stataest命令

Ⅰ STATA的问题！高手进

一个可能的原因是，你此前运行了很多回归命令，内存中已经保存了大量的回归结果（est
store命令的效果），此时Stata无法加载新的估计结果，也可能出现上述错误信息。
一个简单的处理方法是，保存do-fiels，关闭stata（这相当于清空Stata所占用的内存），然后重新启动再运行上述命令。
另一个方法是，在执行上述命令之前，先执行
discard
命令，清除部分内存。
祝你早日解决问题

Ⅱ 进行t检验的时候，stata命令是test还是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 面板模型引入固定时间效应stata怎么操作

短面板处理面板数据是指既有截面数据又有时间序列的数据，因此其存在截面数据没有的优势，在用stata进行面板数据的估计时，一般选择xtreg命令进行拟合。本节主要论述短面板的stata实现，即时间维度T相对于截面数n较小的数据。在那种情况下，由于T较小，每个个体的信息较少，故无从讨论扰动项是否存在自相关，我们一般假设其独立同分布。面板数据维度的确定在面板数据进行模型估计前，要进行面板数据的维度确定。由于面板数据既有截面数据又有时间序列，而stata不能自动识别，因此，必须使得stata得知哪一部分是截面数据，而哪一部分是时间序列。设置面板数据维度的基本命令为：xtsetpanelvartimvar[,tsoptions]其中panelvar代表截面数据变量，timvar代表时间序列变量。选取某一面板数据进行维度设定：xtsetfcodeyear

stata中处理面板数据如何选择模型

方法的选择一般基于因变量类型。对面板数据而言，当因变量为连续变量时，可在混合ols回归、固定效应模型和随机效应模型间选择，有相应的检验统计量；当因变量为类别变量时，有面板logit模型，又可分为二分类，无序多分类和有序多分类面板logit。

先用xtset设定面板数据然后用xtreg，fe操作就可以做面板数据固定效应啦面板数据回归分析我很熟悉的

面板数据之固定效应模型 当您只对分析的影响感兴趣时，使用固定效果(FE)随时间变化的变量。 FE探讨预测因子和结果变量之间的关系(国家、个人、公司等)，每个实体都有自己的特点是否会影响预测变量(例如，是男性还是女性?能够影响对某一问题的看法;或者一个特定的政治体系国家可以对贸易或GDP产生一些影响;或公司的商业惯例可能影响其股价)。

当使用FE时，我们假设个人内部的某些东西可能会影响预测或结果变量，我们需要控制这些。这就是背后的基本原理：实体误差项与预测变量之间的相关性假设。FE模型去掉这些时不变特性的影响，这样我们就可以评估结果变量上的预测因子。 FE模型的另一个重要假设是这些time-invariant特征是独一无二的个体，不应该与其他个体相关特征。每个实体是不同的，因此实体的误差项和常数(捕捉个体特征)不应该与其他特征相关联。如果误差项是相关的，那么FE是不合适的，因为推论可能是不正确的，你需要建立这种关系的模型(可能使用随机效应)，需要使用豪斯曼检验，

Ⅳ stata 语句 test 是怎么用的,我这里有数据,求大神分析

test语句的用法：test+式子，是用F检验来检验后面式子中变量对应的系数是否满足式子的数学关系，如果用户需要T检验用ttest语句。

用户的test语句的结果是这样的：检验了是否ch、ma、en、se四个变量前面的系数是否相等（不知道是否是要这个结果，不过用户的语句是这样的）

(4)stataest命令扩展阅读：

Stata常用的基础语法命令

lables：给变量添加标签

notes：给变量添加注释

*：通配符，*pop表示以“pop”结尾的所有变量名（已存在），如smallpop，largepop都属于

drop：删除变量，drop varlist

keep：保留变量，keep varlist

rename：重命名，rename old_varname new_varname

renpfix：重命名多个变量,renpfix income inc,（把incom80与income81改为inc80和inc81），其中的incom和inc都只是变量的一部分前缀

