运用Stata建立计量经济学模型
空间计量经济学与Stata实现
整理课件
24
空间滞后算子
空间滞后算子
定义 （列向量）为
的空间滞后
的第i行是
，这正是i所有邻居
的加权平均, 赋予邻居的权为
。 有时为了更加突
出加权平均的含义，我们可以令的每一行权数之和为1。
整理课件
25
地 区
Y
空间滞后
WA WB Wc WD WE WF
算子
A 12 0 0.5 0.3 0.5 0 0 B 15 0.3 0 0.3 0 0 0 C 35 0.3 0.5 0 0 0.3 0.5 D 17 0.3 0 0 0 0.3 0 E 28 0 0 0.3 0.5 0 0.5 F 20 0 0 0.3 0 0.3 0
• 正空间自相关：相似的观测值在空间集聚；
• 负空间自相关：相似的观测值在空间分散； • 无空间自相关：观测值在空间分布上没有
规律（完全随机）。
整理课件
30
地区 Y y Y Y WA WB Wc WD WE
A 12 -9.1 0 1 1 1 0 B 15 -6.1 1 0 1 0 0 C 35 13.9 1 1 0 0 1 D 17 -4.1 1 0 0 0 1 E 28 6.93 0 0 1 1 0 F 20 -1.1 0 0 1 0 1
22.3 23.5 18.8
20 24 31.5
整理课件
26
想一想
为什么进行归一化处理？
归一化处理（行和单位化）将原来空间矩阵的每一个
元素分别除以所在行的元素之和，这使得 变得不再具有
量纲。由于
将变得与 具有相同的量纲，空间自回归
系数因此具有更加清晰准确的含义，它可以被解释成空间
相关的方向与大小，且不同模型之间还可以进行直接的比
使用Stata进行经济学和统计分析
使用Stata进行经济学和统计分析在当今的经济学研究和数据分析领域，Stata 凭借其强大的功能和易用性，成为了众多学者和研究人员的得力工具。
Stata 是一款专门用于数据管理、统计分析和绘图的软件，它为我们解决各种经济和统计问题提供了高效而可靠的途径。
Stata 的一个显著优势在于其丰富的数据管理功能。
在进行经济研究时，我们常常需要处理大量的数据，这些数据可能来自不同的来源，格式也各不相同。
Stata 能够轻松地读取和导入各种常见的数据格式，如 Excel、CSV 等，并且可以对数据进行清理、转换和合并等操作。
例如，我们可以使用｀drop` 命令删除不需要的变量，使用｀generate`命令创建新的变量，使用｀merge` 命令将多个数据集合并在一起。
通过这些操作，我们能够将原始数据整理成适合分析的形式，为后续的研究工作打下坚实的基础。
在统计分析方面，Stata 提供了广泛而全面的统计方法。
无论是描述性统计、推断统计，还是复杂的计量经济学模型，Stata 都能应对自如。
比如，我们可以使用｀summarize` 命令快速获取数据的均值、标准差、最小值和最大值等描述性统计量，从而对数据的基本特征有一个直观的了解。
对于假设检验，Stata 提供了｀ttest` 命令用于均值比较，｀chi2test` 命令用于独立性检验等。
在计量经济学领域，Stata 支持线性回归、Logit 模型、Probit 模型、面板数据模型等多种模型的估计和检验。
以线性回归为例，我们可以使用｀regress` 命令来估计回归方程，并通过查看输出结果中的系数估计值、标准误、t 值和 p 值等信息来评估模型的拟合效果和变量的显著性。
除了基本的统计分析，Stata 还在处理时间序列数据方面表现出色。
时间序列数据在经济学中非常常见，如股票价格、通货膨胀率等。
Stata 提供了一系列专门用于时间序列分析的命令和函数，如｀arima` 命令用于拟合自回归移动平均模型（ARIMA），｀forecast` 命令用于进行预测。
如何用Stata进行经济学研究
如何用Stata进行经济学研究Stata作为一种用于统计分析和数据管理的软件包，广泛应用于经济学研究领域。
本文将就如何使用Stata进行经济学研究提供一些指导和技巧。
一、数据的准备与导入在进行经济学研究前，首先需要准备好相关的数据。
一般来说，数据可以来源于各种渠道，如官方统计数据、问卷调查、实验记录等。
