计量经济学Stata软件应用3---【【Stata软件回归分析应用之模型预测】】--1次课

– 实验数据：在实验环境中获得 – 非实验数据：对个人、企业或者经济系统中进
行观测得到
• 通常情况下，社会科学使用非实验数据。
金融数据库如何使用STATA做回归 分析
数据类型
• 时间序列：变量由不同时间的观测值构成。如1993年至 2015年股票价格，GDP, CPI，汽车销售量。
• 横截面数据：在某个时点对个人、企业、家庭、国家等个 体采集样本形成的数据。如某时点股票价格、GDP, CPI, 汽车销售量，某年份个人、家庭收入，企业销售额。
– 多元回归，回归分析推断，大样本理论 – 虚拟变量回归 – 异方差，自相关
• 使用STATA做多元回归分析
– 数据导入、描述、画图 – 回归分析、回归诊断
金融数据库如何使用STATA做回归 分析
教材
• 计量经济学
– 伍德里奇，计量经济学导论，人民大学出版社 – Chattefueer & Hadi, Regression Analysis by Sample – Stock & Watson, 计量经济学导论 – Jonhnston: Econometric Methods
–
金融数据库如何使用STATA做回归 分析
国内常用微观数据5
• 中国家庭动态跟踪调查数据。（ Chinese Family Panel Studies, CFPS） 。
– 是北京大学中国社会科学调查中心(ISSS)实施的一项旨在通过跟 踪搜集个体、家庭、社区三个层次的数据，反映中国社会、经济、 人口、教育和健康的变迁。2008年在北京、上海、广东的展开探 索性调查，调查规模为2400户；2009年在北京、上海、广东三地 展开工具性测试跟踪调查，测试CAPI技术、调查进程实时管理技 术、调查进程实时技术支持系统、数据质量实时监控技术的稳定 性和可靠性。2010年在全国（西藏、青海、新疆、宁夏、内蒙古、 海南、香港、澳门、台湾不在其列）正式实施，调查规模为 16000户，每年一次跟踪调查。

阅读感受
在阅读这本书的过程中，我不仅学会了如何进行回归分析，还学会了如何更 有效地使用Stata软件。这些知识和技能将对我的未来学习和职业生涯产生积极 的影响。我相信这本书对于其他读者也会有很大的帮助，无论是初学者还是有一 定经验的统计学者。
目录分析
目录分析
在当今的统计分析领域，回归分析是一种广泛应用的方法，用于探索变量之 间的关系，以及预测和解释数据的变化。而Stata软件则是一款功能强大且易用 的统计软件，被广泛应用于各种数据分析和处理任务中。《回归分析及Stata软 件应用》这本书，以其独特的视角和实用的方法，为读者提供了回归分析和 Stata软件应用方面的深入指导。
目录分析
在这一章中，本书介绍了一些高级的回归分析方法，包括多重共线性处理、 交互效应模型、时间序列回归模型等。还介绍了如何在Stata中实现这些方法。
目录分析
在这一章中，本书详细介绍了Stata编程的基础知识和自定义函数的编写方法。 通过学习这一章，读者可以了解如何编写自己的Stata程序，以实现更复杂的分 析和数据处理任务。
阅读感受
《回归分析及Stata软件应用》是一本理论与实践相结合的好书。它不仅提供 了回归分析的基础知识，还通过Stata软件的应用展示了如何在实际问题中应用 这些知识。这本书的案例和实例非常丰富，使得我可以深入理解回归分析的应用 场景和技巧。书中的软件操作指南也为我提供了极大的帮助，让我可以轻松地使 用Stata软件进行各种统计分析任务。
精彩摘录
Stata软件是一款功能强大的统计分析软件，广泛应用于各种领域。它可以帮 助用户完成从数据管理到高级统计分析的各种任务。Stata软件支持多种回归分 析方法，包括线性回归、逻辑回归、有序回归等。
精彩摘录

二、简单回归分析的Stata基本命令
简单线性回归模型 ( simple linear regression model ) 指 只有一个解释变量的回归模型。如：
y 0 1x u
其中，y 为被解释变量，x 为解释变量，u 为随机误差项， 表示除 x 之外影响 y 的因素；1称为斜率参数或斜率系 数，0称为截距参数或截距系数，也称为截距项或常数项。 简单线性回归模型的一种特殊情况：
三、简单回归分析的Stata软件操作实例
5、生成新变量 z 为上一个回归的拟合值，生成新变量 u 为 上一个回归的残差；然后根据 u 对数据进行从小到大的排 序，并列出 u 最小的5个观测。 命令如下：
predict z (生成拟合值) predict u, residual ( 生成残差 ) sort u (根据 u 对数据从小到大排序) list wage z u in 1/5 (列出 u 最小的5个观测值以及对应的实
(OLS)回归。regress命令可简写为横线上方的三个字
母reg。
➢ regress y x, noconstant
y 对 x 的回归，不包含截距项 (constant)，即过原点回归。
➢ predict z
根据最近的回归生成一个新变量 z，其值等于每一个观测
的拟合值（即
yˆ
）。
i
➢ predict u, residual
4.45 0.000 2.85 0.005
4、wage对edu的OLS回归。使用regress命令：
reg wage edu，得到以下运行结果，保存该运行结果；
So urce
Mod el Re sidu al
Tot al
SS

实验一：一元线性回归模型的估计、检验和预测【演示内容】1、stata常用命令Stata常用命令的介绍。

(1) 查找帮助:search [查找内容]如：search save //查找用什么命令保存文档（键盘上按“q”键可以停止显示搜索结果）(2) use "路径+文件名"use "F:\stata files\2.6.dta"(3) 编辑数据edit(4) 删除数据表中的变量或一个观测值drop 变量名1 变量名2如：drop X Ydrop in 行数n //删除第n个观测之如：drop in 32 //删除第32个观测值(5) 保存数据文档save "文件路径+文件名"2、以教材P49 例2.6.1为例介绍用Eview实现一元线性回归的参数估计、检验和预测。

实验步骤1．录入数据点击菜单Data Editor,直接把数据拷贝进去并在右下边的variables的框中修改变量名为X和Y2. 散点图scatter Y X4．按照关系式Y=C+βX+μ进行OLS回归，regress Y X5. 预测(1) 求X=20000时，人均消费支出均值预测值的点估计值. predict [type] newvar [,statistic]举例：先执行回归命令：use "F:\stata files\2.6",clearregress Y X再用edit命令新增一个X值20000，在执行以下命令predict yhat [,xb]–此命令意为：生成一个名为yhat的变量，该变量的取值为根据解释变量的每组取值对应生成被解释变量的估计值，（在最后一行可以看到X=20000所对应的Y的估计值）(2)求当X=20000时，人均消费支出均值预测值和个值的\95%的置信区间。

use "F:\stata files\2.6.dta",clear(1) regress Y X(2) 然后在数据chapter9_1中增加一个X的取值为20000(3) predict yhat–将每个x值对应的y的估计值存放在变量yhat中,则在X=20000的最后一个观测值可以看到对应的Y的预测值的点估计值(4) predict sef, stdf–生成一个名为sef的变量，该变量的取值为预测误差的标准差(5) predict sep, stdp–生成一个名为sep的变量，该变量的取值为预测值的标准差(6) scalar tc=invttail(29,0.025)–定义标量tc，其取值为自由度为29的t变量概率为0.025的临界值。