第三讲 回归结果处理和大样本OLS课件.ppt

回归结果处理和大样本OLS 回归后预测值的获得 Predict 1。拟合值的获得： predict yhat, xb 或者 predict yhat 2。残差的获得 predict e , residuals 或者 predict e, res 3。 残差分布图 rvfplot yline(0) 回归的假设检验(wald检验) test命令 例一 sysuse auto, clear reg price mpg weight length 1。检验参数的联合显著性 2。分别检验各参数的显著性 例二： use wage2, clear reg lnwage educ tenure exper exper2 1。教育（educ）和工作时间（tenure）对工资的影响相同。 test educ=tenure 2。工龄（exper）对工资没有影响 test exper 或者 test exper =0 3。检验 educ和 tenure的联合显著性 test educ tenure 或者 test (educ=0) (tenure=0) 例三：生产函数production use production,clear reg lny lnl lnk test lnl lnk test (lnl=0.8) (lnk=0.2) test lnk+lnl=1 非线性检验：testnl 例一 sysuse auto gen weight2 = weight^2 reg price mpg trunk length weight weight2 foreign testnl _b[mpg] = 1/_b[weight] testnl (_b[mpg] = 1/_b[weight]) (_b[trunk] = 1/_b[length]) 例二：打开production reg lny lnl lnk testnl _b[lnl] * _b[lnk] = 0.25 testnl _b[lnl] * _b[lnk] = 0.5 大样本OLS 大样本OLS经常采用稳健标准差估计(robust) 稳健标准差是指其标准差对于模型中可能存在的异方差或自相关问题不敏感，基于稳健标准差计算的稳健t统计量仍然渐进分布t分布。因此，在Stata中利用robust选项可以得到异方差稳健估计量。 Nerlove（1963）的一篇著名文章 为了检验美国电力行业是否存在规模经济，Nerlove（1963）收集了1955年145家美国电力企业的总成本(TC)、产量(Q)、工资率(PL)、燃料价格(PF)及资本租赁价格(PK)的数据（nerlove.dta）。假设第个i企业的生产函数为Cobb-Douglas： 其中分别为生产率、劳动力、资本与燃料。记为规模效应（degree of returns to scale）。假设企业追求成本最小化，可证明其成本函数也为Cobb-Douglas： 取对数后得到如下模型： 测算规模报酬系数 display 1/_b[lnq] 分别使用普通OLS和稳健的标准差OLS进行估计。 结果可以看到：稳健标准差与普通标准差的估计的系数相同，但标准差和t值存在着较大的差别，尤其是lnq的标准差。 约束回归 定义约束条件 constraint define n 条件 约束回归语句 cnsreg 被解释变量 解释变量, constraints(条件编号) 约束回归 例一：use production，clear cons def 1 lnl+lnk = 1 cnsreg lny lnl lnk, c(1) 例二：use nerlove,clear cons def 1 lnpl+lnpk+lnpf=1 . cons def 2 lnq=1 . cnsreg lntc lnq lnpl lnpk lnpf, c(1-2) 矩阵运算 1。手动建立矩阵命令：matrix Mat input 矩阵变量名=（矩阵） 同一行元素用，分隔 不同行元素用\分割 建立矩阵 ： 3 6 8 5 11 7 2 18 16 显示矩阵变量 mat dir 显示矩阵内容 Mat list 矩阵变量 常用矩阵运算： C=A+B A-B A*B Kronecker乘积 ：C=A#B 常用矩阵函数： trace(m1) m1的迹 Diag(v1) 向量的对角矩阵 inv(m1)