1、計量經濟軟件應用節(jié)目，Stata軟件實驗1元，多個回歸分析，內容摘要，1，實驗目的2，簡單回歸分析Stata基本命令3，簡單回歸分析Stata軟件操作實例4，多個回歸分析Stata基本命令5，多個回歸分析Stata軟件操作實例1，實驗目的，2，例如：其中y是解析的變量，x是解析的變量，u是任意錯誤項，表示除x以外影響y的因素。稱為坡度比參數或坡度比系數，稱為截斷點參數或截斷點系數，也稱為截斷點或常數項目。簡單線性回歸模型的特殊情況：假設截斷系數，模型稱為原點回歸。原點回歸實際上有一定的應用，但除非有非常明確的理論分析，否則很容易渡邊杏使用原點回歸模型。(約翰f肯尼迪，美國電視電視劇(North

2、ern Exposure)，原點)，2，簡單回歸分析Stata基本命令，regress y x將y作為解釋變量，x作為解釋變量執(zhí)行普通最小二乘法(OLS)回歸。Regress命令可以縮寫為橫檔上的三個字母reg。regress y x，noconstant y到x的回歸不包含截斷點項目。即通過原點的回歸。Predict z基于最近的回歸生成與每個觀測的擬合值(即)相等的新變量z。Predict u，residual基于最近的回歸生成與每個觀測值的殘差(即)相同的新變量u。3，簡單的回歸分析Stata軟件操作案例，實驗1簡單的回歸分析：教育對工資的影響勞動經濟學中經常討論的問題之一是工人工資決定

3、。不難想象決定工資的因素有能力、性別、工作經驗、教育水平、產業(yè)、職業(yè)等多種多樣。此處僅考慮教育程度，以下度量模型：其中wage是表示時間工資的解釋變量，單位是元。Edu是一個解釋變量，表示培訓年數，即個人接受培訓的年數。u是隨機錯誤項。假定模型(3.1)牙齒簡單回歸模型的所有五個茄子基本假設均滿足，則這些OLS估計為最佳線性無偏估計。根據表S-2中提供的數據，使用Stata軟件完成上述型號的估計等。3，打開簡單的回歸分析Stata軟件操作實例，1，數據檔案?！肮べY方程式1.dta”文件的直接雙擊；或者，您可以單擊Stata窗口工具欄最左側的Open鍵，然后選擇“工資方程式1.dta”。或者，從

4、Excel表S-2中復制數據，然后單擊Stata窗口工具欄右側的第四個Data Editor鍵將數據粘貼到打開的數據剪輯窗口中，關閉數據剪輯窗口，然后按工具欄左側的第二個Save鍵保存數據。保存時必須指定數據文件的名稱。2、提供數據的簡要說明。使用Describe命令，des可以獲得以下執(zhí)行結果：3，簡單的回歸分析Stata軟件操作實例，結果表明“工資方程式1.dta”數據文件包含1225個示例和11個變量。11個變量的定義和說明見第3列。3，簡單的回歸分析Stata軟件操作實例，3，對變量的說明性統(tǒng)計分析。對于數量變量，請使用summarize命令su age edu exp expsq w

5、age lnwage獲取以下執(zhí)行結果并存儲執(zhí)行結果：欄1:變數名稱；第2列：觀測數；第3列：平均；第4列：標準差；欄5:最小值；欄6:最大值。3，簡單回歸分析Stata軟件操作實例，4，wage的edu的OLS回歸。使用Regress命令reg wage edu獲取以下運行結果并保存運行結果：(1)表下面的區(qū)域是基本回歸結果。欄1為解析的變數wage、解析變數edu、節(jié)距項目constant；第2列回歸系數的OLS估計；第3列回歸系數的標準誤差；第4列回歸系數的t統(tǒng)計值；寫樣本回歸方程是，教育年限增加一年，平均每小時工資增加0.39韓元。3，簡單的回歸分析Stata軟件操作實例，(2)表左上角

6、區(qū)域是方差分析表。第二列是自上而下的回歸平方和(SSE)、誤差平方和(SSR)和總偏差平方和(SST)。第三列是自由度：k=1、n-k-1=1225-1-1=1223、n-1=1225-1=1224。第四列是通過將每個平方的總和除以相應自由度得出的平均值(MSS)。(3)表的右上區(qū)域提供了樣本數、確定系數、調整后的確定系數、f統(tǒng)計值、回歸方程標準誤差或平均平方根誤差。上述回歸分析菜單操作包括在statistics linear models and related linear regression彈出對話框、Dependent Variable選項框中選擇或輸入wage、在Independe

7、nt Variables選項框中選擇或選擇第三個簡單的回歸分析Stata然后，根據u將數據從最小到最大排序，并列出u最小的五個觀測值。命令如下：predict z(生成配合值)predict u，residual(生成殘差)sort u(根據u將數據從最小到最大排序)list wage z u in 1/5(列出至少5個u觀測及其實際樣例觀測和配合)，以及命令如下：graph two way lfit wage edu | | scatter wage edu獲取以下執(zhí)行結果并存儲執(zhí)行結果：3，簡單的回歸分析Stata軟件操作實例，7，wage的edu的OLS回歸，僅使用年齡在30歲以下的示例

8、。命令如下：reg wage edu if age=30獲取以下運行結果并保存運行結果：寫樣本回歸方程是，對于年齡在30歲以下的工人，增加一年教育年限，工資將增加0.41韓元，略高于對整個樣本的估計。3，簡單的回歸分析Stata軟件操作實例，8，wage edu的OLS回歸，不包括攔截項，即原點回歸。命令如下：reg wage edu，noconstant獲取以下運行結果并存儲運行結果：3，采用簡單的回歸分析Stata軟件操作實例，9，半代數模型。模型(3.1)假定，如果在一年內增加教育年限，將發(fā)生同樣數量的工資增長。但是，美國經濟學者名書(J. Mincer)等研究表明，更合理的情況是增加一

