stata陈强：计量经济学及stata应用_陈强第五章多元线性回归

最新推荐文章于 2023-12-17 15:42:53 发布

HarryStudyPython_ing

最新推荐文章于 2023-12-17 15:42:53 发布

阅读量6.5k

点赞数 3

分类专栏： stata-陈强_高级计量经济学与stata

本文链接：https://blog.csdn.net/qq_47805483/article/details/108921852

版权

stata-陈强_高级计量经济学与stata 专栏收录该内容

4 篇文章 25 订阅

订阅专栏

这篇博客介绍了如何使用Stata进行多元线性回归分析，包括二元线性回归示例和基础回归操作。内容涵盖数据集加载、回归模型的建立以及虚拟变量的运用，例如通过虚拟变量筛选特定子样本进行回归。此外，还展示了如何对回归结果进行预测和残差分析，并提供了回归模型的代码汇总。

摘要由CSDN通过智能技术生成

第五章多元线性回归

二元线性回归示例

在这里插入图片描述
数据集：

cd "F:\stata兴趣培训班\陈强计量经济学与stata资料\data"
dir

use cobb_douglas.dta ,clear
list 

regress lny lnk lnl

在这里插入图片描述

代码汇总

*** 二元线性回归示例
cd "F:\stata兴趣培训班\陈强计量经济学与stata资料\data"
dir

use cobb_douglas.dta ,clear
list 

regress lny lnk lnl

predict lny1

predict e , residual

list lny lny1 e

line lny lny1 year , lpattern(solid dash)

多元回归的stata实例

基础回归

cd "F:\stata兴趣培训班\陈强计量经济学与stata资料\data"
dir

use  grilic.dta ,clear

regress lnw s expr tenure smsa rns

在这里插入图片描述

***无常数项时
regress lnw s expr tenure smsa rns , noc

在这里插入图片描述

关于虚拟变量

其中： south = 1 ; north = 0
在这里插入图片描述

***如果只对南方居民的子样本进行回归，可使用虚拟化变量rns
list rns in 1/20

regress lnw s expr tenure smsa if rns  //如果只对南方居民的子样本进行回归，可使用虚拟化变量rns

在这里插入图片描述

regress lnw s expr tenure smsa if ~rns  //如果只对北方居民的子样本进行回归

在这里插入图片描述

对数据进行筛选后回归

regress lnw s expr tenure smsa rns if s >=12  // 只对中学以上的子样本进行回归

在这里插入图片描述

regress lnw s expr tenure smsa if s >=12 & rns  // 只对中学以上且居住在南方的子样本进行回归

在这里插入图片描述

其他

在这里插入图片描述

test s = 0.1

在这里插入图片描述

同样：

代码汇总

***多元回归的stata实例
cd "F:\stata兴趣培训班\陈强计量经济学与stata资料\data"
dir

use  grilic.dta ,clear

regress lnw s expr tenure smsa rns

vce  //variance covariance matrix estimated

***无常数项时
regress lnw s expr tenure smsa rns , noc

***如果只对南方居民的子样本进行回归，可使用虚拟化变量rns
list rns in 1/20

regress lnw s expr tenure smsa if rns  //如果只对南方居民的子样本进行回归，可使用虚拟化变量rns

regress lnw s expr tenure smsa if ~rns  //如果只对北方居民的子样本进行回归

regress lnw s expr tenure smsa rns if s >=12  // 只对中学以上的子样本进行回归

regress lnw s expr tenure smsa if s >=12 & rns  // 只对中学以上且居住在南方的子样本进行回归

***回到最初的全样本估计
use  grilic.dta ,clear

quietly regress lnw s expr tenure smsa rns
predict lnw1
predict e , residual

test s = 0.1

dis ttail(752 , 0.45188757)*2

test expr=tenure

test expr+tenure=s