stataest命令

Ⅰ STATA的問題！高手進

一個可能的原因是，你此前運行了很多回歸命令，內存中已經保存了大量的回歸結果（est
store命令的效果），此時Stata無法載入新的估計結果，也可能出現上述錯誤信息。
一個簡單的處理方法是，保存do-fiels，關閉stata（這相當於清空Stata所佔用的內存），然後重新啟動再運行上述命令。
另一個方法是，在執行上述命令之前，先執行
discard
命令，清除部分內存。
祝你早日解決問題

Ⅱ 進行t檢驗的時候，stata命令是test還是ttest

一般用ttest.
. sysuse auto

. ttest mpg==20
. webuse fuel3
. ttest mpg, by(treated)
. webuse fuel
. ttest mpg1==mpg2
// (immediate form; n=24, m=62.6, sd=15.8; test m=75)
. ttesti 24 62.6 15.8 75

test有不同的用法，下面是一些例子：
Examples after single-equation estimation
Setup
. webuse census3
. regress brate medage medagesq i.region
Test coefficient on 3.region is 0
. test 3.region=0
Shorthand for the previous test command
. test 3.region
Test coefficient on 2.region=coefficient on 4.region
. test 2.region=4.region

Stata will perform the algebra, and then do the test
. test
2*(2.region-3*(3.region-4.region))=3.region+2.region+6*(4.region-3.regio
> n)

Test that coefficients on 2.region and 3.region are jointly equal to 0
. test (2.region=0) (3.region=0)
The following two commands are equivalent to the previous test command
. test 2.region = 0
. test 3.region = 0, accumulate
Test that the coefficients on 2.region, 3.region, and 4.region are all 0;
testparm understands a varlist
. testparm i(2/4).region
In the above example, you may substitute any single-equation estimation command
(such as clogit, logistic, logit, and ologit) for regress.
Examples after multiple-equation estimation commands
Setup
. sysuse auto
. sureg (price foreign mpg displ) (weight foreign length)

Test significance of foreign in the price equation
. test [price]foreign

Test that foreign is jointly 0 in both equations
. test [price]foreign [weight]foreign

Shorthand for the previous test command
. test foreign

Test a cross-equation constraint
. test [price]foreign = [weight]foreign

Alternative syntax for the previous test
. test [price=weight]: foreign

Test all coefficients except the intercept in an equation
. test [price]

Test that foreign and displ are jointly 0 in the price equation
. test [price]: foreign displ

Test that the coefficients on variables that are common to both equations are
jointly 0
. test [price=weight], common

Simultaneous test of multiple constraints
. test ([price]: foreign) ([weight]: foreign)

Ⅲ 面板模型引入固定時間效應stata怎麼操作

短面板處理面板數據是指既有截面數據又有時間序列的數據，因此其存在截面數據沒有的優勢，在用stata進行面板數據的估計時，一般選擇xtreg命令進行擬合。本節主要論述短面板的stata實現，即時間維度T相對於截面數n較小的數據。在那種情況下，由於T較小，每個個體的信息較少，故無從討論擾動項是否存在自相關，我們一般假設其獨立同分布。面板數據維度的確定在面板數據進行模型估計前，要進行面板數據的維度確定。由於面板數據既有截面數據又有時間序列，而stata不能自動識別，因此，必須使得stata得知哪一部分是截面數據，而哪一部分是時間序列。設置面板數據維度的基本命令為：xtsetpanelvartimvar[,tsoptions]其中panelvar代表截面數據變數，timvar代表時間序列變數。選取某一面板數據進行維度設定：xtsetfcodeyear

stata中處理面板數據如何選擇模型

方法的選擇一般基於因變數類型。對面板數據而言，當因變數為連續變數時，可在混合ols回歸、固定效應模型和隨機效應模型間選擇，有相應的檢驗統計量；當因變數為類別變數時，有面板logit模型，又可分為二分類，無序多分類和有序多分類面板logit。

先用xtset設定面板數據然後用xtreg，fe操作就可以做面板數據固定效應啦面板數據回歸分析我很熟悉的

面板數據之固定效應模型 當您只對分析的影響感興趣時，使用固定效果(FE)隨時間變化的變數。 FE探討預測因子和結果變數之間的關系(國家、個人、公司等)，每個實體都有自己的特點是否會影響預測變數(例如，是男性還是女性?能夠影響對某一問題的看法;或者一個特定的政治體系國家可以對貿易或GDP產生一些影響;或公司的商業慣例可能影響其股價)。

