资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,0,主要内容,似不相关回归,多元回归模型,联立方程模型,第1页/共31页,主要内容似不相关回归第1页/共31页,1,实验,14-1,：似不相关回归,实验基本原理,第2页/共31页,实验14-1：似不相关回归实验基本原理第2页/共31页,2,第3页/共31页,第3页/共31页,3,实验内容及数据来源,本书附带光盘,data,文件夹下的“,usaauto.dta,”工作文件，给出了美国汽车产业的横截面数据。主要变量包括：,price=,汽车的价格，,mpg=,每加仑油所行驶的英里数，,weight=,汽车的重量，,foreign=,是否进口车（,0,代表是国产车），,length=,汽车长度，,displacement=,内燃机气缸的工作容积。,利用这些数据，我们拟合两个方程，分析汽车长度、产地对其重量的影响，以及汽车每加仑油所能行驶的里程、产地、内燃机气缸的工作容积对其价格的影响。考虑到两个方程的扰动项可能相关，我们使用似不相关回归模型。,这样，利用“,usaauto.dta,”的数据，我们来讲解似不相关回归的操作以及模型的预测。,第4页/共31页,实验内容及数据来源第4页/共31页,4,实验操作指导,1,似不相关回归的操作,第5页/共31页,实验操作指导第5页/共31页,5,对于“,usaauto.dta,”的数据，我们同时拟合两个方程，来分析汽车长度、产地对其重量的影响，以及汽车每加仑油所能行驶的里程数、产地、内燃机气缸的工作容积对其价格的影响。这样，输入命令：,sureg(weight length foreign)(price mpg foreign displacement),corr small dfk,其中，,sureg,为似不相关回归的基本命令，,weight,为第一个方程的被解释变量，,foreign,和,length,是第一个方程的解释变量；,price,是第二个方程的被解释变量，,mpg,、,foreign,和,displacement,是第二个方程的解释变量。选项,corr,表示进行,BreuschPagan,自相关检验，,small,表示汇报小样本统计量，,dfk,表示计算残差的协方差矩阵时进行小样本调整。,第6页/共31页,第6页/共31页,6,此外，如果我们想拟合两个方程，其解释变量相同，都是,length,和,foreign,，而被解释变量分别为,weight,和,price,，则可以输入以下命令：,sureg(weight price=length foreign),其中，等号前的变量代表各方程的被解释变量，等号后的变量代表各方程相同的解释变量。这里需要注意的是，命令中的括号必不可少。,当然，对于这个问题，我们也可以采用命令：,sureg(weight=length foreign)(price=length foreign),其结果与前面的结果相同。,对于前面的回归，如果我们要给第一个方程命名为,eq1,，给第二个方程命名为,eq2,，则可以输入命令：,sureg(eq1:weight length foreign)(eq2:price mpg foreign displacement),corr small dfk,这里，括号中的冒号前为方程名，冒号后为被解释变量和解释变量。,第7页/共31页,此外，如果我们想拟合两个方程，其解释变量相同，都是lengt,7,2,似不相关回归的预测,拟合完似不相关回归模型之后，进行预测的基本命令为：,predict type newvar if in,equation(eqno,eqno)statistic,其中，,predict,是预测的基本命令语句，,newvar,代表生成的新变量的名称，,type,代表新变量的类型，,if,代表条件语句，,in,代表范围语句，选项,equation(),指定要预测的方程，,eqno,代表方程号或方程名，,statistic,代表要预测的统计量。表,14.2,给出了各,statistic,统计量及其含义。,第8页/共31页,2 似不相关回归的预测第8页/共31页,8,第9页/共31页,第9页/共31页,9,在前面的回归之后，我们要对两个方程的拟合值进行预测，可输入命令：,predict pweight,equation(#1),predict pprice,equation(#2),其中，第一步是对第一个方程的拟合值进行预测，并将其命名为,pweight,；第二步是对第二个方程的拟合值进行预测，并将其命名为,pprice,。,下面，我们看一下原序列值和预测值的描述统计量。输入命令：,summarize price pprice weight pweight,第10页/共31页,在前面的回归之后，我们要对两个方程的拟合值进行预测，可输入命,10,如果我们对两个方程的预测值之差感兴趣，可以输入命令：,predict diff,equation(price,weight)difference,这里，选项表明，我们计算方程,price,的预测值和方程,weight,的预测值之差，并将其命名为,diff,。,下面，我们生成一个新变量,diff2,，为预测值,pprice,和,pweight,之差。输入命令：,gen diff2=pprice-pweight,我们来看一下,diff,和,diff2,的前,5,个值。输入命令：,list diff diff2 in 1/5,第11页/共31页,如果我们对两个方程的预测值之差感兴趣，可以输入命令：第11页,11,实验,14-2,：多元回归模型,实验基本原理,对于多方程的模型，如果几个方程的解释变量都相同，则我们称模型为多元回归模型（,multivariate regression,，区别于,multiple regression,）。这种模型与似不相关回归模型在本质上是一致的，但,Stata,中存在专门的命令对其进行回归。