Ⅳ est store是什么命令

保存模型。

保存模型结果可以使用Stata官方自带的命令进行结果存储，即estimates store（或缩写形式：est store）。

esttab命令

esttab命令是由瑞士波恩大学社会学研究所（University of Bern, Institute of Sociology）的Ben Jann教授编写的Stata用户外部命令，主要用于生成满足用户需求的回归表格，这类命令已经成为量化实证分析中的基础性技能，兼具效率、规范与美观。

esttab要配合着eststo一起用，esttab像一个wrapper一样，把你之前的eststo的计算结果用图表的形式表现出来。所以，你要把每一个模型都run一下。然后用esttab表现出来。

Ⅵ stata esttab 怎么用啊具体

esttab 要配合着eststo一起用。esttab像一个wrapper一样，把你之前的eststo 的计算结果用图表的形式表现出来。所以，你要把每一个模型都run一下。然后用esttab表现出来。

比如，我有两个模型，price 是因变量，模型1 用weight，mpg当自变量，模型2多一个foreign。

. eststo: quietly regress price weight mpg 《=== run第一个模型
(est1 stored)

. eststo: quietly regress price weight mpg foreign 《=== run第二个模型
(est2 stored)

. esttab, se ar2 《=== 用esttab，给出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里面什么命令可以对面板数据按时间求均值

首先对面板数据进行声明：

前面是截面单元，后面是时间标识：

tsset company year

tsset instry year

产生新的变量：gennewvar=human*lnrd

产生滞后变量Genfiscal(2)=L2.fiscal

产生差分变量Genfiscal(D)=D.fiscal

一、描述性统计

xtdes ：对Panel Data截面个数、时间跨度的整体描述

Xtsum：分组内、组间和样本整体计算各个变量的基本统计量

xttab 采用列表的方式显示某个变量的分布

二、主要命令和方法

Stata中用于估计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

主要估计方法：

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命令的应用

声明面板数据类型：

*1、面板声明

use FDI.dtar, clear

xtset id year

1.固定效应模型估计：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

2.随机效应模型估计：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

3. 最大似然估计Ml：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,mle

Hausman检验究竟选择固定效应模型还是随机效应模型：

第一步：估计固定效应模型，存储结果

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

est store fe

第二步：估计随机效应模型，存储结果

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

est store re

第三步：进行hausman检验

hausman fe re

对于固定效应模型的异方差检验和序列相关检验：

xtserial xtreg lngdp lnfdi lnie lnex lnim lnci lngp

异方差检验：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe

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

随机效应模型的序列相关检验：

xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re

xttest1

xttest1用于检验随机效应(单尾和双尾) 、一阶序列相关以及两者的联合显着

检验结果表明存在随机效应和序列相关，而且对随机效应和序列相关的联合检验也非常显着

可以使用广义线性模型xtgls对异方差和序列相关进行修正：

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

xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(correlated)，修正依横截面而变化的异方差

xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(hetero) corr(ar1)，修正异方差和一阶序列相关ar(1)

Ⅷ 如何用stata做面板数据的滚动回归

方法/步骤

短面板处理
面板数据是指既有截面数据又有时间序列的数据，因此其存在截面数据没有的优势，在用stata进行面板数据的估计时，一般选择xtreg命令进行拟合。本节主要论述短面板的stata实现，即时间维度T相对于截面数n较小的数据。在那种情况下，由于T较小，每个个体的信息较少，故无从讨论扰动项是否存在自相关，我们一般假设其独立同分布。
面板数据维度的确定
在面板数据进行模型估计前，要进行面板数据的维度确定。由于面板数据既有截面数据又有时间序列，而stata不能自动识别，因此，必须使得stata得知哪一部分是截面数据，而哪一部分是时间序列。
设置面板数据维度的基本命令为：
xtset panelvar timvar [, tsoptions]
其中panelvar代表截面数据变量，timvar代表时间序列变量。
选取某一面板数据进行维度设定（该数据研究职业培训津贴对厂商废弃率的影响）：
xtset fcode year

