(9)stata的基本使用--归并回归

归并回归

概念:

在这里插入图片描述

示例:

ols回归
在这里插入图片描述
在这里插入图片描述
画图:
在这里插入图片描述
归并回归

在这里插入图片描述
需要单独安装插件:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

归并数据的两部分模型

跨栏模型

概念

在这里插入图片描述
在这里插入图片描述

示例

使用全样本进行probit回归
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
上表中,P值小于0.05拒绝原假设,认为存在异方差

检验扰动项的正态性:

在这里插入图片描述

拒绝正态性原假设(上表我没看明白)

画一下核密度图:
在这里插入图片描述
在这里插入图片描述

含内生变量的tobit模型:

含义

在这里插入图片描述

命令

在这里插入图片描述

示例

在这里插入图片描述
在这里插入图片描述
进行IV Tobit估计
在这里插入图片描述
在这里插入图片描述

现在进行两步最小二乘法:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 2
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
Fama-MacBeth回归是一种常用的面板数据分析方法,它通过交叉截面回归和时间序列回归相结合的方式,解决了异质性和序列相关性的问题。下面是使用Stata进行Fama-MacBeth回归的代码示例: 假设我们有一个面板数据集,包含了n个个体和T个时间点的数据,其中y为因变量,x1至xm为自变量,panelvar为个体标识变量,timevar为时间标识变量。我们的目标是对y和x1至xm进行Fama-MacBeth回归,其中控制了行业固定效应和时间固定效应。 ``` // Step 1:交叉截面回归 reg y x1-xm i.panelvar, robust cluster(panelvar) // Step 2:时间序列回归 eststo fm forvalues i = 1/`T' { qui reg y x1-xm i.panelvar if timevar == `i', robust eststo fm: quietly estadd matrix e(b)'e(V)' in `i' } // Step 3:Fama-MacBeth回归 eststo fm: quietly fem using fm, noconstant ``` 代码解释: Step 1:使用交叉截面回归对每个时间点的数据进行回归,控制了个体固定效应。 Step 2:对每个自变量的系数和标准误进行时间序列回归,得到每个时间点的系数和标准误,同时将其保存在一个矩阵中。注意,如果面板数据存在缺失值,需要使用if语句进行筛选。 Step 3:使用fem命令进行Fama-MacBeth回归,其中使用了noconstant选项,因为我们已经控制了个体固定效应和时间固定效应,不需要再加入截距项。最终结果将保存在fm中。 需要说明的是,以上代码仅是示例,实际应用中需要根据具体数据进行调整。
评论 1
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

小蜗笔记

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