當使用FE時，我們假設個人內部的某些東西可能會影響預測或結果變數，我們需要控制這些。這就是背後的基本原理：實體誤差項與預測變數之間的相關性假設。FE模型去掉這些時不變特性的影響，這樣我們就可以評估結果變數上的預測因子。 FE模型的另一個重要假設是這些time-invariant特徵是獨一無二的個體，不應該與其他個體相關特徵。每個實體是不同的，因此實體的誤差項和常數(捕捉個體特徵)不應該與其他特徵相關聯。如果誤差項是相關的，那麼FE是不合適的，因為推論可能是不正確的，你需要建立這種關系的模型(可能使用隨機效應)，需要使用豪斯曼檢驗，

Ⅳ stata 語句 test 是怎麼用的,我這里有數據,求大神分析

test語句的用法：test+式子，是用F檢驗來檢驗後面式子中變數對應的系數是否滿足式子的數學關系，如果用戶需要T檢驗用ttest語句。

用戶的test語句的結果是這樣的：檢驗了是否ch、ma、en、se四個變數前面的系數是否相等（不知道是否是要這個結果，不過用戶的語句是這樣的）

(4)stataest命令擴展閱讀：

Stata常用的基礎語法命令

lables：給變數添加標簽

notes：給變數添加註釋

*：通配符，*pop表示以「pop」結尾的所有變數名（已存在），如smallpop，largepop都屬於

drop：刪除變數，drop varlist

keep：保留變數，keep varlist

rename：重命名，rename old_varname new_varname

renpfix：重命名多個變數,renpfix income inc,（把incom80與income81改為inc80和inc81），其中的incom和inc都只是變數的一部分前綴

Ⅳ est store是什麼命令

保存模型。

保存模型結果可以使用Stata官方自帶的命令進行結果存儲，即estimates store（或縮寫形式：est store）。

esttab命令

esttab命令是由瑞士波恩大學社會學研究所（University of Bern, Institute of Sociology）的Ben Jann教授編寫的Stata用戶外部命令，主要用於生成滿足用戶需求的回歸表格，這類命令已經成為量化實證分析中的基礎性技能，兼具效率、規范與美觀。

esttab要配合著eststo一起用，esttab像一個wrapper一樣，把你之前的eststo的計算結果用圖表的形式表現出來。所以，你要把每一個模型都run一下。然後用esttab表現出來。

Ⅵ stata esttab 怎麼用啊具體

esttab 要配合著eststo一起用。esttab像一個wrapper一樣，把你之前的eststo 的計算結果用圖表的形式表現出來。所以，你要把每一個模型都run一下。然後用esttab表現出來。

比如，我有兩個模型，price 是因變數，模型1 用weight，mpg當自變數，模型2多一個foreign。

. eststo: quietly regress price weight mpg 《=== run第一個模型
(est1 stored)

. eststo: quietly regress price weight mpg foreign 《=== run第二個模型
(est2 stored)

. esttab, se ar2 《=== 用esttab，給出standard error以及 adjusted R^2

--------------------------------------------
(1) (2)
price price
--------------------------------------------
weight 1.747** 3.465***
(0.641) (0.631)

mpg -49.51 21.85
(86.16) (74.22)

foreign 3673.1***
(684.0)

_cons 1946.1 -5853.7
(3597.0) (3377.0)
--------------------------------------------
N 74 74
adj. R-sq 0.273 0.478
--------------------------------------------
Standard errors in parentheses * p<0.05, ** p<0.01, *** p<0.001

Ⅶ stata裡面什麼命令可以對面板數據按時間求均值

首先對面板數據進行聲明：

前面是截面單元，後面是時間標識：

tsset company year

tsset instry year

產生新的變數：gennewvar=human*lnrd

產生滯後變數Genfiscal(2)=L2.fiscal

產生差分變數Genfiscal(D)=D.fiscal

一、描述性統計

xtdes ：對Panel Data截面個數、時間跨度的整體描述

Xtsum：分組內、組間和樣本整體計算各個變數的基本統計量

xttab 採用列表的方式顯示某個變數的分布

二、主要命令和方法

Stata中用於估計面板模型的主要命令：xtreg

xtreg depvar [varlist] [if exp] , model_type [level(#) ]

