关于 一元线性回归、异方差性与Stata实现
第一次blog献给了****与计量经济学,但是不得不说 markdown编辑器还行
(大抵约
莫这个经济学专业的少女年 所学习过的 语言的太少了呢,基本HTML一点都不会rua)
既计量经济学作业,遂顺手笔记耳
文章目录
1. 一元线性回归 Stata实现
1.1命令窗口:
. rename var1 x //把导入的数据的 变量名 改为 x (default : var1)
. rename var2 y
. label values x 居民可支配收入 //把 变量x 贴一个标签 "居民可支配收入"
. label values y 居民消费支出 //把 变量y 贴一个标签 "居民消费支出"
. regress y x //进行OLS回归
1.2菜单栏:
“统计”—“线性模型及相关”—“线性回归”
2. 检验异方差
“所谓异方差, 是指我们的误差项u 对不同的个体是不同的,从统计上讲,就是违反了假设: 球形误差Cov(u,x)=0的基本假设”
( 即: 随机误差 和 自变量 存在一定关系 , “随机”误差 不是随机的 )
2.1检验方法:回归残差图
2.1.1命令窗口:
.rvpplot x //完成回归后,显示 “残差-自变量 图”
2.1.2菜单栏:
“图形”—“回归诊断图”—“残差对解释变量”
2.1.3结果:
∴ 显然 随机误差 随着x 的变化 而改变
※!!!也可以做 u^2-x (残差平方-自变量)的图像
(
btw.
)
2.2检验方法:Breusch-Pagan / Cook-Weisberg test (for heteroskedasticity)
2.2.1命令窗口:
. estat hettest //完成回归后,tests for heteroskedasticity
// .estat :回归后的后验估计统计量
2.2.2菜单栏:
“统计”—“回归诊断”—“模型检定等”
2.2.2结果:
2.3 检验方法:White Test
2.3.1命令窗口:
. estat imtest, white // imtest : imformation matrix test
2.3.2菜单栏:
“统计”—“回归诊断”—“模型检定等”
2.3.3结果:
(貌似 White检验 被 C-T检验整合、修正了?)
P值=0.0659 > α=0.05 ∴接受H_0:存在异方差
2.4 Spearman’s correlation coefficient for ranked data 斯皮尔曼等级相关检验法
2.4.1命令窗口:
.regress y x //对原模型应用OLS
.predict res , residuals //把回归的残差 保存到 变量 res 中
.generate abs_res = abs(res) // 对残差求绝对值,然后保存在 变量abs_res中
.sort abs_res // 对 残差的绝对值 排序(升序)
// !!!注意:sort 命令会 扩展到整个数据集,所以重新导入了 已排序的自变量
.generate sort_x
.spearman sort_x abs_res //对已排序的自变量和残差绝对值 做Spearman Test
//一定记得“绝对值”“排序”
2.4.2 结果
3. 建立存在异方差的估计模型
3.1稳健(Robust)方差的回归模型
3.1.1命令窗口:
.regress y x, vce(robust) // 或者 . regress y x ,robust
3.1.2菜单栏:
“统计”—“线性模型及相关”—“线性回归”
"SE/Robust" —“稳健”
3.1.3结果:
3.2加权最小二乘法
3.2.1命令窗口:
.quietly regress y x // 进行OLS回归, 在regress,命令前加上quietly选项,不显示回归结果
.predict u ,residuals //用 predict命令生成残差 u
.generate sigma = abs(u) // 另(σ_i ) ̂=|u_i |,保存在 sigma 变量中
.generate z = y/sigma
.generate x1 = 1/sigma
.generate x2 = x/sigma
.regress z x1 x2 , noconstant
3.2.2结果
对回归结果进行 White检验
数据数据!
第9章 论那个少年即金融工程学生的行为
233333 真是hardcore呢,懂的人自然懂吧
出自 AN INQUIRY INTO THE NATURE AND CAUSES OF THE WEALTH OF NATURE
那个不被人理解的,谦逊而又质朴的大师
……
凡愿意细心探讨这个极重要科学的原来的人,都得对他十分留意