在导入数据之前，需要确保数据格式的正确性以及缺失值的处理。
Stata提供了多种导入数据的方式，可以根据数据的来源选择合适的导入方法，如导入Excel文件、CSV文件、SPSS文件等。
此外，还可以通过Stata自带的示例数据集来进行初步分析和练习。
二、数据的描述性统计与可视化分析在导入数据后，一般需要对数据进行描述性统计和可视化分析，以了解数据的基本情况和特征。
Stata提供了众多的命令和函数，可以方便地进行数据的描述性统计和分布分析。
例如，可以使用命令`summarize`和`tabulate`对数据进行基本统计和交叉分析，并通过绘制直方图、散点图、箱线图等可视化图形展示数据分布的情况。
这些分析结果可以帮助研究者更好地理解数据，为进一步的研究提供基础。
三、经济学模型的建立与估计经济学研究常常需要建立经济学模型，并对模型参数进行估计以获得相关经济关系的定量描述。
在Stata中，可以使用回归模型进行参数估计。
Stata提供了一系列的回归命令，包括简单线性回归、多元线性回归、面板数据回归、二项Logit回归等。
以线性回归为例，使用命令`regress`进行模型的估计，并可通过命令`estat`获取回归结果的各种统计信息和诊断检验。
此外，Stata还支持进行异方差性检验、多元共线性检验等，以提高模型的准确性。
四、经济学实证分析与假设检验在通过回归模型获得参数估计结果后，可以进行经济学实证分析和假设检验，以验证经济理论和推论的有效性。
Stata提供了多种假设检验的命令，如`ttest`用于比较两组样本平均值的差异、`correlate`用于计算变量之间的相关系数、`test`用于对回归系数进行显著性检验等。
Stata空间计量命令汇总及具体操作方法指南
Stata空间计量命令汇总及具体操作方法指南空间计量经济学创造性地处理了经典计量方法在面对空间数据时的缺陷，考察了数据在地理观测值之间的关联。
近年来在人文社会科学空间转向的大背景下，空间计量已成为空间综合人文学和社会科学研究的基础理论与方法，尤其在区域经济、房地产、环境、人口、旅游、地理、政治等领域，空间计量成为开展定量研究的必备技能。
1、空间计量建模步骤空间统计分析：构建空间权重矩阵后，进行探索性空间统计分析：包括空间相关性检验（全局空间自相关和局部空间自相关等）；空间计量分析：空间计量模型的回归与检验（SAR，SEM，SAC 等模型估计和检验等）。
空间滞后模型（Spatial Lag Model，SLM）主要是探讨各变量在一地区是否有扩散现象（溢出效应）。
其模型表达式为：参数反映了自变量对因变量的影响，空间滞后因变量是一内生变量，反映了空间距离对区域行为的作用。
区域行为受到文化环境及与空间距离有关的迁移成本的影响，具有很强的地域性（Anselin et al.，1996）。
由于SLM模型与时间序列中自回归模型相类似，因此SLM也被称作空间自回归模型（Spatial Autoregressive Model，SAR）。
空间误差模型（Spatial Error Model，SEM）存在于扰动误差项之中的空间依赖作用，度量了邻近地区关于因变量的误差冲击对本地区观察值的影响程度。
由于SEM模型与时间序列中的序列相关问题类似，也被称为空间自相关模型（Spatial Autocorrelation Model，SAC）。
估计技术：鉴于空间回归模型由于自变量的内生性，对于上述两种模型的估计如果仍采用OLS，系数估计值会有偏或者无效，需要通过IV、ML或GLS、GMM等其他方法来进行估计。
Anselin （1988）建议采用极大似然法估计空间滞后模型（SLM）和空间误差模型（SEM）的参数。
空间自相关检验与SLM、SEM的选择：判断地区间创新产出行为的空间相关性是否存在，以及SLM和SEM那个模型更恰当，一般可通过包括Moran’s I检验、两个拉格朗日乘数（Lagrange Multiplier）形式LMERR、LMLAG及其稳健（Robust）的R-LMERR、R-LMLAG）等形式来实现。
运用Stata建立计量经济学模型
9/2/2020
13
6、运用模型（regress postestimation）
