stata学习笔记（七）：回归分析和稳健性检验

1.分组回归

sort state
by state:reg xxx xxx

但是这样不能直接用outreg导出，采用下面的方法

forvalues t = 2001/2008{qui reg y x if year == `t'
   est store r_`t'
}

然后不小心看到了一位大神的三种方法....没试过先mark

三种策略，建议你都试试：
（1）直接用outreg2的一项功能， // help outreg2##s_1

bysort compliance: outreg2 using c3.doc, replace: reg ares time size ROA growth lev profquality

（2）直接用outreg2的另一项功能， // help outreg2##s_2

levelsof compliance, local(cl)    // help levelsof
cap erase c3.doc
foreach lv of local cl {reg ares time size ROA growth lev profquality if compliance == `lv'
    outreg2 using c3.doc
}

（3）手工循环（估计->保存估计结果）->统一输出

levelsof compliance, local(cl)
foreach lv of local cl {reg ares time size ROA growth lev profquality if compliance == `lv'
    est store cl_`lv'
}
outreg2 [cl_*] using c3.doc, replace

2.交叉项

genicv可以一键生成很多交叉项##可以直接表示交叉项。【例子】ssc install genicvsysuse auto,cleargenicv length weight foreign \\\会生成4个交叉项，所以可能情况，并且有labelreg price length weight length_weight*如果不愿意生成，直接用reg price c.length##c.weight \\\和上面回归一样一样的

3.工具变量

逆米尔斯比率
```
imr=normalden(predict)/normal(predict)
```
两阶段回归

ivreg2 roasd size age state indratio hold_share_w income_increase_w (vc=ht vc_den young)

3.群聚调整

*面板数据做回归的时候，如果不加cluster选项，默认的标准差假定模型的标准差对于给定个体在时间上是独立的，而事实上往往在各期之间会有相关性。这种假定导致了标准差的低估。加上的话系数不会有改变，标准差的值会上升，模型更加robust.

reg y x, cluster(code)

4.内生性问题——heckman两阶段回归

举个例子：
第一阶段：是否打工比如 y=f(var1 var2 var3 var4), 其中y是是否打工的虚变量
第二阶段：对打工者来说，打工的时间长短 m=g(var1 var2 var3)
heckman m var1 var2 var3, select(y=var1 var2 var3 var4) twostep

要说明两点：
1、关键要找到var4这样一个或几个变量，只决定是否打工，而不影响打工时间
2、heckman还有很多的option，无法一一说明，你自己根据需要去找

5.回归结果导出

outreg2 [model1 model2 model3] using "C:\Users\ASUS\Desktop\myfile", tstat e(r2_a,F) bdec(3) tdec(2)

5.回归残差保存

reg y x1 x2
predict e,r

xb           xb, fitted values; the defaultstdp         calculate standard error of the fitted valuesue           u_i + e_it, the combined residual* xbu          xb + u_i, prediction including effect* u            u_i, the fixed- or random-error component* e            e_it, the overall error component

如果用e，得出的结果是每个公司每年的残差都不同，如果用u，则是同一个公司不同年度的残差是一样的

因为u是个体效应，e是真正的残差项，区别就在于用FE还是RE时地位不同

转载于:https://www.cnblogs.com/pursuit1996/p/5023934.html

stata学习笔记（七）：回归分析和稳健性检验相关推荐

Typescript 学习笔记七：泛型
中文网:https://www.tslang.cn/ 官网:http://www.typescriptlang.org/ 目录: Typescript 学习笔记一:介绍.安装.编译 Typescrip ...
吴恩达《机器学习》学习笔记七——逻辑回归（二分类）代码
吴恩达<机器学习>学习笔记七--逻辑回归(二分类)代码一.无正则项的逻辑回归 1.问题描述 2.导入模块 3.准备数据 4.假设函数 5.代价函数 6.梯度下降 7.拟合参数 8.用训练 ...
websocket 获取连接id_Swoole学习笔记七：搭建WebSocket长连接之使用 USER_ID 作为身份凭证...
Swoole学习笔记七:搭建WebSocket长连接之使用 USER_ID 作为身份凭证 2年前阅读 3678 评论 0 喜欢 0 ### 0.前言前面基本的WebSocket操作,我们基本都 ...
ROS学习笔记七：使用rqt_console和roslaunch
ROS学习笔记七:使用rqt_console和roslaunch 本节主要介绍在调试时使用的rqt_console和rqt_logger_level,以及一次性打开多个节点的工具roslaunch. ...
【K210】K210学习笔记七——使用K210拍摄照片并在MaixHub上进行训练
[K210]K210学习笔记七--使用K210拍摄照片并在MaixHub上进行训练前言 K210准备工作 K210如何拍摄照片准备工作拍摄相关代码定义用K210拍摄到的照片在MaixHub平台 ...
STATA 学习笔记：相关系数
STATA 学习笔记 :相关系数为什么要计算变量之间的相关系数? 检测变量之间的多重共线性相关系数呈现的几种方法 1. 散点图矩阵 help graph matrix Description: g ...
Learning ROS for Robotics Programming Second Edition学习笔记(七) indigo PCL xtion pro live
中文译著已经出版,详情请参考:http://blog.csdn.net/ZhangRelay/article/category/6506865 Learning ROS forRobotics Pro ...
STATA学习笔记：数据合并
STATA学习笔记:数据合并一横向合并数据:merge 1. One-to-one merge on specified key variables merge 1:1 varlist using ...
window的dos命令学习笔记七
文章目录一.dos历史学习笔记(后期整合到这里,我想能学到这里的应该不多了,嘿嘿,加油) 二.执行状态返回值(`%errorlevel%`,和shell中`$?`相似): 三.视窗 1.color ...
ESP32学习笔记(七) 复位和时钟
ESP32学习笔记(七) 复位和时钟目录: ESP32学习笔记(一) 芯片型号介绍 ESP32学习笔记(二) 开发环境搭建 VSCode+platformio ESP32学习笔记(三) 硬件资源介绍 ...

stata学习笔记（七）：回归分析和稳健性检验

stata学习笔记（七）：回归分析和稳健性检验相关推荐

最新文章

热门文章