stata命令大全全Word文档格式.docx
《stata命令大全全Word文档格式.docx》由会员分享,可在线阅读,更多相关《stata命令大全全Word文档格式.docx(38页珍藏版)》请在冰豆网上搜索。
DEA由DEAP2.1软件实现,SFA由Frontier4.1实现,尤其后者,侧重于比较C-D与Translog生产函数,一步法与两步法的区别。
常应用于地区经济差异、FDI溢出效应(SpilloversEffect)、工业行业效率状况等。
*空间计量分析:
SLM模型与SEM模型
*说明:
STATA与Matlab结合使用。
常应用于空间溢出效应(R&
D)、财政分权、地方政府公共行为等。
*---------------------------------
*--------一、常用的数据处理与作图-----------
*指定面板格式
xtsetidyear(id为截面名称,year为时间名称)
xtdes/*数据特征*/
xtsumlogyh/*数据统计特征*/
sumlogyh/*数据统计特征*/
*添加标签或更改变量名
labelvarh"
人力资本"
renamehhum
*排序
sortidyear/*是以STATA面板数据格式出现*/
sortyearid/*是以DEA格式出现*/
*删除个别年份或省份
dropifyear<
1992
dropifid==2/*注意用==*/
*如何得到连续year或id编号(当完成上述操作时,year或id就不连续,为形成panel格式,需要用egen命令)
egenyear_new=group(year)
xtsetidyear_new
**保留变量或保留观测值
keepinv/*删除变量*/
**或
keepifyear==2000
**排序
sortidyear/*是以STATA面板数据格式出现
sortyearid/*是以DEA格式出现
**长数据和宽数据的转换
*长>
>
宽数据
reshapewidelogy,i(id)j(year)
*宽>
长数据
reshapelogy,i(id)j(year)
**追加数据(用于面板数据和时间序列)
xtsetidyear
*或者
xtdes
tsappend,add(5)/表示在每个省份再追加5年,用于面板数据/
tsset
tsdes
.tsappend,add(8)/表示追加8年,用于时间序列/
*方差分解,比如三个变量Y,X,Z都是面板格式的数据,且满足Y=X+Z,求方差var(Y),协方差Cov(X,Y)和Cov(Z,Y)
bysortyear:
corrYXZ,cov
**生产虚拟变量
*生成年份虚拟变量
tabyear,gen(yr)
*生成省份虚拟变量
tabid,gen(dum)
**生成滞后项和差分项
xtsetidyear
genylag=l.y/*产生一阶滞后项),同样可产生二阶滞后项*/
genylag2=L2.y
gendy=D.y/*产生差分项*/
*求出各省2000年以前的openinv的平均增长率
collapse(mean)openinvifyear<
2000,by(id)
变量排序,当变量太多,按规律排列。
可用命令
aorder
或者
orderfdiopeninsti
*-----------------
*二、静态面板模型
*---------简介-----------
*面板数据的结构(兼具截面资料和时间序列资料的特征)
useproduct.dta,clear
browse
xtsetidyear
xtdes
*--------固定效应模型-----------
*实质上就是在传统的线性回归模型中加入N-1个虚拟变量,
*使得每个截面都有自己的截距项,
*截距项的不同反映了个体的某些不随时间改变的特征
*
*例如:
lny=a_i+b1*lnK+b2*lnL+e_it
*考虑中国29个省份的C-D生产函数
*******-------画图------*
*散点图+线性拟合直线
twoway(scatterlogyh)(lfitlogyh)
*散点图+二次拟合曲线
twoway(scatterlogyh)(qfitlogyh)
*散点图+线性拟合直线+置信区间
twoway(scatterlogyh)(lfitlogyh)(lfitcilogyh)
*按不同个体画出散点图和拟合线,可以以做出fevsre的初判断*
twoway(scatterlogyhifid<
4)(lfitlogyhifid<
4)(lfitlogyhifid==1)(lfitlogyhifid==2)(lfitlogyhifid==3)
*按不同个体画散点图,sobeautiful!
!
*
graphtwowayscatterlogyhifid==1||scatterlogyhifid==2,msymbol(Sh)||scatterlogyhifid==3,msymbol(T)||scatterlogyhifid==4,msymbol(d)||,legend(position(11)ring(0)label(1"
北京"
)label(2"
天津"
)label(3"
河北"
)label(4"
山西"
))
**每个省份logy与h的散点图,并将各个图形合并
twowayscatterlogyh,by(id)ylabel(,format(%3.0f))xlabel(,format(%3.0f))
*每个个体的时间趋势图*
xtlinehifid<
11,overlaylegend(on)
*一个例子:
中国29个省份的C-D生产函数的估计
tabid,gen(dum)
list
*回归分析
reglogylogklogldum*,
eststorem_ols
xtreglogylogklogl,fe
eststorem_fe
esttablem_olsm_fe,b(%6.3f)star(0.10.050.01)
*Wald检验
testlogk=logl=0
testlogk=logl
*stata的估计方法解析
*目的:
如果截面的个数非常多,那么采用虚拟变量的方式运算量过大
*因此,要寻求合理的方式去除掉个体效应
*因为,我们关注的是x的系数,而非每个截面的截距项
*处理方法:
*
*y_it=u_i+x_it*b+e_it
(1)
*ym_i=u_i+xm_i*b+em_i
(2)组内平均
*ym=um+xm*b+em(3)样本平均
*
(1)-
(2),可得:
*(y_it-ym_i)=(x_it-xm_i)*b+(e_it-em_i)(4)/*withinestimator*/
*(4)+(3),可得:
*(y_it-ym_i+ym)=um+(x_it-xm_i+xm)*b+(e_it-em_i+em)
*可重新表示为:
*Y_it=a_0+X_it*b+E_it
*对该模型执行OLS估计,即可得到b的无偏估计量
**stata后台操作,揭开fe估计的神秘面纱!
!
egeny_meanw=mean(logy),by(id)/*个体内部平均*/
egeny_mean=mean(logy)/*样本平均*/
egenk_meanw=mean(logk),by(id)
egenk_mean=mean(logk)
egenl_meanw=mean(logl),by(id)
egenl_mean=mean(logl)
gendyw=logy-y_meanw
gendkw=logk-k_meanw
gendlw=logl-l_meanw
regdywdkwdlw,nocons
eststorem_stata
gendy=logy-y_meanw+y_mean
gendk=logk-k_meanw+k_mean
gendl=logl-l_meanw+l_mean
regdydkdl
esttablem_*,b(%6.3f)star(0.10.050.01)
*解读xtreg,fe的估计结果
xtreglogyhinvgovopen,fe
*--R^2
*y_it=a_0+x_it*b_o+e_it
(1)pooledOLS
*y_it=u_i+x_it*b_w+e_it
(2)withinestimator
*ym_i=a_0+xm_i*b_b+em_i(3)betweenestimator
*
*-->
R-sq:
within模型
(2)对应的R2,是一个真正意义上的R2
betweencorr{xm_i*b_w,ym_i}^2
overallcorr{x_it*b_w,y_it}^2
*--F(4,373)=855.93检验除常数项外其他解释变量的联合显著性
*--corr(u_i,Xb)=-0.2347
*--sigma_u,sigma_e,rho
*rho=sigma_u^2/(sigma_u^2+sigma_e^2)
dise(sigma_u)^2/(e(sigma_u)^2+e(sigma_e)^2)
*个体效应是否显著?
*F(28,373)=338.