Model type 模型

be Between-effects estimator

fe Fixed-effects estimator

re GLSRandom-effects estimator

pa GEEpopulation-averaged estimator

mle Maximum-likelihood Random-effectsestimator

主要估計方法：

xtreg： Fixed-, between- and random-effects, and population-averaged linear models

xtregar：Fixed- andrandom-effects linear models with an AR(1) disturbance

xtpcse ：OLS orPrais-Winsten models with panel-corrected standard errors

xtrchh ：Hildreth-Houckrandom coefficients models

xtivreg ：Instrumentalvariables and two-stage least squares for panel-data models

xtabond：Arellano-Bond linear, dynamic panel data estimator

xttobit ：Random-effectstobit models

xtlogit ：Fixed-effects,random-effects, population-averaged logit models

xtprobit ：Random-effects andpopulation-averaged probit models

xtfrontier ：Stochastic frontiermodels for panel-data

xtrc gdp invest culture e sci health social admin,beta

三、xtreg命令的應用

聲明面板數據類型：

*1、面板聲明

use FDI.dtar, clear

xtset id year

1.固定效應模型估計：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

2.隨機效應模型估計：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

3. 最大似然估計Ml：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,mle

Hausman檢驗究竟選擇固定效應模型還是隨機效應模型：

第一步：估計固定效應模型，存儲結果

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

est store fe

第二步：估計隨機效應模型，存儲結果

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

est store re

第三步：進行hausman檢驗

hausman fe re

對於固定效應模型的異方差檢驗和序列相關檢驗：

xtserial xtreg lngdp lnfdi lnie lnex lnim lnci lngp

異方差檢驗：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

xttest3 (Modified Wald statistic for groupwise heteroskedasticity in fixedeffect model)

隨機效應模型的序列相關檢驗：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

xttest1

xttest1用於檢驗隨機效應(單尾和雙尾) 、一階序列相關以及兩者的聯合顯著

檢驗結果表明存在隨機效應和序列相關，而且對隨機效應和序列相關的聯合檢驗也非常顯著

可以使用廣義線性模型xtgls對異方差和序列相關進行修正：

xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(hetero)，修正異方差

xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(correlated)，修正依橫截面而變化的異方差

xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(hetero) corr(ar1)，修正異方差和一階序列相關ar(1)

Ⅷ 如何用stata做面板數據的滾動回歸

方法/步驟

短面板處理
面板數據是指既有截面數據又有時間序列的數據，因此其存在截面數據沒有的優勢，在用stata進行面板數據的估計時，一般選擇xtreg命令進行擬合。本節主要論述短面板的stata實現，即時間維度T相對於截面數n較小的數據。在那種情況下，由於T較小，每個個體的信息較少，故無從討論擾動項是否存在自相關，我們一般假設其獨立同分布。
面板數據維度的確定
在面板數據進行模型估計前，要進行面板數據的維度確定。由於面板數據既有截面數據又有時間序列，而stata不能自動識別，因此，必須使得stata得知哪一部分是截面數據，而哪一部分是時間序列。
設置面板數據維度的基本命令為：
xtset panelvar timvar [, tsoptions]
其中panelvar代表截面數據變數，timvar代表時間序列變數。
選取某一面板數據進行維度設定（該數據研究職業培訓津貼對廠商廢棄率的影響）：
xtset fcode year

固定效應估計
xtreg可以估計固定效應與隨機效應，兩者的差異在於選項的不同。
xtreg用來做固定效應的語法是：
xtreg depvar [indepvars] [if] [in] [weight] , fe [FE_options]
其語法可以help xtreg獲得。（說明，其中xt表示面板數據的命令，因此，在stata中輸入help xt可以學習面板數據描述、估計等命令。）
選取某一數據進行擬合：
xtreg lscrap d88 d89 grant grant_1,fe
結果顯示如下：

其中，(1)表示組內、組間、總體的R方，其中固定效應看組內R-sq，隨機效應看總體R-sq。
(2)表示個體效應與解釋變數的相關系數。
(3)F檢驗表示模型整體顯著性。

(4)U表示個體觀測效應，sigma_u為個體效應的標准差
E表示隨機干擾項，u+e為所謂的混合誤差，rho是指個體效應的方差占混合誤差方差的比重。
備註：（1）（2）（3）（4）分別對應一下的四張照片