9、年受教育的年限，導致相同比例的工資提高。為此，必須使用反數模型(代數-水平模型)。lnwage是每小時工資的自然對數。梯度系數的經濟意義是在一年內增加教育年限，收入就會增加。牙齒百分比值通常稱為教育收益率或教育收益率(the rate of return to education)，從lnwage返回到edu。命令如下：reg lnwage edu獲得了以下執(zhí)行結果，執(zhí)行結果(，3，簡單的回歸分析Stata軟件操作案例，創(chuàng)建了示例回歸方程：結果顯示，教育收益率的估計增加了5.03%，即平均增加一年教育年數，工資增加了5.03%。3，簡單的回歸分析Stata軟件操作實例，10，最后，您可以創(chuàng)建d

10、o文件以存儲以前執(zhí)行的命令。在Do文件的剪輯窗口(按下Stata窗口工具欄右側的第五個New do-file Editor鍵后，將打開Stata的do檔案剪輯窗口)中輸入以下命令和備注，然后將其另存為文件“薪金公式1.do”:牙齒文檔的內容是use“d :講義周的課程資料重要 計量經濟學軟件應用課件 10649289stata10工資方程式1.dta”。Clear/打開數據檔案des/數據的簡要說明su age edu exp expsq wage lnwage/定量變量的說明統(tǒng)計數據reg wage edu/簡單線性模型的OLS估計graph two way lfit wage edu |

11、| Reg學生平均支出代表了學校的經費投入水平，理論上，如果其他條件不變，學生平均支出高的學校可以獲得更好的教育資源(更優(yōu)秀的教師、更好的硬件設備等)，學習成績也應該提高。根據表S-3中顯示的數據，使用Stata軟件完成相關型號的估計等。1、打開數據文件?！半p擊”學校投入和學生成績。單擊“DTA”文件或單擊Stata窗口工具欄Open按鈕以顯示“學校投入和學生成績。選擇“DTA”即可。或者，在從Excel表S-3復制數據后，按數據窗口工具欄數據編輯器鍵將數據粘貼到數據剪輯窗口中，關閉窗口，然后按工具欄保存鍵保存和保存數據時指定數據檔案名稱。3，如果影響簡單回歸分析Stata軟件運行實例，2，假

12、設平均費用(expend)和學生數學成績的其他因素不是相關，則將建立以下四個茄子簡單回歸模型：水平-水平模型：水平-代數模型：代數-水平模型：代數-代數模型，3，簡單回歸分析Stata軟件操作示例，水平-代數模型的命令和操作結果如下：reg math lnexpend預期結果：即學校平均支出增加了1%，學生數學平均分數提高了0.11分。3，簡單的回歸分析Stata軟件操作示例，日志到水平模型的命令和操作結果如下：reg lnmath expend預期結果：即學校學生平均支出增加了1000韓元，學生數學平均得分提高了7%。3，簡單的回歸分析Stata軟件操作示例，代數到代數模型命令和操作結果如下

13、：reg lnmath lnexpend預期結果：即學校學生平均支出增加了1%，學生數學平均得分提高了0.32%。4，多回歸分析Stata原生命令，對于多線性回歸模型：regress y x1 x2xk將y作為解釋變量，x1，x2，xk作為解釋變量執(zhí)行常規(guī)最小二乘(OLS)回歸。Regress命令可以縮寫為reg。Regress y x1 x2xk，noconstant y對x1、x2、xk的回歸，不包括截取項目，即通過原點的回歸；Test x1 x2 x3最近根據回歸進行了F檢查，原Test根據最近的回歸進行了F檢查，原假設：5，多元回歸分析Stata軟件運營案例，實驗1多元回歸分析：工資方

14、程式使用數據檔案“工資方程式1.dta”創(chuàng)建了工資方程式，估計影響每小時工資。1、打開數據文件。“工資方程式1.dta”文件的直接雙擊；或者，您可以單擊Stata窗口工具欄最左側的Open鍵，然后選擇“工資方程式1.dta”。2、簡單的回歸分析。首先，建立簡單的回歸模型(代數-水平模型)。命令和執(zhí)行結果如下：reg lnwage edu，5，多元回歸分析Stata軟件運營實例，回歸結果：如果不考慮其他因素的影響，教育收益率估計為5.03%，即平均一年增長，5，多回歸分析Stata軟件運營實例，3，多個回歸分析。除了培訓年數(edu)外，工作經驗(exp)是影響每小時工資(wage)的重要因素。

15、從理論上看，其他條件不變，工作經驗越長，工人的工作經驗越豐富，勞動生產率越高，工資水平越高。如果沒有工作經驗(exp)和培訓年限(edu)牙齒相關或相關程度低，是否在薪金等式中加入工作經驗(exp)對估計培訓收益幾乎沒有影響。但是，如果工作經驗(exp)和培訓年限(edu)牙齒明顯相關，則不將工作經驗(exp)添加至薪金公式可能會錯誤地估計培訓收益率。為此，首先要調查樣本中的工作經驗(exp)和培訓年限(edu)牙齒是否有顯著相關。應計算兩個茄子之間的示例相關性數并執(zhí)行重要性測試，以使用如下命令：pwcorr edu exp、pwcorr樣例相關系數命令、選項SIG(即統(tǒng)計量的伴隨概率值)、5、多元回歸分析Stata軟件操作示例，您將獲得以下運行結果：假定edu和exp的樣例相關系數為-0.5005，重要性級別為0.0000，檢查統(tǒng)計量的伴隨概率值為0.0000。即，拒