➢ 常用模型回归系数的意义 ➢ 线性模型：边际效应
^
^
^
yi 0 1 xi
^
1
dy dx
➢ 线性-对数模型：自变量的相对变化引起因变量的 绝对变化
^
^
^
yi 0 1 ln xi
^
1
dy dx
9/2/2020
➢ 趋势图法
➢ line r year, yline(0)
➢ Breusch-Godfrey LM test for autocorrelation
➢ estat bgodfrey,lags(1 2 3)
➢ Durbin’s alternative test for autocorrelation
➢ estat dubinalt,lags(1 2 3)
➢ 第一次迭代后停止，两步法
➢ prais m gdp, twostep
➢ 矫正同时存在异方差和序列相关之Newey-West
➢ 假定模型存在异方差和滞后3阶的序列相关，用 OLS估计Newey-West标准误
➢ Newey m gdp, lag(3)
9/2/2020
10
5、修正模型
➢ （3）多重共线性的修正
➢6、应用模型：置信区间、预测、结构分析、 边际分析、弹性分析、……；
➢7、整理：关闭日志、生成do文件备用
9/2/2020
19
➢ 通过信息矩阵检验执行的white异方差检验
➢ estat imtest, white
➢
9/2/2020
解析检验的零假设H0：同方差
计量经济学Stata软件应用
40
30
20
10
0
0
5
10
15
20
years of education
Fitted values
hourly wage
整理ppt
13
三、简单回归分析的Stata软件操作实例
7、wage对edu的OLS回归，只使用年龄小于或等于30岁的样
本。命令如下：
reg wage edu if age<=30 得到以下运行结果，保存该运行结果；
入wage，在Independent Variables选项框中选择或键入edu→点击OK即可
整理ppt
11
三、简单回归分析的Stata软件操作实例
5、生成新变量 z 为上一个回归的拟合值，生成新变量 u 为 上一个回归的残差；然后根据 u 对数据进行从小到大的排 序，并列出 u 最小的5个观测。 命令如下： predict z (生成拟合值) predict u, residual ( 生成残差 ) sort u (根据 u 对数据从小到大排序) list wage z u in 1/5 (列出 u 最小的5个观测值以及对应的实
残差平方和(SSR)和总离差平方和(SST)；第3列为自由度，分别为k=1，
n-k-1=1225-1-1=1223，n-1=1225-1=1224；第4列为均方和(MSS)，由各项
平方和除以相应的自由度得到。
(3) 表右上方区域给出了样本数(Number of obs)、判定系数(R-squared)、
8.06 0.000 7.81 0.000
.2979069 2.684359
.4895815 4.485031
(1) 表下方区域为基本的回归结果。第1列依次为被解释变量wage，解释 变量edu，截距项constant；第2列回归系数的OLS估计值；第3列回归系 数的标准误；第4列回归系数的 t 统计量值；
【精品】《计量经济学》实验报告
【精品】《计量经济学》实验报告
一、实验目的
通过本实验，了解计量经济学的基本概念，认识计量经济学的应用，以及如何利用统计软件STATA进行计量经济学的研究。
二、实验内容
本次实验利用国外一项有关家庭经济收支的调查资料，分析收入与消费的关系，研究对收入的影响因素。
三、实验方法
（1）调查资料：国外家庭收支资料是由100个家庭的收支情况数据组成，其中包括这100个家庭的收入、消费、家庭编号、家庭购买力等。
（2）计量模型：在该实验中，建立二元线性回归模型：
（3）计量经济学的应用：利用STATA软件进行实证分析，以估计该家庭收入与消费的关系，并进一步研究影响收入的因素。
四、实验结果
（1）估计结果：家庭收入与消费的估计结果如下：
模型结果：Y=0.697+2.154X
线性拟合结果：R2=0.811，p=0.000