隨機效應估計
xtreg用來做隨機效應的語法是：
xtreg depvar [indepvars] [if][in] [weight] , re [RE_options]
與上一部分類似的估計
xtreg lscrap d88 d89 grantgrant_1,re
（1）
與固定效應不同的是，固定效應F檢驗處，此處為瓦爾德卡方檢驗，同樣表示模型整體顯著性。

固定效應與隨機效應的選擇：豪斯曼檢驗
首先，看兩個效應的區別
固定效應與隨機效應的區別
區別一：
FE / RE 模型可統一表述為： y_it = u_i + x_it*b + e_it
對於FE，個體效應 u_i 被視為一組解釋變數，為非隨機變數，即 N-1 個虛擬變數；對於RE，個體效應 u_i被視為干擾項的一部分，因此是隨機變數，假設其服從正態分布，即 u_i~N(0, sigma_u^2)； 在上述兩個模型的設定中，e_it都被視為「乾乾凈凈的」干擾項，也就是OLS時那個背負著眾多假設條件，但長相極為俊俏的干擾項，e_it~N(0,sigma_e^2)。 需要注意的是，在 FE 模型中，只有一個干擾項 e_it，它可以隨公司和時間而改變，所有個體差異都採用 u_i 來捕捉。而在 RE 模型中，其實有兩個干擾項：u_i 和 e_it，差別在於，第一種干擾項不隨時間改變（這也是所謂的「個體效應」的含義），而第二類干擾項可以隨時間改變。 因為上述對 FE 和 RE 中個體效應 u_i 的假設之差異，二者的估計方法亦有差異。FE可直接採用OLS估計，而RE則必須使用GLS才能獲得更為有效的估計量。
固定效應模型中的個體差異反映在每個個體都有一個特定的截距項上；隨機效應模型則假設所有的個體具有相同的截距項，個體的差異主要反應在隨機干擾項的設定上 。
區別二：
固定效應更適合研究樣本之間的區別，而隨機效應適合由樣本來推斷總體特徵。
其次，Hausman檢驗確定模型形式的選擇。
以上面的面板數據為例
xtreg lscrap d88 d89 grant grant_1,fe
est store fe
xtreg lscrap d88 d89 grant grant_1,re
est store re
hausman fe
結果顯示：
(1)
原假設為隨機效應，而最終P值為0.7096，接受原假設，模型最終選擇為隨機效應。

Ⅸ stata中estat命令啥意思

stata中estat命令它是依據上一步回歸進行在估計計算。

stata中estat數值變數資料的一般分析：參數估計，t檢驗，單因素和多因素的方差分析，協方差分析，交互效應模型，平衡和非平衡設計，嵌套設計，隨機效應，多個均數的兩兩比較，缺項數據的處理，方差齊性檢驗，正態性檢驗，變數變換等。

stata中estat統計功能：

Stata的統計功能很強，除了傳統的統計分析方法外，還收集了近20年發展起來的新方法，如Cox比例風險回歸，指數與Weibull回歸，多類結果與有序結果的logistic回歸，Poisson回歸，負二項回歸及廣義負二項回歸，隨機效應模型等。

stata中estat數值變數資料的一般分析：參數估計，t檢驗，單因素和多因素的方差分析，協方差分析，交互效應模型，平衡和非平衡設計，嵌套設計，隨機效應，多個均數的兩兩比較，缺項數據的處理，方差齊性檢驗，正態性檢驗，變數變換等。

stata中estat分類資料的一般分析：參數估計，列聯表分析 ( 列聯系數，確切概率 ) ，流行病學表格分析等。

Ⅹ stata test 命令求助

. test zbl==0
( 1) zbl = 0
F( 1, 1899) = 0.65
Prob > F = 0.4192
. test zbl+y10_year=0
( 1) zbl + y10_year = 0
F( 1, 1899) = 17.15
Prob > F = 0.0000
其中y10_year=zbl*a
zbl和a都是虛擬變數test這個命令顯示的結果里變數名實際代表這個變數的系數。所以，比如第一個，zbl=0，並不是檢驗zbl這個變數是否為0，而是檢驗zbl的系數是否為0。那麼因為p值較大，我們不拒絕原假設。