精選文庫保存估計結(jié)果的命令：est store 名稱使用保存結(jié)果的命令：，estimates（名稱）如果你把那個顯示你用過的命令的窗口：窗口操作：WindowsReview如果你把那個顯示變量的窗口：窗口操作：WindowsVariables時間序列填充和擴展時間區(qū)間:命令：tsappend ,add(n) 增加n個觀測值窗口操作：在上面找data edit 即像一個表格一樣的圖標(biāo)點開即可編輯數(shù)據(jù)時間序列存在間斷點問題，需要補齊處理：命令：tsfill信息準(zhǔn)則赤池信息準(zhǔn)則（AIC）判斷判斷模型的最大滯后階數(shù)STATA命令：1 先回歸2 estat ic如何看AIC統(tǒng)計量：Breusch-Pagan,Cook-Weisberg異方差檢驗STATA命令：1 先回歸2 estat hettest varlist 或者在StatisticsPostestimation(倒數(shù)第二個)Reports and Statistics(倒數(shù)第二個)在里面選擇（hettest）如何看統(tǒng)計量：White異方差檢驗:STATA命令：3 先回歸4 estat imtest,white varlist 或者在StatisticsPostestimation(倒數(shù)第二個)Reports and Statistics(倒數(shù)第二個)在里面選擇（imtest）如何看統(tǒng)計量：Ramsey回歸設(shè)定誤差檢驗：STATA命令：1 先回歸2 estat ovtest 或者在StatisticsPostestimation(倒數(shù)第二個)Reports and Statistics(倒數(shù)第二個)在里面選擇（ovtest）如何看統(tǒng)計量：多重共線性方差膨脹因子檢驗：1 先回歸2 estat vif,uncentered 或者在StatisticsPostestimation(倒數(shù)第二個)Reports and Statistics(倒數(shù)第二個)在里面選擇（vif）如何看統(tǒng)計量：一般的當(dāng)最大的方差膨脹因子超過10（相對保守的臨界值定位30）后者平均方差膨脹因子超過1表示模型存在多重共線性的問題。Uncentered用于當(dāng)模型沒有常數(shù)項時的未中心化的方差膨脹因子。多重共線性的其他偵查方法：值高而顯著的t比率小：多重共線性的“經(jīng)典”征兆克里安經(jīng)驗法則：僅當(dāng)來自一個輔助回歸的 大于得自Y對全部回歸元中的總 時，多重共線性才算是一個麻煩的問題。做擬合圖（前提是先回歸）STATA命令：1 解釋變量對成分殘差圖用于考察模型形式是否設(shè)定準(zhǔn)確。cprplot 被解釋變量acprplot 被解釋變量2 增加變量圖用于考察數(shù)據(jù)是否存在異常值avplotd 被解釋變量3 擬合值對殘差圖的散點圖用于考察殘差是否滿足經(jīng)典的假設(shè)條件stdp表示樣本內(nèi)預(yù)測的標(biāo)準(zhǔn)差stdr 表示樣本外預(yù)測的標(biāo)準(zhǔn)差rvfplot4 解釋變量對殘差的散點圖rvpplot 被解釋變量 STATA對于數(shù)據(jù)的儲存與重現(xiàn)est命令的用法：（1）儲存回歸結(jié)果：reg y x1 x2 x3（不限于reg，也可儲存ivreg、mvreg、reg3）est store A（2）重現(xiàn)回歸結(jié)果：est replay A（3）對回歸結(jié)果進行進一步分析est for A:sum（對A回歸結(jié)果中的各個變量運行sum命令）在非時間序列的數(shù)據(jù)的情況下，異方差的修正用GLS具體的方法如下：1.quietly regress y x 做回歸2.predict u，residual 取殘差 3.predict yf，xb (xb表示擬合值) 將擬合值取出放到y(tǒng)f里4.gen lnu2=ln(u2) 將殘差做平方且取對數(shù)的處理5.gen yf2=yf2(將yf這個擬合值同上面的殘差做相同的處理)6.quietly regress lnu2 yf yf2 對處理過的殘差對 擬合值 以及 處理過的擬合值 做回歸 7.predictnl u2f=exp(xb() 再將回歸后的擬合值取出并作對數(shù)處理放到 u2f里8.gen sd=sqrt(u2f) 將u2f做平方處理predictnl表示模型估計后的非線性預(yù)測，比如指數(shù)預(yù)測xb表示線性預(yù)測exp表示指數(shù)預(yù)測pr表示概率預(yù)測se表示線性預(yù)測（prediction）的標(biāo)準(zhǔn)差stdf表示線性預(yù)測（forecast）的標(biāo)準(zhǔn)差取對數(shù)用ln(var)函數(shù)取平方用sqrt(var)函數(shù)然后，利用vwls進行加權(quán)估計vwls y x , sd(sd)GLS也可以通過regress命令中的weight選項來實現(xiàn)。存在自相關(guān)的修正用廣義差分el(mat,i,j)矩陣的第i行第j列自相關(guān)的修正用廣義差分具體的方法如下：1 一階自相關(guān)的修正prais y x，rhotype(regress)prais y x，corc rhotype(regress)2 高階自相關(guān)的修正以二階自回歸為例quietly regress D.y x 對被解釋變量取差分并且做回歸predict u,resid 取出殘差quietly reg u l(2).u，noconstant 令u對其二階滯后期做自回歸（無截距）matrix mat=e(b) 生成矩陣mat 將回歸的結(jié)果放到矩陣?yán)铮ㄈ绻歉唠A可能有多個自相關(guān)系數(shù)）gen m=d.y-el(mat,1,1)*l(2)d.y 對y的一階差分與y的一階差分的滯后期與權(quán)重的乘積做差分，這個權(quán)重就是mat矩陣?yán)锏牡谝恍械谝涣械南禂?shù)，剛好使我們剛剛回歸出來的自相關(guān)系數(shù)（如果是高階可能不只做一個差分，會更為復(fù)雜）gen n=d.x-el(mat,1,1)*l(2)d.x 對x進行和y一樣的處理方法reg m n 然后令m對n做回歸關(guān)于參數(shù)約束的模型估計問題(P178張曉峒)STATA命令：cnsreg 被解釋變量 解釋變量 條件if in weight ，constraints(constraints) options其中constraints(constraints)表示線性約束例如：約束規(guī)模報酬不變的估計模型命令如下：1. constraint define 1 lnk+lnl=1 將等于1的線性約束(不可以為不等號)條件定義為12. cnsreg lny lnk lnl ，constraints(1)約束為lnk=lnl=0的估計模型：命令如下:1. constraint define 2 lnk lnl 等于0的條件可以不寫出來2. cnsreg lny lnk lnl，constraints(2)約束條件為lnk=0.6,