（2）影响收入的因素：利用STATA软件回归分析发现，家庭购买力、家庭编号等因素影响家庭收入。
五、实验结论
通过本次实验，我们可以得出以下结论：
（1）计量经济学是一种有效的用来研究家庭收入与消费关系的方法。
（2）家庭收入与消费显著正相关，即家庭收入越高，消费也越高。
（3）家庭购买力以及家庭编号等因素对家庭收入有显著影响。
第五讲 多值、排序与计数模型 高级计量经济学及Stata应用课件
• 这些解释变量都只依赖于个体，而不依赖于方案 ，故应使用多项logit或多项probit回归。
2020/7/27
陈强 计量及Stata应用 (c) 2014
20
数据特征
• use nomocc2.dta, clear • sum
• 解释变量xij，既随个体i而变，也随方案j而变。
• 系数 β 表明，xij对随机效用Uij的作用不依赖于方 案j。比如，乘车时间依个体与方案而变，但乘车 时间太长所带来的负效用是一致的。
2020/7/27
陈强 计量及Stata应用 (c) 2014
9
条件Logit (续)
• 根据与多项Logit类似的推导，
2020/7/27
陈强 计量及Stata应用 (c) 2014
18
混合logit的Stata命令
• asclogit y x1 x2 x3,case(varname) alternatives(varname) casevars(varname) base(#) or
• “asclogit”表示“alternative-specific conditional logit”
• 如果假设 i1, ,iJ 服从J维正态分布，可
得“多项probit”(multinomial probit)模型
• 但多项Probit的计算涉及高维积分，不易计 算，较少使用。
2020/7/27
陈强 计量及Stata应用 (c) 2014
7
随方案而变的解释变量
• 多项Logit仅考虑不随方案而变的解释变量(比如， 个体收入)，但有些解释变量既随个体，也随方案 而变。比如，在选择交通工具时，乘车时间既因 个体而异，也因交通工具而异。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
➢ line r year, yline(0)
➢ Breusch-Godfrey LM test for autocorrelation
➢ estat bgodfrey,lags(1 2 3)
➢ Durbin’s alternative test for autocorrelation
➢ estat dubinalt,lags(1 2 3)
➢ Durbin-Watson dw-statistic
➢ estat dwatson
9/2/2020
7
4、诊断模型
➢ （3）多重共线性 ➢ 检验多重共线性是否存在：R2和F很高，但t检验
不显著 ➢ 判定系数检验法：某一自变量对其余自变量回归
的R>0.8，判定该自变量引起多重共线性 ➢ 方差膨胀因子大于5 ➢ estat vif
➢ 排除引起共线性的变量
➢ 差分法（短期模型）
➢ 岭回归法（有偏估计）
➢ 逐步回归法
பைடு நூலகம்
➢ A. 向前法（只进不出） sw reg ...,pe(0.#)
➢ B. 向后法（只出不进） sw reg ...,pe(0.#)
➢ C. （有进有出）向前法 sw reg ...,pe(0.#) pr(0.#) forward
运用Stata建立 计量经济学模型
9/2/2020
1
运用Stata建模程序
➢1、准备工作 ➢2、探索数据特征 ➢3、建立模型 ➢4、诊断模型 ➢5、修正模型 ➢6、运用模型（regress postestimation） ➢7、整理
9/2/2020
2
1、准备工作
➢ 让STATA处于初始状态，清除所有使用过的痕迹 clear
9/2/2020
4
3、建立模型
➢ OLS建立模型： regress y x1 x2 x3； ➢ 由方差分析表并用F和R2检验模型整体显著性； ➢ 依据p值对各系数进行t检验，一次只能剔出一个
最不显著的变量，直到不包含不显著的变量； ➢ 估计参数，判别变量的相对重要性； ➢ 构造和估计约束模型，用以检验经济理论
