截面相关性检验stata命令

‘壹’ hansen检验指令是什么stata

stata命令大全——面板数据计量分析与软件实现
说明：以下do文件相当一部分内容来自于中山大学连玉君STATA教程，感谢他的贡献。本人做了一定的修改与筛选。
*----------面板数据模型* 1.静态面板数据模型：FE 和RE
2.模型选择：FE vs POLS, RE vs POLS, FE vs RE （pols混合最小二乘估计）
3.异方差、序列相关和截面相关检验
4.动态面板数据模型（DID-GMM,SYS-GMM）
5.面板随机前沿模型
6.面板协整分析（FMOLS,DOLS）
*** 说明：1-5均用STATA软件实现， 6用GAUSS软件实现。
生产效率分析（尤其指TFP）：数据包络分析（DEA）与随机前沿分析（SFA）
*** 说明：DEA由DEAP2.1软件实现，SFA由Frontier4.1实现，尤其后者，侧重者肢烂于比较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（Spillovers Effect）、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。
--------------------------------------------------------------------------------------------------------------
指定面板格式xtset id year （id为截面名称，year为时间名称）
xtdes /*数据特征*/
--------------------------------------------------------------------------------------------------------------
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生产函数的估计
--------------------------------------------------------------------------------------------------------------
随机效应模型
y_it = x_it*b + (a_i + u_it)* = x_it*b + v_it*
基本思想：将随机干扰项分成两种
一种是不随时间改变的，即个体效应 a_i*
另一种是随时间改变的，即通常意义上的干扰项 u_it*
估计方法：FGLS*
Var(v_it) = sigma_a^2 + sigma_u^2*
Cov(v_it,v_is) = sigma_a^2*
Cov(v_it,v_js) = 0*
利用Pooled OLS，Within Estimator, Between Estimator*
可以估计出sigma_a^2和sigma_u^2,进而采用GLS或FGLS*
Re估计量是Fe估计量和Be估计量的加权平均*
--------------------------------------------------------------------------------------------------------------
解读 xtreg,fe 的估计结果
xtreg logy logk logl, fe
--------------------------------------------------------------------------------------------------------------
解读 xtreg,re 的估计结果
use proct.dta, clear
xtreg logy logk logl, re
--------------------------------------------------------------------------------------------------------------
如何得到调整后的 R2,即 adj-R2 ？
ereturn list
reg logy h inv gov open m*
--------------------------------------------------------------------------------------------------------------
为何有些变量会被drop掉？
use nlswork.dta, clear
tsset idcode year
xtreg ln_wage hours tenure ttl_exp, fe /*正常执行*/
* 产生种族虚拟变量
tab race, gen(m_race)
xtreg ln_wage hours tenure ttl_exp m_race2 m_race3, fe /*为何 m_race2 和 m_race3 会被 dropped ?* 固定效应模型的设定：y_it = u_i + x_it*b + e_it (1)* 由于个体效应 u_i 不随时间改变，* 因此若 x_it 包含了任何不随时间改变的变量，* 都会与 u_i 构成多重共线性，Stata会自动删除之。*******
--------------------------------------------------------------------------------------------------------------
异方差、序列相关和截面相关问题
--------------------------------------------------------------------------------------------------------------
组间异方差检验（截面数据的特征）
Fe 模型
xtreg logy logk logl, fe
xttest3
--------------------------------------------------------------------------------------------------------------
序列相关检验
Fe 模型
xtserial logy logk logl
xtserial logy logk logl, output
--------------------------------------------------------------------------------------------------------------
截面相关检验
xttest2命令 H0: 所有截面残差的相关系数都相等
xtreg logy logk logl, fe
xttest2
--------------------------------------------------------------------------------------------------------------
异方差稳健型估计
xtreg logy h inv gov open, fe robust
est store fe_rb
xtreg logy h inv gov open, fe robust
est store fe
--------------------------------------------------------------------------------------------------------------
序列相关估计
一阶自相关 xtregar, fe/re
模型： y_it = u_i + x_it*b + v_it (1)
v_it = rho*v_it-1 + z_it (2)
xtregar logy h inv gov open, fe
est store fe_ar1
xtregar logy h inv gov open, fe lbi /*Baltagi-Wu LBI test*/

‘贰’ 如何用stata进行变量间的相关性分析，要把星星和p值都显示出来

1、先定义value lable。方式有很多种，data | data utilities |lable utilities |manage value labels或者用命令 label define完成。

‘叁’ 如何用stata 做一个相关性分析的矩阵

在stata里help cor。

stata的命令名是correlate [varlist] [if] [in] [weight] [, correlate_options]

stata 里面分析相关性的命令是

pwcorr a b c d e , sig

结果就有了包括了显着性的判消侍闭断标准，stata里面没有星星，直接根据sig，也就是p的值来判断是否显着就好。

(3)截面相关性检验stata命令扩展阅读：

作图功能

Stata的作图模块，主要提供如下八种基本图形的制作 : 直方图（histogram），条形图（bar），百分条图 （oneway），百分圆图（pie），散点图（two way），散点图矩阵（matrix），星形图（谈氏star），分位数图。

这些图形的巧妙应用，可以满足绝大多数用户的统计作图要求。在有些非绘图命令中，也提供了专门绘制某种图形的功能，如在生存分析中，提供了绘制生存曲线图，回归分析中提供了残差图等。

Stata的矩阵运算功能

矩阵代数是多元统计分析的重要工具， Stata提供了多元统计分析中所需的矩阵基本运算，如矩阵的加、积、逆、 Cholesky分解、 Kronecker内积等；还拿裂提供了一些高级运算，如特征根、特征向量、奇异值分解等。

在执行完某些统计分析命令后，还提供了一些系统矩阵，如估计系数向量、估计系数的协方差矩阵等。

‘肆’ stata相关性分析有哪些

stata里面分析相关性的命令是pwcorr a b c d e , sig，结果就有了包括了显着性的判断标准，stata里面没有星星，直接根据sig，也就是p的值来判断是否显着就好了。

SS是平方和，它所在列的三个数值分别为回归误差平方和（SSE）、残差平方和（SSR）及总体平方和（SST），即分别为Model、Resial和Total相对应的数值。

df（degree of freedom）为自由度。

MS为SS与df的比值，与SS对应，SS是平方和，MS是均方，是指单位自由度的平方和。

coeft表明系数的，因为该因素t检验的P值是0.000，所以表明有很强的正效应，认为所检验的变量对模型是有显着影响的。

(4)截面相关性检验stata命令扩展阅读：

Stata的统计功能很强，除了传统的统计分析方法外，还收集了近20年发展起来的新方法，如Cox比例风险回归，指数与Weibull回归，多类结果与有序结果的logistic回归，Poisson回归，负二项回归及广义负二项回归，随机效应模型等。具体说， Stata具有如下统计分析能力：

数值变量资料的一般分析：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换等。