析方法及Stata/SPSS操作与基准回归部分是一致的,只是分别限定了样本范围而已。可参见《Stata统计分析从入门到精通》 杨维忠、张甜 清华大学出版社一书。

使用if exp(条件表达式)

条件表达式的作用在于对样本集进行筛选,只对符合相关条件的样本子集执行相应的操作。

比如在命令窗口中输入reg Y1 X1 X2 X3 X4 X5 X6 X7 if xingbie==1(本命令的含义是对xingbie变量值取1的样本观测值,以Y1作为因变量,以X1-X7作为自变量,进行普通的最小二乘回归分析),结果如图1.31所示。

关于学习Stata与计量经济学的问题,如果大家只是为了写论文,而不是专门的计量经济学专业、研究计量理论方法的,推荐学习路径如下:如果是新手可以先学习这本书《Stata统计分析从入门到精通》 杨维忠、张甜 清华大学出版社。

2022年新书,山东大学陈强教授作序推荐。

本书专为计量经济学基础薄弱或学不进去,但又有写论文的读者入门所设计,注重应用,较少数学推导。边看书边操作,学的差不多了以后,再多看你目标研究领域的高质量的研究文献,看看人家用的什么方法,比如政策效应检验结构方程模型等等,再针对性的学习那些相对较难、比较专业的方法就可以(到了那个阶段和层次,基本就可以通过看文献自学了;而针对一些前沿的方法或者要更加系统的学习,参加陈强老师的培训班也是一个很好的选择)。

创作不易,恳请多多点赞,欢迎大家多多关注我,一起学习Stata/SPSS/Python,感谢大家的厚爱支持!

创作不易,恳请多多点赞,欢迎大家多多关注我,一起学习Stata/SPSS/Python,感谢大家的厚爱支持!

  • 10
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
LSDV(Least Squares Dummy Variables)回归,也称为“固定效应模型”,是一种常用的面板数据分析方法。它是一种多元线性回归方法,用于对面板数据的固定效应进行建模。面板数据是指同一组观察对象在不同时间或不同条件下的多次观测数据,例如一个企业在多个时间点的营业额数据。 在LSDV回归,我们将面板数据拆分成两个部分:一个部分是固定效应,另一个部分是随机效应。固定效应通常表示为虚拟变量(也称为“哑变量”),其每个虚拟变量表示一个观察对象。这些虚拟变量是与时间和条件无关的,因此在回归它们被视为常数。随机效应则表示为与时间和条件有关的变量。 在Stata进行LSDV回归的步骤如下: 1. 导入数据并将其转换为面板数据格式。 2. 使用“xtset”命令设置数据集的面板结构。 3. 使用“xtreg”命令进行LSDV回归。在命令,我们需要指定固定效应的变量,这通常是观察对象的ID。 例如,假设我们有一组企业在2010年到2015年的销售数据。我们想要对销售额进行LSDV回归,其固定效应是企业ID。我们可以使用以下Stata命令进行回归: ``` xtset company_id year xtreg sales i.company_id, fe ``` 在这个命令,“xtset”指定了面板数据结构,“xtreg”进行LSDV回归,“sales”是因变量,“i.company_id”是固定效应变量,“fe”表示使用固定效应(也称为“固定截距”)。 回归结果会显示每个企业ID的系数。这些系数表示每个企业的销售额相对于其他企业的销售额的差异。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

数据科学作家

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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