9/2/2020
8
5、修正模型
➢ （1）异方差的修正——WLS ➢ predict r, residuals ➢ regress y x1 x2 x3 [w=1/abs(r)]
9/2/2020
9
5、修正模型
➢ （2）修正同时存在异方差和序列相关之prais
➢ 选项是corc变换，循环迭代
➢ Prais m gdp, corc
➢ 第一次迭代后停止，两步法
➢ prais m gdp, twostep
➢ 矫正同时存在异方差和序列相关之Newey-West
➢ 假定模型存在异方差和滞后3阶的序列相关，用 OLS估计Newey-West标准误
➢ Newey m gdp, lag(3)
9/2/2020
10
5、修正模型
➢ （3）多重共线性的修正
➢ 认识变量：describe
➢ 建立时间变量：tsset
9/2/2020
3
2、用描述统计方法探索数据特征
➢ 必要的数据转换： gen、replace、……； ➢ 描述统计量：summarize, detail ➢ 相关系数矩阵：corr/pwcorr ➢ 散点图和拟合直线图：scatter y x || lfit y x ➢ 矩阵散点图： graph matrix y x1 x2 x3,half ➢ 线性趋势图：line y x
9/2/2020
12
6、运用模型（regress postestimation）
➢ 点估计：predict yhat ➢ 残差： predict r, residuals ➢ 均值预测的标准误：predict zxbzw, stdp ➢ 个别值预测的标准误：predict rxbzw, stdf ➢ F的临界值 invFtail(df1,df2,0.05) ➢ F的临界概率（边际概率）Ftail(df1,df2,ftest) ➢ t的临界值invttail(df,0.025) ➢ t的临界概率（边际概率）ttail(df,ttest)
➢ pe(0.#) < pr(0.#)向前法是空模型的开始
➢ D. （有进有出）向后法 sw reg ...,pe(0.#) pr(0.#)
➢ pe(0.#) < pr(0.#)向后法是满模型的开始
9/2/2020
11
5、修正模型
➢ （4）修正随机解释变量 ➢ tsset year ➢ ivreg consp (gdpp=l.gdpp) ➢ 用滞后一期的gdpp作gdpp的工具变量 ➢ 常数项虚拟变量自己作自己的工具变量。 ➢ ivreg y1 x1 x2 (y2 y3 = z1 z2 z3) x3 ➢ 用z1 z2 z3作y2和y3的工具变量 ➢ x1 x2 x3和常数项虚拟变量自己作自己的工具变量
9/2/2020
5
4、诊断模型
➢ （1）检验异方差
➢ 残差拟合值散点图：rvfplot
➢ 残差平方与某个自变量的散点图
➢ predict e, residuals
➢ gen e2=eˆ2
➢ scatter e2 x1
➢ Breusch-Pagan拉格朗日乘数异方差检验
➢ estat hettest
➢ 指明版本号 version11
➢ 设定并进入工作文件夹：cd D:\
➢ 关闭以前的日志 capture log close
➢ 建立日志： log using , replace
➢ 设定内存： set mem 20m
➢ 关闭 more： set more off
➢ 读入数据： use 计量.dta, clear
9/2/2020
13
6、运用模型（regress postestimation）
➢ 常用模型回归系数的意义 ➢ 线性模型：边际效应
^
^
^
yi 0 1 xi
^
1
dy dx
➢ 线性-对数模型：自变量的相对变化引起因变量的 绝对变化
➢ 通过信息矩阵检验执行的white异方差检验
➢ estat imtest, white
➢
9/2/2020
解析检验的零假设H0：同方差
6
4、诊断模型
➢ （2）检验序列相关 ➢ 散点图法
➢ predict r ➢ gen lagr=l.r ➢ scatter r lagr,xline(0) yline(0)