,如我们在似不相关回归的实验原理处所讲，当各方程包含的解释变量完全相同时，,SUR,和单一方程,OLS,的结果完全相同。同理，对多元回归模型进行估计的结果和对每个方程分别进行,OLS,估计所得到的系数和标准误是一样的。但多元回归模型可以计算出各方程扰动项的相关系数，并且可以对多个方差的系数进行联合检验。,第12页/共31页,实验14-2：多元回归模型实验基本原理第12页/共31页,12,实验内容及数据来源,仍然使用实验,14-1,的数据，即本书附带光盘,data,文件夹下的“,usaauto.dta,”工作文件。,利用这些数据，我们拟合两个方程，被解释变量分别为汽车重量和汽车价格，解释变量都是汽车的长度和产地。考虑到两个方程的解释变量相同，我们使用多元回归模型。,这样，利用“,usaauto.dta,”的数据，我们来讲解拟合多元回归模型的操作以及系数的检验和模型的预测。,第13页/共31页,实验内容及数据来源第13页/共31页,13,实验操作指导,1,多元回归模型的操作,第14页/共31页,实验操作指导第14页/共31页,14,对于“,usaauto.dta,”的数据，我们同时拟合两个方程，来分析汽车长度、产地对其重量和价格的影响。这样，输入命令：,mvreg weight price=length foreign,corr,其中，,mvreg,为多元回归模型的基本命令，,weight,和,price,分别为两个方程的被解释变量，,length,和,foreign,是两个方程的解释变量。选项,corr,表示汇报两方程残差的相关矩阵。这里需要注意的一点是，等号两边必须都留有空格，否则,Stata,会显示语法错误的提示。,第15页/共31页,对于“usaauto.dta”的数据，我们同时拟合两个方程，,15,2,多元回归模型的系数检验,拟合完多元回归模型后，我们可以对系数进行检验。当然，对于本例，由于各个系数本身都是显著的，我们可以期待任何两个系数也会是联合显著的。但为了说明操作，我们这里还是进行相应的检验。,例如，我们要检验两方程的,foreign,的系数是否联合为,0,，可输入命令：,test weightforeign priceforeign,这里，,test,是进行检验的基本命令，,weightforeign,代表方程,weight,中,foreign,的系数，,priceforeign,代表方程,price,中,foreign,的系数。这里，我们要检验这两个系数是否同时为,0,。,当然，如果我们要检验所有方程某一变量的系数是否同时为,0,，可以不必输入方程名，直接在,test,命令后加变量名即可。对于上面的检验，我们还可以通过如下命令实现：,test foreign,该命令会得到与前面相同的结果。,第16页/共31页,2 多元回归模型的系数检验第16页/共31页,16,3,多元回归模型的预测,拟合完多元回归模型之后，进行预测的基本命令为：,predict type newvar if in,equation(eqno,eqno)statistic,其中，,predict,是预测的基本命令语句，,newvar,代表生成的新变量的名称，,type,代表新变量的类型，,if,代表条件语句，,in,代表范围语句，选项,equation(),指定要预测的方程，,eqno,代表方程号或方程名，,statistic,代表要预测的统计量。可用的,statistic,统计量与似不相关回归的预测处相同，详见表,14.2,。,第17页/共31页,3 多元回归模型的预测第17页/共31页,17,实验,14-3,：联立方程模型,实验基本原理,第18页/共31页,实验14-3：联立方程模型实验基本原理第18页/共31页,18,第19页/共31页,第19页/共31页,19,实验内容及数据来源,本书附带光盘,data,文件夹下的“,macroeco.dta,”工作文件，给出了美国的宏观经济数据。主要变量包括：,yr=,年，,consump=,消费，,profits=,私人部门利润，,profits1=,私人部门上一年利润，,wagepriv=,私人部门工资收入，,wagegovt=,政府部门工资收入，,wagetot=,总工资收入，,invest=,投资，,capital1=,上一年的资本存量，,totinc=,总收入（总需求），,totinc1=,上一年的总收入，,govt=,政府支出，,taxnetx=,税收,+,净出口。,利用这些数据，我们拟合三个方程，分析各种因素对消费、投资和工资收入的影响。考虑到一个方程的被解释变量可能另一个方程的解释变量，我们使用联立回归模型。,这样，利用“,macroeco.dta,”的数据，我们来讲解联立方程模型的拟合及预测等内容。,第20页/共31页,实验内容及数据来源第20页/共31页,20,实验操作指导,1,拟合联立方程模型的基本操作,第21页/共31页,实验操作指导第21页/共31页,21,第22页/共31页,第22页/共31页,22,第23页/共31页,第23页/共31页,23,这样，要拟合这个模型，我们输入命令：,reg3(consump profits profits1 wagetot)(invest profits profits1 capital1)(wagepriv totinc totinc1 year),endog(totinc wagetot profits)exog(govt wagegovt taxnetx),其中，,reg3,是拟合联立方程模型的基本命令，第一个方程的被解释变量为,consump,，解释变量为,profits,、,profits1,和,wagetot,；第二个方程的被解释变量为,invest,，解释变量为,profits,、,profits1,和,capital1,；第三个方程的被解释变量为,wagepriv,，
展开阅读全文