stata建模中的各种小问题(我的笔记).doc

保存估计结果的命令：eststore名称
使用保存结果的命令：，estimates（名称）

如果你把那个显示你用过的命令的窗口：
窗口操作：Windows——Review
如果你把那个显示变量的窗口：
窗口操作：Windows——Variables

时间序列填充和扩展时间区间:
命令：tsappend,add(n)增加n个观测值
窗口操作：在上面找dataedit即像一个表格一样的图标点开即可编辑数据

时间序列存在间断点问题，需要补齐处理：
命令：tsfill
信息准则
赤池信息准则（AIC）——判断判断模型的最大滞后阶数
STATA命令：
先回归
estatic
如何看AIC统计量：

Breusch-Pagan,Cook-Weisberg异方差检验
STATA命令：
先回归
estathettest[varlist]或者在Statistics——Postestimation(倒数第二个)——ReportsandStatistics(倒数第二个)——在里面选择（hettest）
如何看统计量：
White异方差检验:
STATA命令：
先回归
estatimtest,white[varlist]或者在Statistics——Postestimation(倒数第二个)——ReportsandStatistics(倒数第二个)——在里面选择（imtest）
如何看统计量：

Ramsey回归设定误差检验：
STATA命令：
先回归
estatovtest或者在Statistics——Postestimation(倒数第二个)——ReportsandStatistics(倒数第二个)——在里面选择（ovtest）
如何看统计量：

多重共线性方差膨胀因子检验：
先回归
estatvif[,uncentered]或者在Statistics——Postestimation(倒数第二个)——ReportsandStatistics(倒数第二个)——在里面选择（vif）
如何看统计量：
一般的当最大的方差膨胀因子超过10（相对保守的临界值定位30）后者平均方差膨胀因子超过1表示模型存在多重共线性的问题。Uncentered用于当模型没有常数项时的未中心化的方差膨胀因子。
多重共线性的其他侦查方法：
值高而显著的t比率小：多重共线性的“经典”征兆
克里安经验法则：仅当来自一个辅助回归的大于得自Y对全部回归元中的总时，多重共线性才算是一个麻烦的问题。

做拟合图（前提是先回归）
STATA命令：
解释变量对成分残差图——用于考察模型形式是否设定准确。
cprplot被解释变量
acprplot被解释变量
增加变量图——用于考察数据是否存在异常值
avplotd被解释变量
拟合值对残差图的散点图——用于考察残差是否满足经典的假设条件
stdp表示样本内预测的标准差
stdr表示样本外预测的标准差
rvfplot
解释变量对残差的散点图
rvpplot被解释变量

STATA对于数据的储存与重现
est命令的用法：（1）储存回归结果：regyx1x2x3（不限于reg，也可储存ivreg、mvreg、reg3）eststoreA
（2）重现回归结果：estreplayA
（3）对回归结果进行进一步分析estforA:sum（对A回归结果中的各个变量运行sum命令）

在非时间序列的数据的情况下，
异方差的修正——用GLS
具体的方法如下：
1.quietlyregressyx做回归
2.predictu，residual取残差
3.predictyf，xb(xb表示拟合值)将拟合值取出放到yf里
4.genlnu2=ln(u^2)将残差做平方且取对数的处理
5.genyf2=yf^2(将yf这个拟合值同上面的残差做相同的处理)
6.quietlyregresslnu2yfyf2对处理过的残差对拟合值以及处理过的拟合值做回归
7.predictnlu2f=exp(xb())再将回归后的拟合值取出并作对数处理放到u2f里
8.gensd=sqrt(u2f)将u2f做平方处理
predictnl表示模型估计后的非线性预测，比如指数预测
xb表示线性预测
exp表示指数预测
pr表示概率预测
se表示线性预测（prediction）的标准差
stdf表示线性预测（forecast）的标准差
取对数用ln(var)函数
取平方用sqrt(var)函数
然后，利用vwls进行加权估计
vwlsyx,sd(sd)
GLS也可以通过regress命令中的weight选项来实现。

存在自相关的修正——用广义差分
el(mat,i,j)矩阵的第i行第j列
自相关的修正——用广义差分
具体的方法如下：
一阶自相关的修正
praisyx，rhotype(r