固定效应估计
xtreg可以估计固定效应与随机效应，两者的差异在于选项的不同。
xtreg用来做固定效应的语法是：
xtreg depvar [indepvars] [if] [in] [weight] , fe [FE_options]
其语法可以help xtreg获得。（说明，其中xt表示面板数据的命令，因此，在stata中输入help xt可以学习面板数据描述、估计等命令。）
选取某一数据进行拟合：
xtreg lscrap d88 d89 grant grant_1,fe
结果显示如下：

其中，(1)表示组内、组间、总体的R方，其中固定效应看组内R-sq，随机效应看总体R-sq。
(2)表示个体效应与解释变量的相关系数。
(3)F检验表示模型整体显着性。

(4)U表示个体观测效应，sigma_u为个体效应的标准差
E表示随机干扰项，u+e为所谓的混合误差，rho是指个体效应的方差占混合误差方差的比重。
备注：（1）（2）（3）（4）分别对应一下的四张照片

随机效应估计
xtreg用来做随机效应的语法是：
xtreg depvar [indepvars] [if][in] [weight] , re [RE_options]
与上一部分类似的估计
xtreg lscrap d88 d89 grantgrant_1,re
（1）
与固定效应不同的是，固定效应F检验处，此处为瓦尔德卡方检验，同样表示模型整体显着性。

固定效应与随机效应的选择：豪斯曼检验
首先，看两个效应的区别
固定效应与随机效应的区别
区别一：
FE / RE 模型可统一表述为： y_it = u_i + x_it*b + e_it
对于FE，个体效应 u_i 被视为一组解释变量，为非随机变量，即 N-1 个虚拟变量；对于RE，个体效应 u_i被视为干扰项的一部分，因此是随机变量，假设其服从正态分布，即 u_i~N(0, sigma_u^2)； 在上述两个模型的设定中，e_it都被视为“干干净净的”干扰项，也就是OLS时那个背负着众多假设条件，但长相极为俊俏的干扰项，e_it~N(0,sigma_e^2)。 需要注意的是，在 FE 模型中，只有一个干扰项 e_it，它可以随公司和时间而改变，所有个体差异都采用 u_i 来捕捉。而在 RE 模型中，其实有两个干扰项：u_i 和 e_it，差别在于，第一种干扰项不随时间改变（这也是所谓的“个体效应”的含义），而第二类干扰项可以随时间改变。 因为上述对 FE 和 RE 中个体效应 u_i 的假设之差异，二者的估计方法亦有差异。FE可直接采用OLS估计，而RE则必须使用GLS才能获得更为有效的估计量。
固定效应模型中的个体差异反映在每个个体都有一个特定的截距项上；随机效应模型则假设所有的个体具有相同的截距项，个体的差异主要反应在随机干扰项的设定上 。
区别二：
固定效应更适合研究样本之间的区别，而随机效应适合由样本来推断总体特征。
其次，Hausman检验确定模型形式的选择。
以上面的面板数据为例
xtreg lscrap d88 d89 grant grant_1,fe
est store fe
xtreg lscrap d88 d89 grant grant_1,re
est store re
hausman fe
结果显示：
(1)
原假设为随机效应，而最终P值为0.7096，接受原假设，模型最终选择为随机效应。

Ⅸ stata中estat命令啥意思

stata中estat命令它是依据上一步回归进行在估计计算。

stata中estat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。

stata中estat统计功能：

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。

stata中estat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。

stata中estat分类资料的一般分析：参数估计，列联表分析 ( 列联系数，确切概率 ) ，流行病学表格分析等。

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都是虚拟变量test这个命令显示的结果里变量名实际代表这个变量的系数。所以，比如第一个，zbl=0，并不是检验zbl这个变量是否为0，而是检验zbl的系数是否为0。那么因为p值较大，我们不拒绝原假设。