Stata命令合集

Stata 命令合集

一、简单操作 ①

Cd bak 定义根目录

Set memory 50m 设置软件使用内存

②编辑复制数据

Data——Data Editor——Data Editor（Edit） 一般选择第2个： Treat first row as variable names encode province,gen(id) 把字符转化成数值 ③打开已经保存的文件 clear

use mg mg表示文件名

④xtset 定义面板数据 （tsset定义时间序列数据） xtset province year

⑤统计量信息（原始数据的统计性描述） Sum ⑥取对数

单个变量：gen lnc=ln(c) gen lny=ln(y) gen lnmg=ln(mg) 所有变量：foreach v of varlist c-mg {

gen ln`v’=ln(`v’) 注意不是左边的`不是单引号 } c-mg为所有变量 ⑦单位根检验 xtunitroot llc lnc

(lnc为变量名称，llc为单位根检验方法) 一阶差分：gen dlnc=d.lnc ⑧相关系数矩阵 corr lnc lny lnmg ⑨线性回归

混合效应：regress lnc lny lnmg 固定效应：xtreg lnc lny lnmg,fe 随机效应：xtreg lnc lny lnmg,re

⑩固定效应、随机效应与混合效应的比较

1

固定效应VS混合效应： 随机效应VS混合效应：xttest 0 固定效应VS随机效应：hausman fe.

在做Hausman检验前，要先保存固定效应和混合效应的估计结果，后做Hausman检验 固定效应：xtreg lnc lny lnmg,fe est store fix 随机效应：xtreg lnc lny lnmg,re est store random

hausman fix random

①虚拟变量

加入虚拟变量的计量模型，只能得到随机效应和混合效应的估计结果，固定效应模型估计结果不能得到（因为固定效应模型基于差分思想） 二、作图 1、

graph matrix lnc lny lnmg

三、方程检验 1、一阶自相关

一阶自相关是指随机误差项之间存在?i,t=??i,t-1+?it ①检验命令：xtserial lnc lny lnmg

②处理方法：xtgls lnc lnmg lny, corr(ar1) 面板广义最小二乘估计

2、异方差

（1）在得出固定效应模型估计结果后开始进行异方差检验（随机效应模型不能做异方差检验）：xtreg lnc lny lnmg,fe ①检验命令：xttest3 ②处理方法：

只处理异方差：xtgls lnc lnmg lny,panel(het) het是单词异方差heteroskdastic的缩写 既处理异方差又处理一阶自相关：xtgls lnc lnmg lny,panel(het) corr(ar1)

??xt2,+-1??t ?广义最小二乘估计法的思想：yt=c+?x1,t+?x2,t+?t ??yt-1=?c+???x1t,-+1?两式相减得yt-??yt-1=(1-?)?c+??(x1,t-?x1,t-1)+??(x2,t-?x2,t-1)+?t-???t-1

（2）在得出混合效应模型估计结果的基础上进行异方差检验

2

regress lnc lny lnmg

只处理异方差：xtpcse lnc lny lnmg

既处理异方差又处理一阶自相关：xtpcse lnc lny lnmg，corr(ar1) pcse是Panel Corrected Standard Error面板修正标准差的简写 rho值即为残差项自相关系数?，?i,t=??i,t-1+?it

（3）处理异方差——稳健标准误：xtreg lnc lny lnmg,fe robust （robust稳健的） xtreg lnc lny lnmg,fe 与xtreg lnc lny lnmg,fe robust 估计结果的比较

xtreg lnc lny lnmg,fe r 不改变估计系数，只改变标准误和t统计量值，同时也改变P值（robust可能会将标准误调大，降低t值，导致P值不显著）

3、方差膨胀因子——一般检验解释变量之间的多重共线性 先估计回归方程：reg lnc lny lnmg

再做方差膨胀因子检验：vif 一般情况下要求值小于10

四、GMM操作 1、

3

二、 hausman

xtcsd,pesaran show 自相关 xttest3 异方差

xtgls employment import export capital gdp

自相关independence = 2.440, Pr = 0.0147

异方差chi2 (31) = 5038.62 Prob>chi2 = 0.0000

xtgls employment import export capital gdp

Cross-sectional time-series FGLS regression

Coefficients: generalized least squares Panels: homoskedastic Correlation: no autocorrelation

Estimated covariances = 1 Number of obs = 155 Estimated autocorrelations = 0 Number of groups = 31 Estimated coefficients = 5 Time periods = 5 Wald chi2(4) = 1072.54 Log likelihood = -40.97786 Prob > chi2 = 0.0000

------------------------------------------------------------------------------

employment | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+----------------------------------------------------------------

import | -.1196711 .040203 -2.98 0.003 -.1984676 -.0408746 export | -.1710037 .0333098 -5.13 0.000 -.2362898 -.1057176 capital | -.1091549 .0925927 -1.18 0.238 -.2906332 .0723234 gdp | 1.326218 .1107271 11.98 0.000 1.109197 1.543239 _cons | -1.889762 .3216405 -5.88 0.000 -2.520166 -1.259358 ------------------------------------------------------------------------------

xtreg prod rjzc fdi size gini ,fe

4

xtreg prod rjzc fdi size gini1 gini2 ,fe test gini1=gini2

generate i=(gini>0.033417) gen gini1=i*gini gen gini2=(1-i)*gini xtreg

tabstat prod gini rjzc fdi size , by(year) stat(cv)

5

本文来源：https://www.bwwdw.com/article/6det.html